Explorer la technologie et les affairesUnavenirpartagéavecleprogrèshumain.
SHEPHARD est une entreprise technologique spécialisée dans les systèmes d'exploitation intelligents pour l'entreprise. En partant de situations métier réelles, nous associons connaissance des métiers, technologies numériques et intelligence artificielle pour aider les entreprises à relier l'information, comprendre leur fonctionnement, identifier les problèmes, passer à l'action et, au bout du compte, les résoudre, afin de bâtir une organisation plus efficace, plus intelligente et capable d'évoluer en continu.
La valeur de la technologie dépasse la technologie elle-même.
La technologie transforme le monde des affaires à une vitesse sans précédent.
Des systèmes numériques à l'intelligence artificielle, de la mise en relation de l'information à la collaboration intelligente, chaque avancée technologique redéfinit la manière dont les entreprises créent de la valeur, s'organisent et se font concurrence.
Pourtant, la véritable valeur de la technologie ne tient pas à son degré de sophistication, mais aux changements qu'elle apporte à l'entreprise.
À l'ère de l'IA, la technologie doit partir des besoins réels de l'entreprise : comprendre sa logique de fonctionnement, libérer la valeur de ses données et de ses informations, améliorer la collaboration entre les personnes et les systèmes comme entre les équipes, et l'aider à prendre de meilleures décisions dans un environnement en constante évolution.
SHEPHARD s'attache à relier technologie, entreprise et personnes, pour que l'innovation ne reste pas cantonnée à la technique mais s'intègre réellement au développement de l'entreprise, au service du progrès, de l'évolution des organisations et de la création de valeur à long terme.
De la compréhension du métier à la création de valeur réelle.
Nous sommes convaincus que la mise en place d'un système d'exploitation intelligent doit commencer par le métier, et non par la technologie. Chaque projet a son contexte, ses besoins et ses contraintes. C'est pourquoi SHEPHARD n'applique pas de modèle technique unique, mais s'appuie sur une méthode structurée pour concevoir des solutions adaptées à la situation réelle de chaque entreprise.
010203040506
01
Comprendre
Comprendre le métier
Comprendre le modèle économique, l'organisation et les besoins de l'entreprise
02
Analyser
Analyser les processus
Cartographier les processus existants, identifier les problèmes et les pistes d'amélioration
03
Concevoir
Concevoir la solution
Définir la solution, l'architecture des systèmes et le plan de mise en œuvre
04
Mettre en œuvre
Mettre en œuvre
Développer, configurer, intégrer et déployer les systèmes et applications concernés
05
Valider
Valider les résultats
Tester et valider les résultats dans des situations métier réelles
06
Faire évoluer
Évoluer en continu
Optimiser et étendre en continu au rythme de l'activité
Nous ne concevons pas un projet pour utiliser une technologie : ce sont les problèmes de l'entreprise qui déterminent la technologie à employer.
Certains problèmes se règlent en optimisant les processus existants ; d'autres demandent de reconfigurer les systèmes ; d'autres encore, d'intégrer les données ; seuls certains nécessitent vraiment l'IA.
Nos services de bout en boutDe la compréhension du métier à l'exploitation intelligente.
Traçabilité des lots : de une demi-journée à 10 minutes, chaque lot de produits est traçable
Un fabricant agroalimentaire multi-catégories a relié achats, production, stockage et livraison commerciale en une seule chaîne de données : pour n'importe quel lot de produits finis, il est possible de retrouver l'origine des matières premières et la destination chez les clients. La traçabilité d'un lot passe d'environ une demi-journée à moins de 10 minutes.
Grossiste alimentaire à trois zones de température
Un stock précis à l'emplacement près sur trois zones de température, un temps de préparation moyen réduit d'environ 40 %
Un grossiste en produits alimentaires ambiants, réfrigérés et surgelés a rendu son stock précis jusqu'à l'emplacement et au lot, géré réception, réapprovisionnement et préparation de commandes sur PDA et appliqué la sortie par péremption la plus proche. Le temps de préparation moyen baisse d'environ 40 % et la valeur des stocks proches de la péremption recule nettement.
Les commandes de vente pilotent directement la planification de la production : livraisons à l'heure à environ 92 %
Un atelier d'usinage multi-produits en petites séries a fait piloter directement les besoins en matières et la vérification de capacité par les commandes de vente, avec un compte rendu d'activité en temps réel depuis les terminaux d'atelier. Les délais promis reposent désormais sur des données : le taux de livraison à l'heure passe d'environ 75 % à environ 92 % et les arrêts pour manque de matières diminuent nettement.
Les problèmes qualité remontés jusqu'à l'étape de fabrication et au lot fournisseur : environ 50 % de problèmes récurrents en moins
Un fabricant de composants électroniques et de modules de commande a rattaché les données de contrôle aux lots et aux numéros de série, suivi les anomalies qualité par des NCR et lancé des CAPA pour les problèmes récurrents ou à haut risque. Les réclamations clients sont traçables par numéro de série, et les problèmes qualité récurrents ont diminué d'environ 50 %.
Versions de formule maîtrisées, écarts de dosage visibles : le délai de libération qualité réduit d'environ 40 %
Un fabricant de détergents industriels et d'additifs fonctionnels a relié versions de formule, lots de matières premières, dosages réels et libération qualité au sein d'un processus maîtrisé : chaque lot permet de retrouver la formule et les matières utilisées, et le stock non libéré ne peut pas être expédié.
