Contexte : L’essor des LLM auprès du grand public a poussé l’équipe technique à concevoir des fonctionnalités innovantes basées sur l’IA.
Problème : Les API des LLM génèrent leurs réponses en temps réel, mot après mot. Pour supporter ce fonctionnement, il était impératif de développer microservice sur mesure, en partant de zéro.
Contexte : L’équipe Customer Success devait créer des questionnaires personnalisés pour chaque client, à partir de documents Word ou Excel qu’ils nous envoyaient.
Problème : Chaque question devait être copiée/collée manuellement dans l’éditeur de l’application, une tâche répétitive et chronophage pouvant prendre jusqu’à 1h par questionnaire.
Contexte : L’utilisateur final voulait pouvoir suivre l’avancement de son enquête après sa diffusion
Problème : L’utilisateur devant attendre d’avoir des résultats significatifs sur son enquête, s’impatientait en voyant son tableau de bord vide.
Contexte : Mon client souhaitait obtenir une meilleure visibilité sur son système d’information. Jusqu’alors, aucune solution de monitoring centralisée n’était en place, ce qui compliquait l’analyse des incidents et ralentissait la prise de décision.
Problème : Le SI souffrait de latences sporadiques, de ralentissements et d’une activité globale opaque. Impossible d’identifier rapidement les goulots d’étranglement ou les applications les plus consommatrices de ressources.
