Réponse courte. De l'IA dans une application n'est pas un chatbot branché sur l'API d'un éditeur ; c'est une fonction précise, avec une entrée connue, une sortie contrainte et un seuil sous lequel un humain reprend. Six fonctions se vendent dans les entreprises algériennes en 2027 : la recherche dans les documents, la lecture des factures et des pièces, le tri des messages, la recommandation, la génération et la transcription de l'arabe dialectal. Chacune se construit de la même façon : une couche d'orchestration qui nous appartient, instructions versionnées, récupération des seuls documents utiles, schéma de sortie, règles métier, repli humain, journal ; des modèles interchangeables derrière, choisis par fonction, par langue et par lieu d'hébergement ; et un jeu d'évaluation de soixante cas réels écrit avec le gérant avant le code, rejoué à chaque changement. Le coût se tient par le cache du préfixe commun, des documents récupérés plutôt que tout envoyé, et un modèle plus petit là où la note tient. Douze semaines, dont la première sans code.
Ce guide s'adresse au fondateur installé en France qui a lu « application avec IA » et veut savoir ce que cela doit contenir, à l'entreprise en Algérie qui ressaisit des factures et trie des messages WhatsApp à la main, et à celui qui compare trois devis où « IA » tient en un mot. Il ne dit pas par où commencer ni quels usages paient, ce que fait le guide sur l'agent IA en entreprise, ni comment un agent vit sur WhatsApp, décrit dans le guide dédié ; il décrit ce qui se construit entre l'écran et le modèle.
Ce que les chiffres disent
L'IA est devenue ordinaire dans le code, pas encore dans les produits. Le rapport DORA 2025, publié le 23 septembre 2025 à partir de près de 5 000 réponses, dit que 90 % des professionnels interrogés utilisent l'IA au travail ; c'est l'écriture du code qui a changé, et le guide sur la livraison dit ce que cela impose aux tests. Mettre de l'IA dans le produit lui-même, celui que vos clients ouvrent, est une autre affaire : la question n'est plus « le modèle sait-il faire » mais « que fait-on quand il se trompe, combien coûte chaque réponse, et où vont les documents de nos clients ».
L'arabe n'est plus un angle mort. Le 15 octobre 2026, l'institut des modèles de fondation de MBZUAI et Inception42, aux Émirats, ont publié Jais 3, une famille de six modèles ouverts de 900 millions à 375 milliards de paramètres, disponibles sur Hugging Face, qui couvrent l'arabe standard et des dialectes régionaux « jusqu'à l'arabe d'Afrique du Nord », avec Jais Speech, un modèle de reconnaissance vocale qui garde les mots en anglais ou en français dans leur écriture d'origine quand le locuteur change de langue ; nous citons l'annonce de presse, et la licence exacte se lit sur le dépôt. D'autres familles existent, Fanar au Qatar, ALLaM en Arabie saoudite, Falcon aux Émirats, et des éditeurs européens comme Mistral hébergent en Europe. Ce que cela impose : un vocal en dialecte algérois ou oranais peut devenir un texte exploitable, à condition de le tester sur de vrais vocaux de vos clients, pas sur une démonstration.
Le coût obéit à des mécanismes stables, même si les grilles changent tous les trimestres. Les éditeurs facturent au million de tokens, en entrée et en sortie ; selon leurs grilles publiques, un préfixe d'entrée déjà vu et mis en cache est facturé une fraction du prix plein, de l'ordre du dixième, et les traitements groupés hors temps réel sont facturés autour de la moitié ; ce sont des ordres de grandeur à vérifier sur la grille du jour, et nous ne citons aucun prix parce qu'ils seront périmés avant que vous signiez. Ce qui ne se périme pas : une requête qui renvoie tout le contexte à chaque fois coûte dix fois plus que la même requête avec un préfixe en cache et des documents récupérés, et c'est l'architecture, pas le choix du modèle, qui fait la différence. Ce que nous n'avons pas trouvé : une mesure de l'adoption de l'IA dans les applications algériennes ; ce guide décrit ce que nous construisons, pas une statistique.
La vie d'une requête IA, en six moments
Une fonction IA ne se décrit pas par son modèle mais par ce qui arrive à une demande, de la photo prise par un détaillant à la ligne de journal qui dira ce qu'elle a coûté.
