Notre méthode
De l'atelier de cadrage
au patrimoine numérique souverain.
Une méthode éprouvée sur 9 missions livrées depuis 2024 : atelier de cadrage, plan d'action 90 jours, roadmap 12 mois, écosystème data-natif. Quel que soit votre point de départ : zéro équipe data, échec passé d'une transformation, ou équipe interne à augmenter.
« L'écosystème data-natif » — c'est ainsi que nous appelons le résultat à 18 mois : un patrimoine numérique souverain, propriétaire et valorisable.
Vous démarrez où ?
Notre méthode s'adapte à votre point de départ
Trois profils typiques de PME et ETI qui nous contactent. La méthode est la même — c'est l'angle d'attaque qui change. Identifiez le vôtre.
Profil 1
Vous partez de zéro côté data
Pas d'équipe data interne. Vos chefs de département pilotent au tableur. L'IA est un sujet de comité de direction qui revient tous les 6 mois sans aboutir. Vous n'avez ni budget pour un Big 4 à 200 k€, ni envie de recruter un Head of Data à 95 k€/an pour un projet incertain.
Notre réponse
On démarre par l'atelier de cadrage : une journée, incluse dans l'accompagnement, pour cartographier vos process, identifier 2-3 douleurs chiffrables et produire une feuille de route priorisée par impact. L'équipe enchaîne directement sur le premier outil dès le lendemain, en production en 4 semaines. Point d'entrée : 2 jours par semaine, 2 500 €/mois.
Profil 2
Vous avez déjà essayé sans résultat
Une mission Big 4 il y a 18 mois qui s'est terminée en slide deck. Un POC IA fait avec un cabinet généraliste qui n'a jamais passé la phase pilote. Une plateforme data-warehouse abandonnée parce que personne ne s'en servait. Vous avez perdu 100-300 k€ et la confiance interne dans les projets data.
Notre réponse
On part de l'existant — ce qui a été acheté, ce qui marche, ce qui dort — et on identifie pourquoi ça a échoué. Souvent : infrastructure trop loin de l'usage. On construit alors un premier outil métier qui réutilise ce qui peut l'être, sans repartir de zéro. ROI mesurable sur 60-90 jours pour reconstruire la confiance.
Profil 3
Vous avez déjà une équipe data interne
1-3 personnes côté data — souvent un Data Analyst senior, parfois un Data Engineer. Ils gèrent les dashboards et les exports. Mais ils sont sous-staffés sur l'IA générative et le ML, manquent de bande passante, et ne peuvent pas livrer les projets stratégiques en parallèle des urgences quotidiennes.
Notre réponse
On augmente votre équipe au lieu de la remplacer. Votre équipe Data & IA mobilise les compétences manquantes (AI Engineer, Full-Stack, Data Engineer expérimenté) quelques jours par semaine, en complément de votre équipe interne, sur une feuille de route trimestrielle engagée. Pas de doublon, pas de friction interne / externe.
Étape 1 · Jour J · Incluse
L'atelier de cadrage.
Une journée. Une cartographie complète. Une feuille de route priorisée.
L'atelier de cadrage ouvre chaque accompagnement : c'est la phase 1, incluse, d'une seule journée. Conçu pour répondre à la question que se posent tous les dirigeants : « Où démarrer avec l'IA dans mon entreprise ? ». Sa promesse : transformer une intuition floue en feuille de route priorisée par impact, chiffrée, en une journée. Pas de semaines d'attente : dès le lendemain, l'équipe attaque le premier projet.
En amont
Préparation : cadrage des groupes et questionnaire amont
Avant le jour J, on cadre ensemble le périmètre par échange à distance. Quels départements sont concernés (typiquement 4 à 6 sur 6 candidats : Marketing, Commercial, Opérations, Finance, RH, IT). Qui participe de chaque équipe (3-5 personnes maximum, dont au moins un opérationnel terrain). Quelles données existent et sont accessibles.
Chaque participant reçoit un questionnaire de 12 questions, à compléter en 15 minutes. Trois objectifs :
- Cartographier le quotidien réel — les 3-5 tâches qui prennent le plus de temps, les décisions prises à l'aveugle, les sources de friction.
