Tandem

InfraVia Capital Partners est un fonds d'investissement européen indépendant créé en 2008, spécialisé dans les actifs réels. Basé à Paris, il gère environ 16 milliards d'euros d'actifs sur 56 investissements dans 15 pays européens, avec une équipe de plus de 100 personnes répartie sur quatre stratégies : infrastructure, growth equity, métaux critiques et immobilier.

Plus de 100 collaborateurs travaillaient dans Microsoft 365 sans usage structuré de l'IA. Les comités d'investissement, les due diligences et le reporting investisseurs impliquaient de reconstruire manuellement les mêmes informations, encore et encore.

Quatre stratégies d'investissement menées en parallèle multipliaient les besoins par métier. Il fallait par ailleurs monter en compétence vite, sans imposer un outil par le haut à des équipes déjà très sollicitées.

Nous avons combiné outillage et formation, sur le même calendrier.

Côté outils : déploiement de Microsoft Copilot et de Perplexity Enterprise sur l'ensemble des équipes, dans l'environnement Microsoft 365 existant.

Côté montée en compétence : des sessions par petits groupes de 4 à 5 personnes, du prompting jusqu'à la création de skills et d'agents.

Côté spécialisation : 15 à 20 agents et skills construits avec les métiers, sur l'investissement, le juridique, l'ESG, les RH et la productivité transverse.

15 à 20 agents déployés sur deux plateformes. Plus de 100 collaborateurs formés et équipés. Cinq domaines fonctionnels outillés : investissement, juridique, ESG, RH et productivité transverse.

L'adoption s'est faite sur une base volontaire, sans aucune obligation d'usage.

Doctolib est la plateforme européenne de référence pour la prise de rendez-vous médicaux, avec environ 3 000 collaborateurs en France et en Allemagne. La mission a couvert cinq équipes métier : enablement commercial, process, organisation et planification, automatisation et analytics.

La plateforme d'agents était déjà déployée, mais l'usage restait concentré sur une poignée de pionniers. Les niveaux de maîtrise étaient très hétérogènes d'une équipe à l'autre, sans étape intermédiaire pour progresser.

Les contraintes opérationnelles rendaient difficile la priorisation de la formation, et aucune approche commune n'existait entre les cinq équipes concernées.

Nous avons commencé par un audit interne et un benchmark des bonnes pratiques déjà en place.

Un atelier fondateur a ensuite réuni chaque équipe au complet, sur l'IA générative et la création d'agents. Puis des sessions toutes les deux semaines par équipe, pour cartographier les cas d'usage et débugger les agents en cours de construction.

Nous avons co-construit des agents connectés aux outils métier : détection d'anomalies de facturation, calcul de bonus, automatisation de workflows. Enfin, des patterns communs d'accès aux données et de gestion des droits, transférés à des champions IA internes.

90 % des membres des équipes créent aujourd'hui leurs propres agents. Une cinquantaine de cas d'usage identifiés, une dizaine en production.

L'agent le plus adopté compte plusieurs centaines d'utilisateurs. 75 % des agents attribués à la mission ont été créés dans les deux mois qui ont suivi l'atelier fondateur.

Newfund est un fonds de capital-risque early stage qui opère entre Paris et Palo Alto, avec une équipe internationale et plusieurs véhicules d'investissement spécialisés.

Le deal flow arrive en continu, sur deux fuseaux horaires. Chaque dossier demande une analyse sur plusieurs dimensions : technologie, produit, équipe, marché, scénarios de sortie.

Il fallait garantir la rigueur de cette analyse malgré la disponibilité limitée de l'équipe, et structurer les conclusions dans des mémos de comité qui servent réellement à la décision.

Plutôt qu'un copilote généraliste, nous avons déployé six agents spécialisés sur Dust, chacun dédié à une dimension d'analyse.

La logique d'orchestration couvre l'ensemble du processus, du premier screening jusqu'à la préparation du mémo de comité. Nous avons ajouté des outils internes sur mesure pour l'investment intelligence et le suivi de portefeuille.