La demande arrive de l'application avec son contexte : un texte, un vocal en arabe dialectal, la photo d'une facture, avec l'utilisateur, le tenant et l'écran d'origine ; c'est l'application qui sait qui demande, pas le modèle. La préparation nettoie, découpe, récupère les seuls documents pertinents dans l'index, et assemble des instructions versionnées ; rien d'inutile ne part vers le modèle, et c'est là que se joue la moitié du coût. L'appel au modèle utilise le modèle choisi pour cette fonction, un généraliste pour la rédaction, un modèle arabe pour le vocal, un modèle de lecture pour la facture, avec le préfixe commun mis en cache et une limite de tokens ; le même appel rejoué donne le même coût.
La vérification est le moment qui sépare une fonction d'un chatbot : la sortie est contrainte à un schéma, un montant est un nombre, une date est une date, une catégorie est l'une des six prévues, confrontée aux règles métier, le total égale la somme des lignes, et notée par un score de confiance ; ce qui ne passe pas ne s'affiche pas. L'action ou le repli : dans les limites écrites la première semaine, l'application agit ou répond ; sous le seuil, la demande part à un humain avec tout le contexte, et le délai de reprise est mesuré, comme dans le guide sur l'agent WhatsApp. Le journal et la mesure : chaque requête est écrite avec son coût, sa latence, sa note et sa source ; c'est ce journal qui nourrit le jeu d'évaluation, la facture, et l'écran du gérant décrit dans le guide sur le tableau de bord.
L'IA dans une application, en cinq couches
Derrière les six moments, cinq couches, et celle du milieu est la seule qui nous appartient.
L'application montre la réponse avec sa source et son niveau de confiance, et laisse l'utilisateur corriger ; chaque correction devient un cas d'évaluation. L'orchestration est le vrai livrable : instructions versionnées, récupération de documents, outils, limites, seuils, repli humain, journal ; c'est la seule couche qui sait ce que l'IA a le droit de faire, et elle est à vous, dans votre dépôt, pas chez l'éditeur du modèle. Les modèles sont interchangeables derrière elle : un généraliste par API, un modèle arabe pour le dialecte et la voix, un modèle de lecture de documents, choisis par fonction, par langue, par coût et par lieu d'hébergement ; changer de modèle est un réglage, pas une réécriture.
Les données font la qualité : des documents découpés et indexés, le journal des requêtes et réponses, le jeu d'évaluation ; le modèle ne connaît pas votre entreprise, vos documents si, et c'est pourquoi la recherche dans les documents répond mieux que n'importe quel assistant générique. L'exploitation lit chaque semaine le coût par requête, la latence, la note sur le jeu d'évaluation et la part passée à l'humain, avec une alerte quand l'une dérive. Le lieu où vivent les documents et où tourne le modèle suit le guide sur l'hébergement : les modèles les plus capables sont appelés en Europe, les documents restent là où vos contrats l'exigent, et seules les données nécessaires traversent.
«Un chatbot répond à tout ; une fonction IA a une entrée connue, une sortie contrainte et un seuil sous lequel un humain reprend.»
Un exemple chiffré
Un exemple sur des hypothèses de volume, avec une mécanique qui n'en est pas : un portail de distribution, trois fonctions IA, un mois.
2 000 requêtes par jour : la recherche dans le catalogue et les fiches par les détaillants, la lecture des bons de commande photographiés par les prévendeurs, le tri des messages WhatsApp entrants ; c'est notre hypothèse de volume, qui se mesure au pilote. Soixante cas réels dans le jeu d'évaluation, écrits avec le gérant la première semaine : vingt questions de catalogue avec la bonne réponse, vingt bons de commande avec les champs attendus, vingt messages avec leur catégorie ; ils sont rejoués à chaque changement d'instruction ou de modèle, et une livraison dont la note baisse est refusée.
Un coût d'entrée divisé par dix sur les requêtes dont le préfixe est en cache, selon les grilles publiques des éditeurs, à vérifier sur votre facture ; ce qui ne dépend pas de la grille, c'est qu'une architecture qui renvoie tout le catalogue à chaque question paie ce catalogue deux mille fois par jour, et qu'une architecture qui récupère les trois fiches pertinentes paie trois fiches. Cent pour cent des requêtes journalisées, avec coût, latence, note et source, et zéro réponse affichée sans passer par le schéma et les règles : c'est la mécanique, pas une hypothèse. Les hypothèses à vérifier chez vous : combien de requêtes, quelle part de vocaux en dialecte, quel seuil de confiance votre gérant accepte avant de reprendre la main ; la première semaine du projet y répond.