- Évaluer l'usage IA actuel — qui utilise quoi (ChatGPT, Copilot, outils maison), comment, pour quels résultats. La « shadow IA » est presque toujours plus avancée que la stratégie officielle.
- Anticiper les hypothèses — ce que l'équipe aimerait pouvoir faire si la techno le permettait. Souvent la meilleure source d'idées de cas d'usage.
Matin
Les entretiens métiers : un atelier par département
Sur site ou en distanciel, animée par notre équipe (CEO + Data Scientist senior). Format : 4 à 6 entretiens de 45 minutes, un par département, enchaînés dans la matinée. Chaque atelier suit le même triple objectif méthodique — c'est ce qui produit la comparabilité inter-départements.
Le triple objectif de chaque atelier
1. Comprendre
Cartographier les process métier de l'équipe — tâches chronophages, points de friction, opportunités d'optimisation. Ce que les équipes font vraiment au quotidien, pas ce qu'elles déclarent faire dans les fiches de poste.
2. Imaginer
Envisager les solutions IA et tester des hypothèses en live — copilots, agents, RAG documentaire, ML prédictif, automatisations. On démontre ce qui marche en moins d'une heure, devant les équipes, avec leurs propres données quand c'est possible.
3. Chiffrer
Évaluer l'impact business de résoudre chaque problématique : € ou heures économisées par mois, gain de productivité, qualité de service. Pas d'estimation au doigt mouillé — on s'appuie sur les données opérationnelles récoltées en amont.
Après-midi
Synthèse : recoupage et matrice Impact × Complexité
L'après-midi du même jour, notre équipe consolide les comptes-rendus des 4-6 entretiens du matin. Trois livrables intermédiaires :
Cartographie transverse
Identification des cas d'usage qui touchent plusieurs départements (ex : un agent IA juridique qui sert RH + Achats + Direction commerciale). Économies d'échelle.
Matrice Impact × Complexité
15-25 cas d'usage classés sur deux axes : impact business chiffré (€/an ou h/mois) × complexité technique (j-h développement). Quick wins en haut-gauche.
Cartographie data
Inventaire des sources de données utilisables (ERP, CRM, Excel, SaaS), de leur qualité, et de leur accessibilité — indispensable pour calibrer les efforts d'intégration.
Fin de journée
Restitution : roadmap 12 mois + plan 90 jours chiffré
En fin de journée, restitution complète en présentiel ou visio (1h30). Vous repartez le soir même avec un livrable de 20 à 30 pages, document exécutable, sans slide deck commercial.
Livrable 1
Roadmap IA 12 mois
Vision long-terme structurée en 4 trimestres. 15 à 25 cas d'usage classés Impact × Complexité, dépendances entre projets, jalons trimestriels.
Sert de référentiel stratégique pour vos comités de direction et de pilotage budgétaire annuel.
Livrable 2
Plan d'action 90 jours
Détail opérationnel sprint par sprint des 3 premiers mois : équipe mobilisée, livrables hebdomadaires, premiers ROI attendus, jalons de validation.
Exécuté dès le lendemain par l'équipe : aucun temps mort entre le cadrage et la production.
Dès le lendemain
Démarrage : premier cas d'usage en exécution
Dès le lendemain de l'atelier, le premier sprint démarre sur le cas d'usage le mieux classé. Trois choses se mettent en place en même temps :
Le delivery continu
L'équipe Nymphar.AI intervient sur le nombre de jours par semaine que vous avez choisi, et livre les projets de la feuille de route un à un : premier outil métier en production en 4 semaines, premier ROI mesurable sur 60-90 jours.
Le rythme de pilotage
Un appel hebdomadaire avec vos équipes pour remonter les process, les idées et les nouvelles priorités. Un comité mensuel pour revoir les livraisons et re-prioriser par impact. Des formations aux outils construits, au fil de l'eau.
Le cadre d'engagement
Engagement initial de 3 mois, le temps du cadrage et des premiers projets livrés, puis mois par mois. Le palier est ajustable à la hausse comme à la baisse. Tout ce qui est construit vous appartient : code source, modèles, schémas de données, documentation.
Étape 2 · Mois 1 → 3
Plan d'action 90 jours.
Premier outil en production en 4 semaines.