La décision, elle, reste entièrement du côté des investisseurs.

6 agents spécialisés en production, plus de 5 dimensions couvertes par dossier, deux bureaux servis (Paris et Palo Alto), sur deux missions successives.

« L'IA doit soutenir le travail d'analyse, pas le remplacer. La décision reste la nôtre : les outils structurent notre réflexion. » Éléonore Breton, Chief Operating Partner.

Nomination est le leader français de la data B2B, basé à Paris. L'entreprise suit 450 000 décideurs et 100 000 entreprises, avec la vérification humaine de chaque contact comme différenciant central.

Le volume entrant, nominations, mouvements de dirigeants, mises à jour d'entreprises, croissait plus vite que la capacité de traitement manuelle.

Il fallait industrialiser à l'échelle de plusieurs millions d'exécutions par an sans dégrader la vérification humaine, tout en maîtrisant le coût des appels aux modèles.

Nous avons mis en place un modèle hybride : les experts data de Nomination se concentrent sur la vérification, Tandem opère les pipelines et les agents IA en production continue sur n8n.

Le déploiement a commencé par des processus périphériques (enrichissement, matching) avant de remonter vers le cœur de métier, avec une gestion d'erreurs systématique.

Les coûts sont maîtrisés par une logique déterministe sur les cas simples, les appels aux modèles étant réservés aux situations ambiguës.

Plusieurs millions d'exécutions par an sur n8n, en production continue, du périphérique jusqu'au cœur de métier. Aucun recrutement IA interne : la capacité est opérée en régie par Tandem.

« Notre valeur, c'est la qualité de la donnée et la vérification humaine. L'IA nous aide à absorber le volume sans transiger sur ce standard. » Marie Eyraud, Directrice Data.

Groupe Sprint est un acteur français de l'impression industrielle et de la communication digitale, fondé en 2007. Basé à Gennevilliers, le groupe compte 620 collaborateurs sur 12 sites et plus de 100 millions d'euros de chiffre d'affaires, au service de grands comptes de l'édition, du retail et du secteur institutionnel.

Des milliers de devis arrivent chaque mois dans des formats hétérogènes : emails, PDF, fichiers clients. La saisie manuelle occupait toute la capacité des opérateurs et créait un goulot d'étranglement.

La croissance était limitée par la taille de l'équipe, pas par la capacité de production. Six familles de formats de devis devaient être traitées séparément.

Nous avons construit un pipeline d'extraction (n8n et IA) positionné en amont des systèmes existants, sans les remplacer.

Les données sont extraites et structurées automatiquement depuis les devis bruts, puis injectées dans les outils internes. Les cas ambigus passent par une validation humaine.

Le déploiement s'est fait progressivement, famille de devis par famille de devis, avec amélioration continue.

100 % de saisie manuelle supprimée sur le périmètre couvert. Les 6 familles de formats de devis sont automatisées. Le pipeline alimente les systèmes des 12 sites du groupe.

« L'objectif était de libérer les équipes des tâches répétitives pour les recentrer sur leur métier. C'est ce que l'automatisation apporte. » François Ayrault, VP, Groupe Sprint.

FPV Industries est un fabricant français de menuiseries industrielles en PVC, aluminium et bois. L'entreprise produit des ensembles techniques multi-vantaux, avec dormants et options conditionnelles nombreuses, gérés dans un ERP propriétaire.

Chaque devis arrivait en PDF et repartait en saisie manuelle. Le traitement mobilise environ 1 000 lignes de règles métier et des dizaines d'options à mapper par devis.

Aucune automatisation n'existait sur cette ressaisie, qui constituait un point de blocage dans la chaîne commerciale.

Nous avons d'abord cartographié le catalogue et structuré les règles métier dans une base de référence interrogeable.

Le workflow lit ensuite le PDF par OCR, puis une chaîne d'agents LLM détecte les produits et les dimensions. Vient le rapprochement automatique avec le catalogue et le mapping des options, avec vérification de cohérence des coloris.