Six fonctions IA qui se vendent, et comment chacune se construit
Six fonctions, et aucune n'est « un chatbot » : chacune a une entrée précise, une sortie contrainte et un seuil sous lequel un humain reprend.
La recherche dans les documents rend une réponse en arabe ou en français avec sa source, fiche produit, procédure, contrat ; elle se construit par des documents découpés et indexés, la récupération des passages pertinents, une réponse contrainte à citer, et « je ne sais pas » quand rien n'est trouvé. La lecture des factures et des pièces transforme une photo de facture, de bon de commande ou de pièce d'identité en champs remplis ; un modèle de lecture, puis un schéma strict, des règles de cohérence, totaux et dates, un score par champ et une validation humaine sous le seuil ; c'est la fonction qui remplace le plus de ressaisie, et le guide sur l'intégration des logiciels existants dit où vont les champs ensuite. Le tri des messages classe chaque message WhatsApp ou e-mail en commande, réclamation, question ou urgence ; des catégories fermées, des exemples étiquetés, un seuil de confiance, une file humaine pour l'incertain.
La recommandation propose le produit, le client à rappeler, la prochaine action ; les règles métier d'abord, le modèle ensuite, et jamais une action automatique sur un compte ou un paiement. La génération rédige un devis, une réponse, un résumé de dossier en quelques secondes, à partir des données de l'entreprise et de gabarits versionnés, avec une relecture obligatoire avant envoi. La transcription vocale transforme un vocal en arabe dialectal en texte exploitable, par un modèle de reconnaissance multidialectal qui garde les mots en français, puis le texte est traité comme une demande écrite ; c'est ce qui permet au prévendeur de l'application de terrain de dicter une commande. Les deux premières lignes paient le plus vite dans les entreprises algériennes, parce qu'elles remplacent de la ressaisie ; les quatre autres viennent après, une à la fois.
Six échecs de l'IA dans une application
Six échecs que nous voyons sur les applications que nous reprenons, et ce que l'architecture fait contre chacun.
L'IA qui invente : le modèle répond avec assurance une chose fausse et un client la lit ; réponse contrainte à citer une source retrouvée, schéma de sortie, règles métier, « je ne sais pas » autorisé, repli humain. La facture qui explose : chaque requête renvoie tout le contexte et la facture triple en un mois ; préfixe commun en cache, documents récupérés plutôt que tout envoyé, limite de tokens, modèle plus petit là où la note tient, et le paiement de l'éditeur en devise prévu selon le guide sur le paiement du cloud. L'arabe dialectal mal compris : le vocal du détaillant devient un texte sans sens ; modèle multidialectal, test sur de vrais vocaux de vos clients, repli sous le seuil.
Les données envoyées n'importe où : les factures et les pièces d'identité des clients partent vers un éditeur sans contrat ni lieu connu ; lieu d'hébergement du modèle décidé par fonction, contrat et clés au nom de l'entreprise, données minimales envoyées, journal. Pas de jeu d'évaluation : un changement d'instruction améliore un cas et en casse dix sans que personne le voie ; soixante cas réels rejoués à chaque changement, livraison refusée si la note baisse. L'IA sans repli : le client est bloqué dans une boucle et personne ne reprend ; seuil de confiance, bouton « parler à quelqu'un », transfert avec le contexte, délai de reprise mesuré. Les trois premiers se voient tout de suite, les trois derniers trois mois plus tard, et tous se traitent dans l'orchestration et le jeu d'évaluation, pas en changeant de modèle.
«Le jeu d'évaluation joue pour une fonction IA le rôle que les tests automatisés jouent pour le reste du code.»
