Cas d’usage
De l'objectif à la preuve.
Les projets concrets de Reply s’appuient sur Symbiosis. Chaque cas présente l’objectif métier, les difficultés rencontrées, les actions menées et les résultats mesurés, avec une mise en œuvre plus rapide et moins coûteuse qu’un développement traditionnel.
01
Énergie offshore · Remplacement des systèmes existants
Un parc applicatif existant que l’entreprise peut à nouveau faire évoluer.
L'objectif commercial
Pouvoir à nouveau exploiter et modifier ses propres applications, sans dépendre de la plateforme existante ni de spécialistes difficiles à trouver.
1 sur 8
Une application existante sur huit atteint le niveau de maintenabilité attendu. Objectif : les huit d’ici 2027.
Ce qui s'est interposé, et ce que nous avons fait
"Nous ne pouvons plus en assurer la maintenance nous-mêmes."
Les agents IA ont reconstruit chaque règle métier en Python simple, avec des tests automatisés et une documentation écrite.
Les vérifications de maintenabilité ont réussi
0 → 6 sur 6
✓ Résolu
Aucune application reconstruite n'avait jamais atteint la production.
Préparer la mise en production avec l’équipe informatique du client, étape par étape.
Les vérifications de maintenabilité ont réussi
3 étapes de validation sur 5
Sur la bonne voie
Validés : tests, journalisation et supervision. Prochaines étapes : approbation et mise en production.
8x
Livraison plus rapide
3 mois contre 2 ans habituellement
12x
Coût inférieur
par rapport à une reconstruction traditionnelle
Chaque semaine
Mesurer, puis décider
Continuer, changer ou arrêter, sur la base des preuves
02
Santé · Organisme de santé publique
Davantage de patients poursuivent leur parcours de soins. Les professionnels de santé retrouvent du temps.
L'objectif commercial
Accès équitable et vérifié aux services de préhabilitation communautaire dans la zone de couverture.
25 → 10
Le nombre de patients qui abandonnent le parcours de préhabilitation passe de 25 à 10 sur 100. Objectif atteint.
Ce qui s'est interposé, et ce que nous avons fait
Le travail administratif manuel a pris du temps aux cliniciens.
Les demandes d’orientation sont lues automatiquement, l’accompagnement est adapté par l’IA et les messages de suivi sont envoyés en un clic.
Temps consacré par le clinicien aux tâches administratives
50 % → 20 %
✓ Résolu
La solution reposait sur des données synthétiques, sans connexion aux systèmes en production de l’organisme.
La solution a été conçue dès le départ selon les normes nationales relatives aux données de santé et à l’identité, puis connectée aux systèmes de l’organisme.
Systèmes en production connectés
0 → 3 sur 3
✓ Résolu
Dossiers patients (FHIR), identité du patient vérifiée, messagerie clinique sécurisée.
6x
Plus rapidement en production
8 semaines contre une année typique
10x
Coût de construction inférieur
contre une construction traditionnelle
Chaque semaine
Mesurer, puis décider
Continuer, changer ou arrêter, sur la base des preuves
03
Machinerie industrielle · Correction de bugs par un agent IA
Les bugs ont été analysés, corrigés et validés par un agent IA.
L'objectif commercial
Livrer plus rapidement un logiciel PLC fiable pour les projets clients, sans qu’un développeur ait à corriger manuellement chaque ticket de bug.
6 → 19
Le nombre de bugs résolus par semaine passe de 6 à 19, soit environ trois fois plus. Résultat mesuré lors d’un essai d’une semaine, avec un ingénieur et l’agent IA.
Ce qui s'est interposé, et ce que nous avons fait
Les bugs ont été corrigés à la main, un ticket à la fois.
Un agent IA lit le ticket de bug dans Azure DevOps, propose une correction conforme aux normes de codage de l’équipe et la soumet à un développeur pour vérification et intégration.
Bugs triés automatiquement par projet
400 → 100-150
✓ Résolu
Le même bug connu devait être vérifié à nouveau dans chaque projet client.
Un agent de validation identifie les bugs connus qui concernent encore chaque projet et les présente sous forme d’une liste de contrôle directement exploitable.
Corrections validées en parallèle
1 → 10-15
Sur la bonne voie
Validés : tests, journalisation et supervision. Prochaines étapes : approbation et mise en production.
3x
Résolution de bogues plus rapide
19 contre 6 bugs par semaine
Essai d'une semaine
Un ingénieur + un agent IA
pas une grande équipe
Chaque semaine
Mesurer, puis décider
Continuer, changer ou arrêter, sur la base des preuves
Chiffres issus de projets réalisés par Reply. Lorsqu’une mesure est encore en cours, son statut actuel est affiché. Les secteurs sont indiqués ; les noms des clients sont ajoutés après validation.