Chaque équipement a son dossier numérique : le taux de première résolution atteint environ 85 %
Un fabricant d'équipements industriels a relié, autour du numéro de série de chaque machine, clients, garanties, ordres de service, pièces détachées et coûts de réparation : avant même d'arriver sur site, le technicien voit tout l'historique de l'équipement, et le service après-vente passe de la réaction ponctuelle à un pilotage continu.
Modèles, couleurs, tailles et matières calculés en une fois : environ 60 % de ruptures de matières en moins
Un sous-traitant qui fabrique pour plusieurs marques de prêt-à-porter a unifié modèles, couleurs et tailles en variantes de produit standard : dès qu'une commande change, les besoins en tissus, fournitures et emballages sont recalculés automatiquement. Les planificateurs ne retouchent plus Excel à la main, et les achats comme la production travaillent sur les mêmes données.
Crédit vérifié dès la prise de commande, encaissements rapprochés automatiquement : DSO réduit d'environ 20 %
Un grossiste approvisionnant la restauration, le commerce de détail et des distributeurs a relié crédit client, prix contractuels, livraison, facturation et encaissements bancaires dans un processus de la commande à l'encaissement : les risques sont repérés dès la prise de commande, et la majorité des encaissements sont rapprochés des factures par le système.
L'IA : nouvelle révolution industrielle ou substitution surestimée ?
Pour les uns, l'IA est une nouvelle révolution industrielle ; pour les autres, elle ne fait que remplacer des personnes sans réellement accroître la productivité. Des critères qui définissent une révolution industrielle à l'écart entre expériences par tâche et prévisions macroéconomiques, en passant par les leçons de la diffusion de l'électricité, cet article démêle ce qui oppose vraiment les deux camps.
Agents IA en production : comment étendre leur autonomie sans perdre le contrôle
Les agents IA passent du pilote à l'activité réelle, mais la plupart des projets peinent à changer d'échelle. Le problème tient rarement aux capacités du modèle : il vient de la stabilité, de la supervision et de la maîtrise des risques. Cet article présente les quatre catégories de questions à régler avant la mise en production, la méthode de déploiement par étapes et la manière d'élargir l'autonomie selon le niveau de risque.
Le management intermédiaire à l'ère de l'IA : ce qui sera repris, ce qui gagne en importance
L'IA et l'aplatissement des organisations remettent en question la valeur du management intermédiaire. La synthèse et le relais de l'information seront de plus en plus confiés à l'IA, tandis qu'encadrer, coordonner, juger et assumer deviennent plus importants. Cet article analyse l'évolution des fonctions intermédiaires, l'attitude des managers face à l'IA et leurs inquiétudes, et formule des recommandations concrètes pour la transition des managers et pour le soutien de l'entreprise.
Choisir un grand modèle de langage : API propriétaire, modèle à poids ouverts ou déploiement sur site
Pour une entreprise qui adopte les grands modèles de langage, choisir le bon mode d'utilisation compte davantage que de savoir « quel modèle est le plus puissant ». Cet article compare les API propriétaires, les modèles à poids ouverts et le déploiement sur site en termes de capacités, de coûts, de maîtrise des données et d'exploitation, fait le point sur les enjeux de conformité liés au RGPD et aux transferts de données hors de Chine, présente le principe du routage multimodèle et propose un guide de sélection étape par étape.
Le service client à l'ère de l'IA : concilier efficacité et expérience avec le service client intelligent
Le service client intelligent passe des robots à règles aux grands modèles de langage et aux agents, mais les clients craignent de ne pas joindre un humain ou de recevoir de mauvaises réponses, et l'entreprise peut devoir répondre des promesses de son robot. À partir des enquêtes Gartner et de l'affaire Air Canada, cet article présente les questions à confier à l'IA, les principes de conception clés, la méthode de déploiement par étapes et les indicateurs plus pertinents que le taux de rétention.
Métier et identité : à l'ère de l'IA, comment répondre de nouveau à « qui suis-je »
Quand l'IA se met à faire ce dont beaucoup tirent leur fierté, le métier peut-il encore dire qui nous sommes ? Cet article explique comment se construit l'identité professionnelle, pourquoi l'IA la fragilise, ce qui reste propre à l'humain, et comment les individus comme les entreprises peuvent traverser ce changement.
ByteDance durcit les droits d'accès des outils d'IA externes : ce que les entreprises doivent en retenir
Selon la presse, ByteDance restreint depuis novembre l'accès de Claude, Codex et d'autres outils d'IA externes au code et aux documents internes sensibles, y compris via les comptes personnels des collaborateurs. Il ne s'agit pas d'« interdire l'IA » : c'est une réponse à une question que toute entreprise devra affronter tôt ou tard : à quelles données l'IA que les collaborateurs ont entre les mains peut-elle accéder ?
Avant de déployer l'IA : quelles données l'entreprise doit-elle d'abord mettre en ordre
Beaucoup de projets d'IA s'enlisent non parce que le modèle est insuffisant, mais parce que les données sont inexactes, incomplètes, introuvables ou sans responsable. Cet article explique pourquoi les projets d'IA butent souvent sur les données, les cinq catégories de problèmes de données les plus fréquentes en entreprise, les six conditions de données prêtes pour l'IA, et les sept étapes pour préparer les données à partir d'un cas d'usage métier.
Présentez-nous la situation de votre entreprise, vos enjeux de gestion et vos objectifs : nous explorerons avec vous la démarche numérique la plus adaptée.