La sortie est un JSON sur mesure envoyé à l'ERP par webhook.

Coulon est une entreprise de rénovation du bâtiment basée à Vanves, environ 120 collaborateurs, fondée en 1920. Elle est spécialisée dans la rénovation énergétique de l'enveloppe : façade, isolation, bardage, étanchéité. La mission a porté sur le bureau d'études prix, unité centrale dans la prise d'affaires et la maîtrise du risque.

Les dossiers de chantier étaient créés et répliqués à la main en plusieurs exemplaires, et des centaines de lignes recopiées entre devis et CCTP. Chaque conducteur triait des dizaines d'emails par jour, sans protocole standardisé.

Dix-huit années de documents s'étaient accumulées sans structure, dispersées dans l'organisation. Les pratiques variaient fortement d'une unité à l'autre.

Nous avons mené un audit terrain de plusieurs semaines : entretiens avec les équipes et cartographie des processus.

Puis une intervention en trois registres : autopilot pour les tâches répétitives à fort volume, copilot pour celles qui exigent une validation humaine, hybride pour le reste.

Un chantier fondateur a consisté à migrer toute la documentation de chantier dans un référentiel structuré et centralisé, prérequis de la plupart des automatisations suivantes.

Plus de 1 000 heures par an libérées par les briques IA déployées. Dix-huit ans de documents rendus structurés et exploitables.

Parmi les gains concrets : tri automatique des emails, suivi des temps automatisé, recopie des devis vers les CCTP, et recherche instantanée dans des documents techniques de plus de 200 pages.

Santiane est un courtier en assurance santé qui opère plusieurs marques : Santiane, Neoliane, Julia Mutuelle. Le groupe traite des volumes importants de demandes entrantes, avec des délais réglementaires stricts.

Le traitement était entièrement manuel et mobilisait des ressources expertes sur des tâches répétitives. Les pièces entrantes sont imparfaites : scans de qualité variable, fautes de frappe, formats hétérogènes.

Les délais réglementaires ne laissent aucune marge. Enfin, les données de santé imposaient un hébergement souverain, sans appel à des API hors Union européenne.

Nous avons livré un workflow auto-hébergé sur l'infrastructure de Santiane.

Deux chaînes d'extraction tournent en parallèle, l'une optimisée pour les scans, l'autre pour les fichiers texte. L'extraction structurée est associée à un score de confiance.

Le routage est ensuite déterministe, basé sur des règles, pour garantir la conformité. Les cas non standard remontent automatiquement à un traitement humain.

Un coût cible inférieur à 0,10 euro par dossier traité, API incluses. Huit semaines de mise en œuvre. 100 % des cas à enjeu conservés en validation humaine.

Aucune donnée de santé exposée en dehors de l'infrastructure contrôlée.

Médident est un réseau de 22 centres dentaires, entre 500 et 600 collaborateurs, implantés principalement en Île-de-France.

Les pratiques variaient d'un centre à l'autre, sans processus standardisés. Les pics d'appels patients saturaient la capacité d'accueil et pesaient sur la conversion en rendez-vous.

Le réseau avait par ailleurs perdu la visibilité offerte par un outil d'aide à la décision sur les devis et la prise en charge, sans solution de remplacement.

Nous avons mené un audit opérationnel et technique de 15 jours, avec observation sur site. L'immersion directe auprès des équipes permet d'observer les usages réels et les points de friction, pas ceux décrits en réunion.

Nous avons cartographié le parcours patient de bout en bout pour identifier les ruptures, puis priorisé les cas d'usage par volume et par retour sur investissement, en écartant les gains marginaux.

Parmi les pistes retenues : activation de fonctionnalités déjà présentes mais dormantes (relances SMS, signature électronique), agents vocaux entrants et sortants, chatbot web, et un agent en langage naturel sur les devis et la prise en charge.

Plusieurs cas d'usage identifiés, chiffrés et priorisés, modélisés selon trois scénarios de retour sur investissement : conservateur, médian, optimiste.

Des gains immédiats ont été identifiés sur des fonctionnalités dormantes, activables sans développement.