Vu ailleurs : Jais 3, les grilles des éditeurs, DORA, et ce qui se transpose
Trois sources disent l'essentiel. L'annonce de Jais 3 dit que des modèles ouverts couvrent désormais l'arabe standard, des dialectes jusqu'à l'Afrique du Nord et la voix, et qu'ils se déploient sur ses propres serveurs ; ce qui se transpose, c'est qu'une fonction en arabe dialectal se teste sur vos vocaux et vos messages, pas sur un classement, et qu'un modèle ouvert peut tourner là où vos contrats exigent que les données restent. Les grilles des éditeurs disent que le cache d'entrée et les traitements groupés divisent le coût ; ce qui se transpose, c'est l'architecture qui en profite, préfixe stable, documents récupérés, limite de tokens, et ce qui ne se transpose pas, c'est un prix cité aujourd'hui pour un contrat signé dans trois mois.
DORA dit que l'IA accélère l'écriture du code et fragilise la livraison quand la méthode ne suit pas ; ce qui se transpose à l'IA dans le produit, c'est le jeu d'évaluation, qui joue pour une fonction IA le rôle que les tests automatisés jouent pour le reste du code. Ce que ces sources ne disent pas : quelles deux fonctions remplacent le plus de ressaisie chez vous, quel seuil de confiance votre gérant accepte, et où doivent vivre les documents de vos clients ; c'est la première semaine du projet qui y répond.
Les règles d'une fonction IA qui tient
Six règles, écrites la première semaine et relues à chaque changement d'instruction. Une fonction à la fois, avec une entrée connue, une sortie contrainte et un seuil de repli écrits avant le code. Le jeu d'évaluation avant le code : soixante cas réels avec la bonne réponse, rejoués à chaque changement, livraison refusée si la note baisse. Rien ne s'affiche sans schéma ni règles : un montant est un nombre, une catégorie est l'une des catégories prévues, une réponse cite sa source ou dit « je ne sais pas ». L'orchestration est à vous : instructions, limites, journal dans votre dépôt ; le modèle est un fournisseur interchangeable. Le coût par requête est un indicateur lu chaque semaine, avec le cache, la récupération et la taille du modèle comme leviers. Jamais d'action automatique sur un compte ou un paiement : l'IA propose, une règle ou un humain décide.
Une septième règle porte sur le devis : « application avec IA » n'est pas une exigence, c'est une phrase ; l'exigence s'écrit « lecture des bons de commande photographiés avec extraction des champs X, Y, Z, score par champ, validation humaine sous 0,9, note mesurée sur soixante cas réels, coût par requête affiché, documents hébergés à tel endroit, repli humain en moins de dix minutes », et elle se vérifie à la recette sur le jeu d'évaluation, comme le guide sur le cahier des charges le recommande. Un devis qui chiffre « l'IA » en un mot a chiffré un chatbot.
Six applications, et la fonction IA qu'on construit d'abord
Six applications que nous construisons souvent, et pour chacune la première fonction IA retenue la première semaine.
- Le portail de distribution B2B, décrit dans le guide dédié. Lecture des bons de commande photographiés, puis tri des messages des détaillants.
- L'application de terrain des prévendeurs. Transcription des vocaux en dialecte pour dicter une commande, puis recommandation du produit à proposer, règles d'abord.
- La clinique ou le cabinet. Lecture des ordonnances et des résultats scannés dans le dossier, puis recherche dans les procédures ; validation humaine systématique sur les données de santé.
- L'agence immobilière. Lecture des pièces d'un dossier de location, puis génération de l'état des lieux et des quittances relus avant envoi.
- Le SaaS vendu à des entreprises, décrit dans le guide sur le SaaS multi-tenant. Recherche dans les documents de chaque client, index séparé par tenant, modèle partagé, coût par requête refacturé par plan.
- L'agent sur WhatsApp. Tri des messages et recherche dans les documents derrière le numéro de l'entreprise, avec le passage à l'humain décrit dans le guide dédié.
Le calendrier 2027
Le calendrier est celui de deux ou trois fonctions IA en douze semaines, dont la première sans code et deux de pilote avec repli humain.
La semaine 0 à 1 écrit les fonctions et les limites : les deux ou trois fonctions retenues, ce que l'IA fait, ce qu'elle ne fait jamais, le seuil de repli, le lieu des documents ; signés. La semaine 1 à 2 écrit le jeu d'évaluation avec le gérant : soixante cas réels avec la bonne réponse attendue ; c'est la recette de toute la suite. Les semaines 2 à 5 construisent l'orchestration et la première fonction, celle qui remplace le plus de ressaisie : instructions versionnées, récupération, schéma, règles, repli, journal, et la note mesurée dès la première livraison. Les semaines 5 à 7 ajoutent la deuxième et la troisième fonction sur la même couche, avec leurs schémas et leurs cas d'évaluation, et le modèle choisi par fonction et par langue.
