Ce que nous cadrons
Périmètre exposé, droits par profil, traçabilité des requêtes, données exclues de l'accès.
Accueil — IA
L'agent construit vite. Encore faut-il savoir quoi construire.
Les agents IA de Pigment écrivent des modèles, analysent les écarts et simulent des scénarios. Ils déplacent l'effort d'un projet de planification — ils ne le suppriment pas. Voici ce que cela change concrètement, et ce que cela ne change pas.
Plan collection — assistant
Posez une question à votre modèle
Les agents Pigment
Trois rôles, dans votre modèle.
Les agents travaillent à l'intérieur de la plateforme, sur vos données gouvernées et votre logique métier. Chaque action reste traçable, et la décision reste la vôtre.
Analyste
Surveille les indicateurs, détecte les anomalies, explique les écarts et rédige la synthèse. Vos équipes arrêtent de chercher les chiffres pour se concentrer sur la décision.
Modélisateur
Construit et fait évoluer les modèles à partir d'une description en langage naturel, en respectant votre structure et en documentant ce qu'il produit.
Planificateur
Simule des scénarios en temps réel et propose des arbitrages étayés par vos données et votre contexte métier.
Ce que cela change à votre projet
L'effort se déplace vers l'amont.
Quand construire un modèle prend des minutes au lieu de jours, le facteur limitant n'est plus la capacité de build. C'est la qualité de la question posée et la propreté de la donnée sous-jacente.
C'est précisément le travail que nous faisons : traduire un besoin métier flou en règles explicites, et rendre la donnée digne de confiance. Un agent amplifie ce travail quand il est fait, et amplifie l'erreur quand il ne l'est pas.
- Le cadrage pèse plus lourd qu'avant : un modèle mal cadré se génère aussi vite qu'un bon
- La gouvernance de la donnée devient le vrai prérequis, pas une étape de fin de projet
- La recette change de nature : on vérifie des raisonnements, plus seulement des formules
- Les itérations avec le métier se font en séance, pas entre deux ateliers
- L'adoption s'accélère, parce qu'un utilisateur peut interroger le modèle en langage naturel
- La documentation cesse d'être le parent pauvre : l'agent produit la sienne
Connexion aux assistants
Interroger vos modèles depuis Claude, ChatGPT ou Copilot.
Le serveur MCP de Pigment ouvre un accès gouverné aux modèles depuis des assistants externes. L'assistant lit les données avec les droits de l'utilisateur qui pose la question, raisonne et propose. Pigment reste la référence de calcul : les règles ne bougent pas.
L'utilisateur métier
demande, arbitre, valide
- Pose une question en langage courant
- Lance une tâche récurrente
- Reçoit une alerte programmée
L'assistant
comprend, raisonne, explique, propose
- Vos règles de gestion et votre vocabulaire métier
- Des modèles d'analyse sur l'historique
- Des réponses argumentées, des notes, des propositions
lit les indicateurs
MCP
dépose les propositions
Pigment
calcule, stocke, sécurise
- Règles de calcul figées, inchangées
- Données de référence : budget, prévisions, plans
- Droits par profil, validation et journal des modifications
Hors périmètre
Entrepôt de données, sources externes et données ouvertes restent accessibles séparément, pour les seuls usages qui en ont besoin.
En pratique, en quatre temps
1
Demander
« Pourquoi la marge recule sur cette famille ? », ou une revue programmée chaque lundi.
2
Lire
L'assistant interroge les indicateurs auxquels l'utilisateur a droit, et rien d'autre.
3
Expliquer ou proposer
Une réponse argumentée, ou une valeur proposée avec les facteurs qui la justifient.
4
Valider
L'utilisateur accepte dans Pigment. Le calcul se refait selon les règles établies.
Ce que nous testons
Fiabilité des réponses sur vos cas réels, avant d'ouvrir l'accès aux équipes.
Notre position
Ce que l'IA ne fera pas à votre place.
Décider d'une règle de gestion
Un agent propose. Savoir si le réassort privilégie le taux de service ou la valeur de stock reste un arbitrage de direction.
Réconcilier des définitions
Quand la finance et le merchandising ne comptent pas la marge de la même façon, aucun modèle ne tranche à leur place.
Nettoyer votre référentiel
Un agent sur une donnée fausse produit une réponse fausse, plus vite et avec plus d'assurance.
Porter le changement
L'adoption d'un nouveau processus se joue en atelier, avec les équipes, pas dans une interface.
Assumer une prévision
La responsabilité d'un chiffre engagé devant un comité reste humaine, quelle que soit la machine qui l'a produit.
Remplacer le product owner
Traduire un besoin en demande exécutable est justement le travail que les agents rendent plus rentable.