// NIJITECH · BLOG
Sur la technologie, le logiciel et l’intelligence artificielle.
Des articles hebdomadaires sur la mise en production de l’IA et les décisions d’architecture qui l’accompagnent.
Articles
Technologie6 min de lecture
Plafonds MCC : pourquoi la banque coupe les mensualités
Quand une concession ne peut pas proposer de paiement échelonné, la cause n’est généralement pas le plafond du client mais le code catégorie du commerçant. Ce que fait ce code et comment le contourner.
Technologie5 min de lecture
Séquestre en vente auto : quand l’argent change de mains
Dans un montage sous séquestre, l’argent va non au vendeur mais à un tiers agréé, et n’est libéré qu’une fois les conditions remplies. Le déroulé, étape par étape.
Technologie6 min de lecture
Trouver des acheteurs à l’export : la liste ne suffit pas
Il y a une différence entre une liste d’e-mails achetée et trouver un acheteur. L’une donne des noms ; l’autre montre pourquoi ce nom achèterait votre produit.
Intelligence artificielle7 min de lecture
ATS ou intelligence des talents : la différence
Un ATS est un système d’enregistrement, l’intelligence des talents un système d’évaluation. Les confondre écarte des candidats capables sur un simple mot-clé.
Technologie6 min de lecture
Finalité : quand une transaction est-elle vraiment finie ?
« Confirmée » et « irréversible » ne sont pas la même chose. Pour un système qui encaisse des paiements, cet écart décide du nombre de secondes d’attente.
Technologie6 min de lecture
L’erreur la plus coûteuse en accès à distance
En accès à distance, celui qui se connecte détient le même privilège que la personne assise devant la machine. Le vrai risque est d’ignorer qui peut encore entrer.
Logiciel6 min de lecture
Coder en dur les invites : une nouvelle dette technique
Quand les invites de modèle se dispersent dans le code source, chaque changement de texte devient une mise en production. C’est exactement ce qui est arrivé au SQL.
Intelligence artificielle7 min de lecture
RAG ou affinage ? Quel problème appelle quoi
On prend les deux pour la réponse à une phrase qui commence par « apprenons nos données au modèle ». Ils résolvent deux problèmes distincts. Trois critères tranchent.
Logiciel7 min de lecture
Le problème de la boîte noire dans le repricing
Si un système qui change vos prix automatiquement ne peut pas dire pourquoi, les erreurs restent introuvables. Personne ne le voit avant que la marge ait fondu.
Technologie7 min de lecture
Où vos données sont-elles traitées ? Toute la chaîne
« Nos données sont en Europe » décrit d’ordinaire le premier maillon. La vraie question est de savoir de qui ce maillon dépend. Comment bâtir un inventaire de traitement.
Intelligence artificielle7 min de lecture
Mesurer l’hallucination : construire un jeu d’évaluation
« Le modèle invente parfois » est une observation, pas une mesure. On ne peut pas prétendre avoir corrigé un problème qu’on ne mesure pas. Une méthode pratique.
Technologie6 min de lecture
Le cloud sur son propre matériel : quand est-ce pertinent ?
Le cloud n’est pas toujours la bonne réponse, votre propre matériel non plus. La décision se joue sur quatre questions, pas sur un tableau de prix.
Intelligence artificielle7 min de lecture
Pourquoi les pilotes d’IA n’atteignent pas la production
L’écart entre un pilote d’IA qui marche et un système qui survit en production ne tient pas au modèle mais à la couche construite autour de lui. Quatre points de rupture.
Intelligence artificielle6 min de lecture
Combien de modèles, combien d’argent ? Chiffrer l’IA
Le coût unitaire est faible et invisible en pilote ; multiplié par le volume, il décide de toute la facture. Une façon pratique de le mesurer et de le faire baisser.
Logiciel6 min de lecture
Où s’arrête l’automatisation, où commence l’autonomie
L’automatisation par règles fonctionne tant que l’entrée arrive toujours de la même façon. Dès qu’elle change, elle s’arrête. Où se situe la frontière, et quelle approche va où.