Les 90 premiers jours, c'est là que la promesse devient livraison. On exécute la feuille de route validée à l'issue de l'atelier de cadrage. Format opérationnel : 3 sprints de 4 semaines, livraison continue, mesure de ROI hebdomadaire.
Sprint 1 · J+14 → J+42
Premier outil métier en production
On choisit le quick win le plus haut sur la matrice Impact × Complexité. Construction itérative : MVP fonctionnel J+21, mise en production J+28, formation utilisateurs J+35-42. C'est l'outil qui prouve que la méthode fonctionne sur votre contexte spécifique.
Livrable
1 outil métier en production · code source remis · documentation
Sprint 2 · J+42 → J+70
Premier ROI mesurable + extension
L'outil livré au sprint 1 est utilisé pendant 4 semaines, on mesure son impact réel (€ ou h économisés). En parallèle, on démarre le 2e cas d'usage de la roadmap, en réutilisant l'infrastructure construite (économie d'échelle).
Livrable
Mesure ROI sprint 1 · démarrage cas d'usage 2 · MVP J+63
Sprint 3 · J+70 → J+90
Bilan et bascule en roadmap 12 mois
Production du bilan 90 jours : ROI cumulé mesuré, leçons apprises, ajustements de la roadmap 12 mois si nécessaire. L'engagement initial arrive à son terme : on continue au même palier, on ajuste le palier à la hausse ou à la baisse, ou on internalise.
Livrable
Bilan ROI 90j · roadmap 12 mois actualisée · décision suite
Pourquoi exactement 90 jours ?
Trois raisons opérationnelles documentées sur nos 9 missions :
- C'est le seuil de fiabilité ROI : moins de 60 jours, l'usage n'est pas stabilisé, on mesure du bruit. Au-delà de 120 jours, on dilue l'attention managériale.
- C'est l'horizon décisionnel d'un dirigeant : au-delà, la situation change (nouveau collaborateur, nouveau besoin, nouvelle priorité), un plan plus long devient théorique.
- C'est la durée d'un trimestre fiscal : utile pour caler le ROI sur vos cycles de pilotage et de reporting.
Comment on choisit quoi faire en premier ?
Trois critères appliqués en cascade sur la matrice Impact × Complexité :
- Impact démontrable : on choisit un cas d'usage avec un ROI chiffré au-dessus de 30 k€/an. Sous ce seuil, l'effort d'embarquement n'est pas rentable.
- Complexité maîtrisable : moins de 30 j-h de développement. Au-delà, on découpe en plusieurs sprints ou on reporte au sprint 2/3.
- Sponsor métier engagé : un responsable département prêt à libérer 4-6h/semaine pour valider, tester, embarquer son équipe. Sans ce sponsor, l'outil ne s'installe pas.
Étape 3 · Mois 4 → 18
Roadmap 12 mois.
Extension multi-départements, ROI cumulé, écosystème data-natif.
Une fois les 90 jours validés, on étend l'écosystème département par département. Chaque nouveau département bénéficie de l'infrastructure du précédent. La donnée structurée s'accumule. Au bout de 12 mois, l'entreprise a basculé dans un mode de pilotage data-natif.
Phase 1 · Mois 1-3
Discovery + 3 quick wins déployés
Atelier de cadrage (jour J, inclus), plan 90 jours, premier outil en production (4 semaines), 2 cas d'usage supplémentaires démarrés. À la fin de la phase 1, vous avez une preuve de concept de la méthode sur votre propre contexte, et un premier ROI mesuré.
Périmètre typique : 1 département principal + chevauchement sur 1-2 départements adjacents. Format : votre équipe Data & IA externalisée, 2 à 5 jours par semaine selon le palier choisi. Fin de l'engagement initial : on continue au même palier, on l'ajuste, ou on internalise.
Phase 2 · Mois 4-9
Extension : combler les manques département par département
L'écosystème data-natif s'étend à 3-4 départements supplémentaires. Chaque nouveau département bénéficie de l'infrastructure du précédent — stack mutualisée, modèles IA réutilisables, processus validés. La courbe d'apprentissage décroît à chaque cycle.
