Kames

Piloty (ex-Flinty) est un produit édité par Kames AI. Il part d'un constat simple : dans les TPE et les PME, la prospection sortante est la première tâche sacrifiée dès que l'activité s'accélère. Le ciblage, la rédaction, les relances et le classement des réponses reposent sur des gestes répétitifs qui n'ont rien à voir avec le métier commercial lui-même.

Trois difficultés se cumulent. Produire des messages réellement contextualisés, sans retomber dans le publipostage générique que les destinataires repèrent en une ligne. Tenir la cadence des relances sans perdre le fil des conversations déjà engagées. Et garder la main sur ce qui part au nom de l'entreprise, puisque chaque message engage sa réputation commerciale.

Piloty orchestre l'ensemble du cycle : ciblage, rédaction contextualisée des messages, envois, relances et classement des réponses. L'architecture repose sur des workflows d'orchestration dotés de files d'attente et de garde-fous, et sur des modèles adaptés au ton du B2B français. Chaque interaction alimente la mémoire du système, qui affine les messages suivants. Les points sensibles restent sous décision humaine.

Les équipes commerciales récupèrent un pipeline qualifié sans enchaîner les tâches répétitives, et gardent le contrôle éditorial sur ce qui est envoyé. Le produit est édité et opéré par Kames AI, qui s'en sert aussi de banc d'essai : les briques d'orchestration éprouvées sur Piloty alimentent les automatisations déployées chez les clients.

QualioFlow est un produit édité par Kames AI, destiné aux organismes de formation certifiés Qualiopi ou en cours de certification. La préparation d'un audit y est un exercice long et dispersé : les preuves vivent dans des dossiers partagés, des boîtes mail et des tableurs, et personne ne sait avec certitude ce qui manque avant la veille de l'audit.

Le référentiel national qualité ne s'applique pas de la même façon à tous les organismes : les indicateurs à couvrir dépendent des actions proposées. S'ajoutent des preuves qui périment, des pièces éparpillées entre plusieurs personnes, et un cadre réglementaire qui interdit toute réponse générée sans relecture humaine.

QualioFlow cartographie les indicateurs réellement applicables à l'organisme, suit l'état de chaque preuve et alerte sur les pièces manquantes ou expirées. L'interface guide les équipes pédagogiques étape par étape jusqu'à la constitution du dossier, qu'il s'agisse d'un audit initial, de surveillance ou de renouvellement. Les contenus générés ou assistés par l'IA restent systématiquement soumis à validation humaine.

L'organisme sait à tout moment où il en est, indicateur par indicateur, au lieu de découvrir les trous dans son dossier à quelques jours de l'audit. La préparation devient un suivi continu plutôt qu'un sprint. Le produit est édité par Kames AI et s'adresse aux organismes certifiés comme à ceux qui visent leur première certification.

Une PME artisanale du bâtiment envisage de se doter d'un logiciel métier, sans savoir encore ce qu'il devrait couvrir en priorité. La mission commence donc sur le terrain, au contact des tâches réellement effectuées, plutôt que sur un cahier des charges rédigé d'avance.

L'information circule entre trois mondes qui ne parlent pas le même langage : le bureau, l'atelier et les chantiers. La cartographie fait ressortir les doubles saisies, les ruptures de suivi et les étapes qui reposent encore sur des manipulations manuelles ou sur la mémoire d'une seule personne.

Des échanges et des observations permettent de cartographier les processus, les outils utilisés et les passages d'information entre les trois lieux. Chaque irritant est relié à un besoin métier concret, sans imposer trop tôt une solution technique. Les points où l'automatisation ou l'IA apportent un gain réel sont distingués de ceux où elles ajouteraient de la complexité pour rien.

Le livrable est une feuille de route par étapes, avec un périmètre MVP réaliste : ce qu'il faut construire d'abord, avec quel niveau d'effort et dans quel ordre. La PME dispose d'une base claire pour décider, y compris pour renoncer à ce qui n'en vaut pas la peine. Aucun développement n'est engagé à ce stade : la mission produit une décision, pas un logiciel.

Un organisme de formation traite ses inscriptions à la main, dossier par dossier. Avant d'automatiser quoi que ce soit, la mission consiste à cartographier le parcours réel, depuis la réception des pièces jusqu'à la validation du dossier, pour savoir où le temps part vraiment.

L'audit met en évidence les contrôles manuels répétés, les doubles saisies et les informations qui circulent entre plusieurs outils sans jamais se synchroniser. S'y ajoute une contrainte propre au secteur : la conformité impose de savoir qui a validé quoi, ce qui interdit d'automatiser aveuglément la vérification des pièces.

