Depuis début 2024, notre travail consiste à aider des organisations à construire des logiciels modernes, à développer des applications de pointe et à mettre l’intelligence artificielle en pratique. Au fil de plus de 30 projets clients, dans des secteurs et des équipes de toutes tailles, nous avons constaté encore et encore les mêmes schémas coûteux :
- A) Les entreprises ne lançaient pas leurs produits, services ou logiciels plus vite, alors que le code s’écrivait 10 fois plus vite.
- B) Les entreprises n’adoptaient pas vraiment l’IA en tant qu’organisation. Elles avaient plutôt des dizaines, parfois des centaines de salariés travaillant chacun de leur côté, isolés dans leurs propres onglets de navigateur.
Christian Merheim et moi avons vu le même cycle se répéter semaine après semaine :
- Le contexte en double : un ingénieur ou un responsable produit passait vingt minutes à préparer soigneusement le contexte, à coller des schémas d’architecture produit et à expliquer les contraintes de la marque à ChatGPT. Trois bureaux plus loin, un collègue passait quarante minutes à retaper exactement le même contexte pour Claude.
- Des avancées cloisonnées : quelqu’un trouvait un enchaînement de prompts brillant ou produisait une note technique remarquable, mais le résultat restait enfermé dans l’historique de sa session personnelle.
- L’amnésie de l’entreprise : dès qu’un salarié fermait son onglet, changeait de service ou quittait l’entreprise, tout le travail de formulation, tout le savoir accumulé et toutes les interactions avec le modèle disparaissaient avec lui.
- Le risque de fuite de propriété intellectuelle : pour obtenir des réponses pertinentes, les salariés finissaient par saisir des feuilles de route confidentielles et des données internes dans des comptes d’IA grand public aux règles de conservation floues.
Chaque salarié utilisait sa propre instance privée d’un outil d’IA qui oubliait l’entreprise dès la fin de la session.
Les entreprises payaient des licences d’équipe, mais leur intelligence collective ne s’accumulait pas. Elle s’évaporait.
De la frustration à l’architecture
Nous savions ce qui devait changer : l’IA d’entreprise devait fonctionner comme un logiciel collaboratif, pas comme une collection de brouillons privés et jetables.
Christian et moi avons entrepris de construire la plateforme que nous aurions voulu voir chez nos clients dès le premier jour. Plus tard, quand Michael Donofrio a rejoint l’équipe fondatrice, nous avons redoublé d’efforts pour faire de cette vision une réalité prête pour l’entreprise.
Nous avons créé p30.ai pour combler l’écart entre la puissance des modèles de pointe et une véritable mémoire d’organisation.
Chat individuel et isolé L’espace partagé de p30.ai
┌─────────────────────────┐ ┌───────────────────────────────────────────────┐
│ Salarié A (ChatGPT) │ │ Espaces partagés et agents d’entreprise │
│ ├─ Retape le contexte │ │ ├─ Prompts partagés et comparaison │
│ └─ Savoir enfermé │ │ ├─ Plusieurs modèles à la fois (Claude, GPT…)│
├─────────────────────────┤ ───► │ ├─ Mémoire commune de l’entreprise │
│ Salarié B (Claude) │ │ └─ Cloud privé pour le sensible │
│ ├─ Prompts en double │ │ │
│ └─ Part avec son savoir │ │ [ Le contexte s’accumule dans l’entreprise ] │
└─────────────────────────┘ └───────────────────────────────────────────────┘
Ce qui change quand la couche d’IA vous appartient
Au lieu d’obliger votre équipe à choisir entre l’écosystème fermé d’un seul fournisseur et des comptes individuels dispersés, p30.ai réunit les modèles de pointe dans une seule interface.
1. Des espaces de travail d’équipe partagés
Lancez, étiquetez, commentez et dupliquez les échanges les plus réussis avec les modèles. Quand un membre de l’équipe affine un processus stratégique ou une méthode de revue de code complexe, toute l’organisation en profite immédiatement.
2. Une mémoire d’organisation qui dure
Le contexte vit au niveau du projet et de l’entreprise, pas dans le cache éphémère d’un navigateur personnel. Les nouveaux arrivants accèdent directement au savoir des projets existants, sans avoir à tout réexpliquer au modèle dès le premier jour.
3. Plusieurs modèles à la fois, pour se challenger
Aucun modèle n’excelle en tout. Dans p30.ai, votre équipe peut exécuter des tâches avec Claude, GPT, Gemini et Grok côte à côte : demandez à un modèle de pointe de rédiger un plan d’architecture, et à un autre d’en chercher les failles de sécurité.
4. Des automatisations agentiques à la portée de tous
Créez, déployez et partagez des agents métier sans écrire de code standard ni gérer une infrastructure backend complexe. Les opérationnels non techniques comme les ingénieurs peuvent déployer des processus fiables qui respectent les standards de l’entreprise.
5. La souveraineté sur vos données
Envoyez les charges de travail sensibles vers des environnements cloud privés et dédiés (comme AWS), sans conservation des données et dans un périmètre réseau fermé. Votre propriété intellectuelle ne sert jamais à entraîner les modèles de qui que ce soit.
L’avantage qui se cumule
Les entreprises qui gagneront la prochaine décennie ne seront pas seulement celles qui utilisent l’IA ; ce seront celles dont le savoir collectif s’accumule grâce à l’IA.
Quand votre contexte partagé reste au sein de votre organisation, chaque échange rend votre équipe plus intelligente, plus rapide et plus alignée demain qu’aujourd’hui.
Quel est le principal obstacle qui empêche votre équipe de dépasser les comptes de chat isolés et individuels ?