Intégration d'un moteur d'IA générative dans le produit d'un éditeur

Le SEO, les publicités, la rétention, la gamme, les prix : les leviers sont connus, mais leur ordre ne l'est pas. Et se tromper d'ordre coûte une saison.

Les recours habituels déçoivent chacun à leur manière. L'agence coûte cher et reste générique. Le consultant livre un rapport qui dort dans un tiroir. Un assistant grand public ne connaît rien à cette boutique-là.

Cortex OS voulait répondre par un produit plutôt que par une prestation. Ce qui suppose une chaîne qui tourne seule : aller chercher les données réelles d'une marque, les croiser, en tirer des opportunités classées, et chiffrer chacune.

Cette chaîne est la partie que personne n'improvise. Elle demande des profils rares, et le produit ne vaut rien tant qu'elle ne tourne pas.

Enrichir une marque à partir de son seul site

Approche : partir de la donnée réelle, jamais du général

Le moteur part d'une adresse et va chercher ce qui existe : données légales de l'entreprise, contenu du site, position sur les moteurs de recherche, concurrents nommés. C'est ce socle qui sépare une recommandation ancrée d'un conseil hors-sol.

Classer les opportunités au lieu de les empiler

Focus : chaque action porte son impact, son effort et son délai

Le moteur ne rend pas une liste de constats. Il rend des opportunités ordonnées, chacune avec son impact attendu, son coût en effort, son délai et l'indicateur à suivre. Le dirigeant décide au lieu de deviner.

Empêcher le moteur d'inventer

Focus : un livrable faux coûte plus cher qu'un livrable absent

Les livrables sont générés à température nulle, avec une règle anti-invention explicite. Un plan de croissance qui cite un concurrent qui n'existe pas détruit la confiance dès la première lecture.

Tenir la charge sans faire attendre l'utilisateur

Technologies : Django 5, Celery, Redis, PostgreSQL avec pgvector, LangChain et LangGraph

Les traitements longs et les actions immédiates se disputaient les mêmes files. Nous les avons séparées : le temps de pipeline est passé de 185 secondes à moins de 35, et l'attente en file à 28 millisecondes. L'utilisateur voit la progression en direct pendant que le moteur travaille.

Le moteur tourne en production et sert les clients de l'éditeur. Une marque donne son site et reçoit son plan chiffré sous 48 heures, là où un cabinet met plusieurs semaines.

L'éditeur a obtenu la partie difficile de son produit sans créer un poste permanent qu'il aurait fallu financer avant la première vente. Le produit, la relation client et la feuille de route restent chez lui.

L'ensemble est hébergé en Suisse, sur une infrastructure que l'éditeur contrôle. Il peut répondre lui-même aux questions de ses clients sur l'endroit où vivent leurs données, ce qui devient un argument de vente plutôt qu'une case à cocher.

Une marque donne son site un lundi. Le mercredi, son dirigeant sait par quoi commencer.

Un éditeur n'a pas à choisir entre renoncer à la partie intelligente de son produit et monter une équipe qu'il financera des mois avant la première vente. Il achète le moteur et garde son produit.

Serveur Django 5 et Django REST Framework, interface TanStack Start avec React 19 en rendu serveur.
Chaîne d'agents bâtie sur LangChain et LangGraph, recherche par similarité dans PostgreSQL avec pgvector.
Traitements asynchrones Celery et Redis, files séparées entre interactif et pipeline, progression poussée en direct vers l'interface.
Connecteurs vers les outils du client via OAuth, catalogue extensible.
Hébergement souverain en Suisse chez Infomaniak, déploiement conteneurisé, chaque service avec son propre cycle de vie.