Moose Knuckles est une marque canadienne de vêtements d'extérieur premium, environ 350 collaborateurs, siège à Montréal. Le modèle combine wholesale, boutiques en propre et e-commerce, avec la Chine comme principal marché de croissance.

Trois points de friction structuraient la demande.

Le service client affichait plusieurs heures d'attente avant première réponse en haute saison, avec un impact direct sur la conversion. Le contenu produit demandait environ trois mois entre le concept et la mise en ligne, avec beaucoup de travail manuel sur les déclinaisons de couleur d'une même image maîtresse.

Enfin, les rapports hebdomadaires étaient reconstruits à la main, la donnée restant difficile d'accès en dehors de l'équipe BI.

Nous avons conduit un audit d'opportunités IA sur les données réelles de la marque : trois mois de tickets de support, le catalogue produit et l'architecture data existante.

Il en est ressorti trois cas d'usage priorisés, chiffrés et séquencés : un agent de service client, la génération de visuels produit par déclinaison de couleur, et une couche de requêtage en langage naturel sur l'entrepôt de données existant.

Plus de 35 % du volume de tickets identifié comme automatisable dès une version 1. Environ 50 % des visuels adressables par génération de déclinaisons.

Le coût par ticket de support passe de quelques dollars à quelques centimes, celui d'un visuel produit d'environ 100 dollars à quelques centimes. Le retour sur investissement de la brique BI est estimé entre 4 et 7 mois sur le temps récupéré.

Ce client est un acteur national de la menuiserie et de la rénovation énergétique, avec un réseau de commerciaux terrain. Son blog éditorial, propulsé par Drupal 10 et organisé en quatre rubriques, constitue un canal d'acquisition SEO stratégique.

Il fallait publier régulièrement des articles de qualité sur quatre rubriques pour maintenir la performance SEO.

Le processus manuel, de la recherche à la publication dans le CMS en passant par la rédaction et l'illustration, n'était pas scalable et consommait des ressources rares.

Nous avons construit un workflow qui part d'un formulaire unique de 13 champs et orchestre la recherche, la rédaction, l'illustration puis la publication en brouillon dans le CMS.

La relecture humaine reste obligatoire avant mise en ligne, par construction.

3 à 5 minutes par article, du lancement à la publication en brouillon. Un coût d'environ 0,35 dollar par article, soit environ 31 euros pour 100 articles.

100 % des articles relus par un humain avant publication.

Ce client conçoit et commercialise des solutions d'optimisation énergétique pour l'habitat : box domotique et installations photovoltaïques. Son support traite un volume important de sollicitations, très majoritairement par téléphone, avec une forte montée en charge attendue sur le parc installé.

Le support était saturé. Une part significative des appels n'était pas décrochée, et une large part des demandes de niveau 1 n'était déviée vers aucun canal automatisé.

Il n'existait par ailleurs aucune continuité entre la voix et le chat, et la croissance annoncée du parc rendait le statu quo intenable.

Nous avons déployé deux agents vocaux IA, un par ligne de produit, adossés à une base de connaissances produit.

Un chatbot assure la continuité sur le canal écrit. Un serveur vocal interactif intelligent qualifie et route les appels, avec transfert conditionnel vers les conseillers.

Le tout est orchestré et connecté au CRM, sur un hébergement européen conforme au RGPD.

Le dispositif est calibré pour traiter les demandes de niveau 1 sans intervention humaine, ramener le taux d'appels manqués sous le seuil visé et réorienter le temps du support vers les dossiers techniques à valeur ajoutée.

Objectif structurant : absorber la montée en charge du parc installé sans recrutement proportionnel.

Ce groupe réunit plusieurs sociétés spécialisées dans la location de matériel médical à destination des particuliers. Les équipes de support sont partiellement en nearshore, et le volume d'appels se concentre sur des plages horaires courtes.

Les appels reçus en dehors des horaires d'ouverture étaient perdus, avec un impact direct sur la prise de commande.