Ce qu'on construit typiquement à ce stade : outil de pricing dynamique (Marketing/Commercial), agent IA juridique (Direction/Compliance), automatisation comptable (Finance), assistants documentaires départementaux (Opérations, RH).
Pourquoi ça accélère : la donnée structurée produite par les outils du sprint 1 alimente les outils du sprint 2. C'est l'effet réseau qu'on appelle « data-natif » — chaque outil construit augmente la valeur de tous les autres.
Phase 3 · Mois 10-18
Substitution progressive : remplacer les licences SaaS US
À ce stade, l'écosystème interne est suffisamment mature pour absorber des fonctionnalités jusque-là externalisées en SaaS. On identifie les SaaS les plus chers ou les plus stratégiques (CRM, marketing automation, RH analytics) et on construit des alternatives internes — moins coûteuses, plus alignées avec votre métier, et qui appartiennent à votre patrimoine.
Logique économique : un SaaS US coûte 30-100 k€/an. Un outil interne sur-mesure coûte 30-80 k€ une fois pour toutes (puis 5-15 k€/an de maintenance). Break-even à 12-24 mois, économies cumulées massives ensuite.
Logique stratégique : l'IT cesse d'être un coût récurrent et devient un actif. Selon BPI/Bain, les PME data-équipées sont valorisées ×3 à la cession vs leurs paires non-équipées. Le patrimoine numérique souverain est mesurable.
4 sem
Premier outil en production
90 jours
Premier ROI mesurable
×3
Valorisation à la cession (PME data-équipées · BPI/Bain)
Comparaison
Top-down vs bottom-up
Deux philosophies opposées de transformation data. Une seule délivre du ROI mesurable en 90 jours dans une PME.
Modèle traditionnel
Top-down
- 1 Phase 1 — Infrastructure data warehouse
- 2 Phase 2 — Modélisation métier théorique
- 3 Phase 3 — Dashboards de pilotage
- 4 Phase 4 — Cas d'usage IA / applicatifs
Premier ROI à 12-18 mois. 70 % de taux d'échec selon Gartner.
Notre approche
Bottom-up
- 1 Phase 1 — Identification d'un point de douleur opérationnel mesurable
- 2 Phase 2 — Construction d'un outil métier qui résout ce point
- 3 Phase 3 — La donnée naît de l'usage, pas l'inverse
- 4 Phase 4 — Extension brique par brique vers l'écosystème complet
ROI mesurable dès 90 jours. Patrimoine numérique souverain à 18 mois.
L'aboutissement
L'écosystème data-natif
Construire l'outil, c'est construire la donnée. Le résultat à 18 mois : un patrimoine numérique souverain.
Phase 1 — 0 à 6 mois
L'outil naît du terrain
Nous identifions un point de douleur précis et construisons l'outil interne qui le résout. La donnée structurée est captée nativement par cet outil.
- Premier outil interne propriétaire en production
- Donnée métier structurée dès J+1
- ROI immédiat (gain de temps ou revenus additionnels)
Phase 2 — 6 à 18 mois
L'écosystème se densifie
Chaque nouvel outil enrichit le patrimoine de données existant. Les usages métier se multiplient, l'IA s'invite dans les processus, l'entreprise gagne en autonomie.
- 3 à 6 outils internes interconnectés
- Modèles IA déployés sur la donnée native
- Équipe interne formée et autonome
Le résultat
Un patrimoine numérique souverain
Un actif data qui appartient pleinement à l'entreprise, ne dépend d'aucun éditeur SaaS extérieur, et constitue un avantage compétitif durable — auditable lors d'une cession ou d'une levée de fonds.
« L'IT cesse d'être un coût. Elle devient un patrimoine numérique souverain. »
Sécurité, conformité, souveraineté
Comment vos données restent vos données.
La question revient sur chaque mission, généralement portée par le DSI ou le Responsable Sécurité. Quatre garanties structurelles inscrites dans notre architecture par défaut.
1. Hébergement souverain par défaut
Toutes les données sensibles sont hébergées sur des infrastructures qualifiées SecNumCloud (ANSSI) — typiquement OVHcloud, Outscale 3DS, ou Scaleway selon le niveau de sensibilité requis. Aucune donnée client ne quitte l'Union européenne sauf demande explicite et documentée.