Les semaines 7 à 9 sont le pilote avec de vrais utilisateurs et le repli humain actif : la part passée à l'humain, le coût par requête et la latence sont lus chaque jour. Les semaines 9 à 11 règlent le coût sans toucher à la qualité : cache du préfixe, documents mieux découpés, modèle plus petit là où la note tient, chaque réglage mesuré avant et après sur le jeu d'évaluation. La semaine 11 à 12 installe la supervision hebdomadaire, volume, coût, qualité, dérive, et décide de la fonction suivante. Chaque lot de deux semaines est démontré et recetté comme le guide sur la livraison le décrit, le jeu d'évaluation tenant lieu de scénario de recette.
Ce qui fait échouer l'IA dans une application
Les fonctions IA que nous reprenons ont presque toujours échoué pour l'une de ces raisons.
- Le chatbot à la place d'une fonction. Une fenêtre qui répond à tout ; personne ne sait ce qu'elle a le droit de dire.
- Pas de jeu d'évaluation. La qualité est une impression ; chaque changement d'instruction est un pari.
- Tout le contexte à chaque requête. La facture triple, et la latence avec elle.
- L'arabe testé sur une démonstration. Le vocal d'un détaillant de Tiaret n'a rien à voir avec celui de la démonstration.
- Les documents des clients envoyés sans contrat. Personne ne sait où ils sont, ni qui peut les lire.
- L'action automatique. L'IA a validé une commande, modifié un compte, envoyé un paiement ; il fallait une règle ou un humain.
- L'orchestration chez l'éditeur. Les instructions et les limites vivent dans la console d'un fournisseur ; changer de modèle devient une réécriture.
Questions fréquentes
Les questions que nous recevons de fondateurs installés en France, de gérants en Algérie et d'équipes qui comparent des devis.
- Quelle fonction IA mettre en premier dans mon application ?
- Celle qui remplace le plus de ressaisie : la lecture des factures, bons de commande et pièces photographiés, ou la recherche dans vos documents. Les deux ont une entrée précise, une sortie contrainte et un seuil de repli faciles à écrire ; la recommandation et la génération viennent après, une à la fois.
- L’IA comprend-elle l’arabe algérien ?
- Des modèles ouverts récents, comme la famille Jais 3 annoncée en octobre 2026, couvrent l'arabe standard, des dialectes jusqu'à l'Afrique du Nord et la voix, en gardant les mots en français ; mais la seule preuve est un test sur de vrais vocaux et messages de vos clients, avec un seuil de confiance et un repli humain sous ce seuil.
- Combien coûte une requête IA ?
- Cela se mesure, et cela se tient : les éditeurs facturent au million de tokens, le préfixe en cache est facturé une fraction du prix plein, et les traitements groupés autour de la moitié selon leurs grilles publiques ; l'architecture, préfixe stable, documents récupérés plutôt que tout envoyé, modèle plus petit où la note tient, pèse plus que le choix de l'éditeur. Le coût par requête est affiché et lu chaque semaine.
- Que se passe-t-il quand l’IA se trompe ?
- Elle ne s'affiche pas : la sortie est contrainte à un schéma, confrontée aux règles métier et notée ; sous le seuil, la demande part à un humain avec le contexte, et le délai de reprise est mesuré. Chaque erreur corrigée devient un cas du jeu d'évaluation, et une livraison dont la note baisse est refusée.
- Où vont les documents de mes clients ?
- Là où vos contrats l'exigent : le lieu d'hébergement du modèle est décidé par fonction, les documents restent dans votre base, seules les données nécessaires sont envoyées, et le contrat avec l'éditeur ainsi que les clés sont au nom de votre entreprise. Les modèles ouverts peuvent tourner sur vos propres serveurs quand rien ne doit sortir.
- Combien de temps pour mettre de l’IA dans l’application ?
- Douze semaines pour deux ou trois fonctions, dont la première sans code pour écrire les fonctions, les limites et le jeu d'évaluation avec le gérant, deux de pilote avec repli humain, et deux de réglage du coût ; chaque lot de deux semaines est démontré et recetté sur le jeu d'évaluation.