Côté sortant, le recouvrement et la relance pour le retour du matériel loué étaient traités manuellement, donc lentement et de façon incomplète.

En entrant, un agent vocal disponible 24 heures sur 24 prend l'appel, répond aux questions produit à partir d'une base de connaissances dédiée, envoie un SMS de suivi et transfère au conseiller lorsque le cas le nécessite.

En sortant, des campagnes d'appels automatisées portent un discours personnalisé pour la relance et le recouvrement, à un volume que l'équipe ne pouvait pas couvrir manuellement.

La très grande majorité des appels entrants est désormais traitée de bout en bout par l'agent vocal, sans reprise humaine.

Les campagnes sortantes tournent à un volume mensuel élevé, et le taux de retour du matériel loué s'est nettement amélioré.

Ce client édite une plateforme SaaS de télématique et de gestion de parc pour les engins de chantier. L'audit a couvert cinq fonctions : finance, sales ops, customer success, marketing growth et direction commerciale.

Cinq entretiens métier, puis une cartographie des tâches administratives et des points de friction. Nous avons livré 24 recommandations, dont trois cas d'usage prioritaires : une suite d'agents IA sur la plateforme interne, l'enrichissement automatique du CRM après chaque appel, et un système de récupération des clés API fournisseurs pour raccourcir l'onboarding client.

Ce client exploite la franchise d'un réseau international de location de véhicules sur cinq territoires d'outre-mer, avec une soixantaine de collaborateurs et trois branches d'activité.

Nous avons d'abord centralisé les connaissances dispersées dans une base unique, puis déployé une série d'agents métier : support sur l'outil de gestion, questions RH, procédures sinistres, rédaction d'emails multicanaux, réponses aux avis clients, SEO par territoire, veille et newsletter interne, relances d'impayés graduées. Un workflow complète le dispositif sur l'extraction des factures et devis fournisseurs.

Ce client importe et distribue des produits de grande consommation. Ses routines de prévision et d'approvisionnement reposaient sur un contrôle ligne à ligne, très chronophage et non scalable.

Nous avons d'abord unifié l'ingestion des exports BI, des données marketplace et de l'ERP. Puis automatisé la prévision, avec une interface de validation rapide pour les équipes, et l'approvisionnement : stock projeté à M+1, M+2 et M+3, délais modulables, stock de sécurité paramétrable. Un tableau de bord ferme la boucle.

Ce client distribue des boissons premium, café et thé, auprès des entreprises, avec une équipe commerciale d'une trentaine de personnes au Canada. La prospection sortante était entièrement manuelle, sans personnalisation possible à l'échelle.

Nous avons construit un pipeline complet : collecte et enrichissement des cibles, génération d'accroches personnalisées par l'IA, séquences d'emails, exclusion automatique des clients existants, catégorisation des réponses entrantes et tableau de bord de suivi. L'équipe a été formée à l'usage quotidien de l'outil.

Cette maison de ventes aux enchères organise des ventes mensuelles comportant de nombreux lots, chacun accompagné de photos, d'une description et d'une estimation. La mise en page du catalogue était entièrement manuelle.

Nous avons automatisé la production du catalogue PDF : récupération des lots et de leurs visuels, structuration des descriptions et des estimations, mise en page respectant la charte de la maison, génération du fichier prêt à diffuser à chaque vente.

Ce client est un groupe de presse national dont les équipes éditoriales produisent en continu, avec des contraintes de délai fortes et des formats très variés.

Nous avons créé une série d'assistants IA dédiés aux processus éditoriaux, connectés aux sources et aux outils internes, et accompagné les équipes dans leur prise en main.

Ce client édite des plateformes de case management pour les équipes de cybersécurité, avec une centaine de collaborateurs. L'audit a couvert cinq équipes, du produit au support.

Entretiens par équipe, cartographie des tâches à fort volume, puis conception d'une dizaine d'assistants par équipe. Nous avons priorisé les cas d'usage dont le temps de retour sur investissement est inférieur à deux mois, pour lancer vite sans engager de gros chantiers.