Parlez-nous de votre projet

Accélérer la croissance : l’IA pour des estimations automatisées

Chef de file québécois dans l'industrie manufacturière, cette entreprise cherchait à moderniser un processus d’estimation devenu un frein à sa croissance.

Défi

La croissance ralentie par un processus d’estimation long et complexe

Chez ce manufacturier, estimer un projet est complexe et demande de l’expertise. On parle de plus de 30 produits, presque toujours sur mesure : chaque projet est unique. Produire un estimé demande des dizaines d’heures à fouiller dans des catalogues de centaines de pages, à faire des copier-coller à partir de plusieurs sources de données, établir un prix, valider une spécification ou un détail technique.

Objectifs

  • Accélérer le temps de production d’une estimation
  • Soutenir les efforts de vente
  • Centraliser le savoir-faire
  • Réduire les opérations manuelles
  • Améliorer la précision des estimations
  • Maximiser la rentabilité des projets
Solution

Estimations générées par l’IA

597-1-1-1

Plateforme web d'estimation centralisée

Le savoir-faire d'estimation standardisé de bout en bout. L'estimateur entre les informations du projet, puis la plateforme fait les calculs, génère un devis modifiable et produit automatiquement un contrat PDF prêt pour le client. Ce qui prenait des heures de copier-coller se fait maintenant en quelques clics et de façon uniforme, peu importe qui fait l'estimation.

599-1-1

Agent IA conversationnel

Plutôt que de fouiller pendant des heures dans des fichiers pour retrouver un projet similaire, l'estimateur pose sa question à un agent IA, comme il parlerait à un collègue. L'outil trouve les bonnes références, suggère les bons calculs et laisse l'expert se concentrer sur ce qui requiert vraiment son jugement.

Nexapp BrandBook (1)-1-1

Serveur MCP sécurisé

C'est ici que réside la vraie valeur à long terme. Toutes les formules, les prix, les spécifications techniques et les façons de faire sont centralisés dans un système sécurisé. L'outil ne peut répondre qu'à partir de ces règles validées : pas d’hallucinations, pas de données exposées, pas de savoir-faire non documenté.

Comment on y est arrivé?

Étape 1

Cibler ce qui va vraiment rapporter

Une fois qu’on sait qu’on doit s’attaquer au processus d’estimation, par où commencer? Au lieu d’essayer de tout transformer d’un coup, on cible un cas stratégique : un seul équipement, le plus complexe. Pourquoi? Parce que si ça fonctionne pour cet équipement, ça va fonctionner pour tout le reste.

Étape 2

Démontrer la valeur de la solution en quelques semaines

Cibler une première partie du projet nous permet de livrer rapidement une solution entre les mains des utilisateurs. Dans le cas de cet équipementier, il n’a fallu qu’un mois pour que les estimateurs testent la solution. Cette première étape permet de valider les règles d’affaires et de poser les bases technologiques de la solution globale, tout en facilitant la définition de la feuille de route pour les prochains types d’équipements.

Étape 3

Bâtir vite, bâtir bien

Pendant que Nexapp intègre les nouveaux types d'équipements un à un, notre client documente ses règles d'affaires ; un travail en parallèle qui standardise l'ensemble du processus au fil du temps. La plateforme gère 80% des cas automatiquement, mais tous les champs restent éditables pour les exceptions. L'objectif : éliminer le travail répétitif pour que l'expertise humaine soit utilisée là où elle crée vraiment de la valeur.

On livre des résultats

2000 h
récupérées par année
12 X
plus rapide pour produire une estimation
3 M$
de revenus supplémentaires potentiels
1.21
années pour recouvrer l’investissement

L’ingénierie logicielle au service de l’IA

Image pleine largeur cas dutilisation

Encadrement strict du modèle

Structurer et exposer la logique d'estimation via un serveur MCP afin d'isoler les formules mathématiques et d'éviter les modifications non autorisées ou les limites de contexte propres aux grands modèles de langage.
Image pleine largeur cas dutilisation (2)

Assurer des réponses fiables

Les données d’entraînement proviennent de projets réels, ce qui renforce la précision et la pertinence du modèle.

Use Case Full Width Image (1)

Ingestion de données hétérogènes

Traiter l'historique de projets provenant de multiples sources et formats via un extracteur Python.

Image pleine largeur cas dutilisation (1)

Architecture évolutive

Optimiser le stockage dans une base de données Postgres adaptée aux vecteurs et concevoir des services en TypeScript pour permettre l'ajout futur de nouveaux types d'équipements sans refonte majeure.

Et si l'IA faisait la même chose pour vous?
C’est par ici.

bg_shape bg_shape