Le cadrage distingue deux pistes : assister le contrôle des pièces d'un dossier, et organiser le tri des demandes entrantes. Pour chacune, il précise les données nécessaires, les points de vigilance et surtout les étapes qui doivent rester sous décision humaine. Rien n'est développé à ce stade.

Le livrable est une feuille de route priorisée, pas un back-office présenté comme déjà construit. L'organisme décide du périmètre à mettre en œuvre, dans quel ordre, et conserve la possibilité de s'arrêter après la première étape s'il juge que le reste n'apporte pas assez.

Un loueur en courte durée propose trois appartements meublés aux portes de Bordeaux. L'activité vit sur les plateformes de réservation, où chaque logement existe séparément, sans lieu qui rassemble l'ensemble ni rien qui distingue les hôtes de la concurrence locale.

Un voyageur qui cherche un logement dans le secteur tombe sur une annonce, pas sur une maison d'hôtes. Il ne sait pas que les trois appartements appartiennent aux mêmes personnes, ne peut pas comparer les univers, et n'a aucun moyen de contacter les hôtes en dehors du canal de la plateforme. La difficulté n'est donc pas de remplir un calendrier, c'est de rendre visible ce qui existe déjà : trois lieux distincts, tenus par les mêmes hôtes, avec une exigence de qualité commune.

Un site vitrine unique, construit en Next.js, qui donne à chaque appartement sa fiche : ambiance, équipements réels, capacité, tarif d'appel et accès aux transports. Les avis voyageurs sont repris tels qu'ils ont été laissés sur les plateformes, sans réécriture. Une section présente les hôtes, parce que c'est ce qui différencie une location entre particuliers d'une chaîne. Chaque fiche renvoie vers la réservation en ligne, et un formulaire de contact ouvre un canal direct qui n'existait pas.

Les trois logements ont désormais une adresse commune, qui ne dépend d'aucune plateforme et reste en ligne quel que soit l'état des annonces. Le site réunit les fiches, les avis et un canal de contact direct qui n'existait pas auparavant. Aucun chiffre de performance n'est avancé ici : la mesure d'audience n'a pas été mise en place sur ce projet, et Kames ne publie pas de résultat qu'il n'a pas mesuré.

Kames Cost Hub est un outil interne développé par Kames AI pour son propre usage. Il répond à un problème qui apparaît dès qu'on exploite des automatisations en production : les coûts d'API et de modèles de langage se dispersent entre plusieurs fournisseurs, et rien ne dit si un workflow qui tourne encore tourne correctement.

L'outil réunit trois vues sur une même interface. La supervision des workflows n8n affiche le volume d'exécutions, le taux d'erreur et la durée moyenne, par période et par environnement, avec le détail des exécutions en échec. Le suivi des coûts rassemble les dépenses d'API et de modèles de langage fournisseur par fournisseur, avec une estimation du coût IA rattachée aux automatisations qui l'ont généré. Le volet trésorerie relie ces dépenses aux projets en cours.

Aucun chiffre de résultat n'est avancé ici : l'outil sert Kames AI, pas un client, et il n'a pas été mesuré contre une situation de référence. Ce qu'il change concrètement : une automatisation qui échoue est vue sans attendre qu'un client la signale, et une dépense d'API est rattachée au projet qui l'a déclenchée plutôt que noyée dans une facture globale. Il sert aussi de banc d'essai aux automatisations déployées chez les clients.

L'organisme forme plusieurs centaines de stagiaires par an avec une équipe de trois personnes. Les procédures existent et fonctionnent, mais elles vivent dans la tête de celles qui les exécutent : rien n'est écrit dans un endroit commun.

Cette situation a trois conséquences concrètes : l'intégration d'une nouvelle personne repose entièrement sur la transmission orale, la délégation d'une tâche oblige à la réexpliquer intégralement, et la certification qualité exige des preuves de process qu'il faut reconstituer a posteriori.

Les procédures sont écrites une par une dans une base Notion structurée, en partant de ce qui se fait déjà plutôt qu'en imposant un modèle théorique. Chaque process est relié aux outils qu'il mobilise et aux preuves qu'il produit. La base est ensuite branchée à un assistant IA, ce qui permet d'interroger les procédures en langage naturel au lieu de chercher dans une arborescence.

Chantier en cours : la base est en construction, elle n'est pas encore déployée sur l'ensemble des process. Aucun résultat mesuré n'est donc avancé. L'objectif convenu avec le client est qu'une procédure puisse être retrouvée et suivie sans passer par la personne qui l'a créée.