Études de cas

De vrais projets IA livrés, du PoC à la production, dans la finance, le secteur public, la santé, l'aviation et l'industrie.

Secteur public

Une ville à cinq langues avait dépassé sa porte d'entrée numérique pensée pour deux.

Une entité fédérale de police dans la région du Golfe servait une ville dont la population avait dépassé sa porte d'entrée numérique, nous l'avons reconstruite en assistant agentic, multilingue.

GenAI & LLMsRAGAI Agents

Ismail Mebsout•12 mai 2026

Aviation

À 120 000 employés, l'intranet RH cesse de passer à l'échelle.

Un groupe d'aviation mondial avec un effectif à six chiffres se noyait sous les questions de policy, nous avons construit l'assistant qui a donné à chaque employé un concierge RH personnel.

GenAI & LLMsRAGEnterprise AI

Ismail Mebsout•5 mai 2026

Aviation

Un agent de première ligne ne devrait pas scroller des PDF devant le client.

La branche services aéroportuaires d'un transporteur mondial avait besoin que ses agents répondent plus vite que le client ne pouvait demander, nous avons mis la bibliothèque de SOPs dans un assistant agentic.

GenAI & LLMsRAGAI Agents

Ismail Mebsout•28 avr. 2026

Aviation

Un problème qualité à 35 000 pieds est un problème de marque au sol.

La branche catering d'un groupe d'aviation mondial avait besoin d'un système d'alerte précoce pour la qualité des repas en vol, nous l'avons construit à partir du flux de plaintes qu'elle avait déjà.

NLPApplied MLGenAI & LLMs

Ismail Mebsout•15 avr. 2026

Aviation

Enfouissez un plan de vol sous des NOTAMs sans intérêt et les pilotes cessent de le lire.

La fonction flight operations d'un transporteur mondial croulait sous les NOTAMs, nous avons construit le filtre AI qui a rendu son signal au cockpit.

NLPApplied MLDocument AI

Ismail Mebsout•3 avr. 2026

Banque

Une proposition de crédit, c'est douze documents déguisés en un.

Une banque corporate & investment de tier-1 mondiale voulait que ses analystes passent leur temps sur le jugement, pas sur l'assemblage, nous avons construit l'AI agentic qui s'occupe de l'assemblage.

GenAI & LLMsAI AgentsApplied ML

Ismail Mebsout•22 mars 2026

Banque

Deux jours de travail cachés dans chaque liasse annuelle.

Une banque corporate & investment de tier-1 mondiale payait du temps d'analyste senior à faire de la saisie, nous avons construit le pipeline qui leur a rendu l'heure dont ils avaient vraiment besoin.

Document AINLPMLOps & Deployment

Ismail Mebsout•10 mars 2026

Secteur public

L'exécution stratégique ne peut pas dépasser la revue manuelle qui la précède.

Un cabinet exécutif national dans le GCC était bottleneck par la revue manuelle, nous avons construit la couche AI de recommandation qui a donné aux analystes une longueur d'avance au lieu d'une ligne de départ.

Applied MLRecommendation SystemsGenAI & LLMs

Ismail Mebsout•25 févr. 2026

Santé

La voix du patient ne vit pas dans le dossier clinique.

Un institut de recherche en oncologie reconnu mondialement voulait entendre ce que disent les patients quand aucun clinicien n'écoute, nous avons construit le pipeline de social listening qui l'a fait remonter.

NLPApplied MLDocument AI

Ismail Mebsout•12 févr. 2026

Industrie

Sur-injecter des additifs coûteux, c'est ce qu'on fait quand on ne peut pas mesurer la bonne dose.

Un groupe multinational mines & métallurgie achetait sa qualité par un excès d'additifs, nous avons construit l'AI qui l'a achetée par la précision.

Applied MLPredictive MLMLOps & Deployment

Ismail Mebsout•28 janv. 2026

Aviation

Vous ne pouvez pas optimiser ce que vous ne voyez pas, et un turnaround a trop de pièces mobiles à surveiller.

Une autorité aéroportuaire européenne de premier plan avait besoin d'une vue structurée de chaque turnaround sur son tarmac, nous l'avons construite à partir de la CCTV qu'elle avait déjà.

Computer VisionApplied MLMLOps & Deployment

Ismail Mebsout•15 janv. 2026

FMCG

Gérer le churn de manière réactive est un euphémisme pour perdre des clients lentement.

Un acteur FMCG mondial de boissons regardait ses clients high-value disparaître sans préavis, nous avons construit le modèle qui les flagguait un mois avant leur départ.

Predictive MLApplied MLMLOps & Deployment

Ismail Mebsout•20 déc. 2025

Études de cas

Une ville à cinq langues avait dépassé sa porte d'entrée numérique pensée pour deux.

À 120 000 employés, l'intranet RH cesse de passer à l'échelle.

Un agent de première ligne ne devrait pas scroller des PDF devant le client.

Un problème qualité à 35 000 pieds est un problème de marque au sol.

Enfouissez un plan de vol sous des NOTAMs sans intérêt et les pilotes cessent de le lire.

Une proposition de crédit, c'est douze documents déguisés en un.

Deux jours de travail cachés dans chaque liasse annuelle.

L'exécution stratégique ne peut pas dépasser la revue manuelle qui la précède.

La voix du patient ne vit pas dans le dossier clinique.

Sur-injecter des additifs coûteux, c'est ce qu'on fait quand on ne peut pas mesurer la bonne dose.

Vous ne pouvez pas optimiser ce que vous ne voyez pas, et un turnaround a trop de pièces mobiles à surveiller.

Gérer le churn de manière réactive est un euphémisme pour perdre des clients lentement.

Un défi IA à relever de votre côté ?