Pour les workloads à très haute sensibilité (santé, finance régulée, défense), nous proposons un hébergement on-premise chez vous — incluant les modèles IA (LLM Mistral, modèles ML propriétaires) qui tournent en local sans aucun appel sortant.
2. RGPD by design
Architecture pseudonymisée par défaut, chiffrement at-rest et in-transit (TLS 1.3, AES-256), journaux d'accès systématiques avec rétention 12 mois. Les données personnelles ne sont jamais utilisées en clair pour l'entraînement des modèles IA.
Suppression sur demande dans les 30 jours, registres de traitement maintenus à jour, DPIA conduites pour les traitements à risque. Notre DPO interne s'aligne avec le vôtre dès la phase de cadrage.
3. AI Act compliance native
Le règlement européen 2024/1689 (AI Act) entre progressivement en application sur 2026-2027. Nous documentons chaque modèle IA déployé : finalité business, base d'entraînement, supervision humaine, limites connues, mécanismes de recours utilisateur.
Classification automatique du niveau de risque selon les 4 catégories AI Act (interdit, haut risque, risque limité, minimal) avec documentation conforme dès le sprint 1. Vous êtes prêts pour les contrôles ANSSI/CNIL à venir.
4. Propriété intellectuelle complète
Le code source, les modèles IA, les schémas de données, la documentation technique : tout vous est cédé à la livraison. Pas de licence à renouveler chaque année, pas de SaaS qui peut couper le service du jour au lendemain, pas de dépendance contractuelle.
C'est la différence structurelle entre un patrimoine numérique souverain (un actif valorisable) et un empilement de licences SaaS (un coût récurrent). Notre rôle : vous donner la capacité d'opérer ce patrimoine en autonomie progressive.
Cas particuliers : santé, finance régulée, défense, secteur public
Si votre secteur impose des contraintes spécifiques (HDS pour la santé, NIS 2 pour les opérateurs critiques, RGS pour le secteur public), nous adaptons l'architecture : hébergeur certifié dédié, chaîne de signature renforcée, clauses contractuelles spécifiques, audit indépendant possible.
Ces sujets se traitent dès les premiers jours de l'atelier de cadrage, pour s'assurer que la feuille de route proposée est compatible avec votre cadre réglementaire dès le premier livrable.
Cas concret · La méthode appliquée
Comment un éditeur SaaS RH
est sorti de la paralysie IA en moins de 2 mois.
Éditeur français de SIRH, 30-50 salariés, 1-5 M€ de CA. Six mois de discussions internes sur l'IA sans décision. Concurrents US qui annonçaient déjà des fonctionnalités IA. Équipe avec des idées, mais aucune méthode pour trier, prioriser, exécuter. C'est exactement le cas-type où notre méthode produit le plus de valeur.
Avant
Le problème
La paralysie IA d'un éditeur SaaS face à ses concurrents
L'éditeur avait toutes les raisons de s'attaquer à l'IA générative en 2025-2026 : une concurrence US qui annonçait des fonctionnalités différenciantes, une équipe interne (produit, tech, direction) qui voyait passer les démos OpenAI / Mistral / Anthropic, des clients DRH qui commençaient à demander « où est l'IA dans la plateforme ? ».
Mais l'équipe était bloquée. Trois symptômes classiques :
- 1. Trop d'idées, pas de priorité. Chaque membre de l'équipe avait sa propre liste de cas d'usage. Aucune plus crédible qu'une autre — faute de méthode d'évaluation.
- 2. Asymétrie d'information. Le CEO ne savait pas ce qui était techniquement faisable. La tech ne savait pas ce qui était commercialement vendable. Le produit était au milieu sans pouvoir trancher.
- 3. Risque d'avancer mal. Démarrer sur le mauvais cas d'usage, dépenser 6 mois et 50 k€ pour une fonctionnalité que personne n'utilise. Mieux ne rien faire que faire mal.
Résultat : 6 mois de discussions internes sans décision. C'est à ce moment qu'ils nous ont appelés.
Sem. 1-4
Phase 1
Atelier de cadrage & roadmap 12 mois : la phase qui a tout débloqué
L'atelier de cadrage a réuni les parties prenantes clés : CEO, CTO, Head of Product, lead développeur backend, responsable customer success. Format : une journée d'entretiens métiers sur site, structurée autour d'un protocole d'évaluation reproductible.
Chaque participant a présenté ses pain points opérationnels et ses idées de projets IA, sans filtre. Pour chaque idée, évaluation en temps réel sur 4 axes :
Axe 1
Faisabilité technique
Modèles disponibles, données utilisables, complexité d'intégration dans la plateforme existante
Axe 2
Impact business
ROI estimé pour le client final, différenciation concurrentielle, capacité à monétiser
Axe 3
Effort de développement
Jours-homme, niveau d'intégration requis, dépendances data
Axe 4
Dépendances inter-projets
Quel cas d'usage débloque ou nourrit les suivants
Livrable phase 1
Roadmap 12 mois — 8 projets IA classés par scoring ROI
Avec dépendances cartographiées, premier projet identifié pour démarrer immédiatement, et vision partagée entre direction, produit et tech. Le déclic : passage d'une discussion sur les modèles théoriques à un plan d'action partagé en moins d'un mois.
Sem. 5-12
Phase 2
Premier projet en production : agent IA d'analyse de questionnaires
Le cas d'usage prioritaire identifié : automatiser l'analyse des questionnaires d'évaluation que la plateforme produit pour ses clients DRH. Jusque-là, les consultants RH (côté client) analysaient manuellement les réponses ouvertes — extraction de thèmes, identification des signaux faibles, synthèse. Processus lent, subjectif, peu scalable.
Documentation conformité produite en parallèle
- Registre de traitement RGPD à jour
- Classification AI Act du système (risque limité, obligations de transparence)
- Mécanismes de supervision humaine documentés et possibilité de recours utilisateur intégrée nativement
Après
Résultats
De la paralysie à la production en moins de 2 mois.
4 sem
pour produire la roadmap 12 mois
Avec scoring ROI sur chaque cas d'usage et premier projet identifié pour exécution immédiate
< 2 mois
de paralysie → action exécutée
Passage d'une discussion bloquée depuis 6 mois à un plan d'action partagé et démarré
Conformité native
RGPD + AI Act dès la conception
Documentation complète intégrée dès le sprint 1, sans rajout ex-post
Différenciation
produit face à la concurrence US
Fonctionnalité IA déployée en production, intégrée dans l'argumentaire commercial
Stack technique mobilisée
Choix orientés sur la production rapide et la conformité française / européenne.
Ce que ce cas illustre
La paralysie IA n'est pas un problème de modèles ou de tech. C'est un problème de méthode de décision. Notre rôle est d'apporter cette méthode sans imposer un cadre Big 4 surdimensionné.
Atelier de cadrage en une journée → roadmap 12 mois livrée le jour même → premier projet en production en 8 semaines → conformité RGPD/AI Act native. Ce pattern est reproductible sur n'importe quel éditeur SaaS ou ETI en paralysie IA.
Questions fréquentes
Les 10 questions des dirigeants
Compilées sur nos appels de cadrage et nos ateliers 2025-2026. Si la vôtre n'y est pas, posez-la nous directement.
On part vraiment de zéro côté data, est-ce que c'est encore possible ?
On a déjà essayé en interne ou avec un cabinet, et ça n'a pas marché. Pourquoi ce serait différent ?
Combien de temps avant un premier résultat tangible et mesurable ?
Quelle taille d'entreprise est compatible avec votre méthode ?
Comment vous différenciez-vous d'un Big 4 ou d'un cabinet généraliste ?
Comment garantissez-vous la sécurité et la conformité des données ?
Qui possède le code et la propriété intellectuelle des outils livrés ?
Faut-il un département data interne pour démarrer ?
Combien ça coûte vraiment, et quel est le point d'entrée ?
Comment ça se passe une fois que les 90 premiers jours sont terminés ?
Prêt à lancer votre équipe Data & IA ?
L'accompagnement démarre par l'atelier de cadrage : une journée d'entretiens métiers, une feuille de route priorisée par impact, et dès le lendemain le premier outil en production. Grille publique à partir de 2 500 €/mois HT pour 2 jours par semaine, engagement initial de 3 mois puis mois par mois, palier ajustable à la hausse comme à la baisse.