Plateforme d'agents IA

Des agents IA qui démultiplient votre expertise

Déléguez vos tâches à des agents IA spécialisés — avec votre savoir-faire, vos processus et vos données. Pas de prompt engineering. Juste des résultats.

Agent
Skills Tools Contexte Memory Documents Workflows

Fonctionnalités

Ce qui distingue Phronesis

Pas un chatbot de plus. Une plateforme qui démultiplie vos experts.

Déléguer, pas manipuler

Dites « Crée un devis pour le client X » — l'agent connaît vos tarifs, vos conditions et vos modèles.

L'expertise reste stable

Skills, contextes et Tools survivent à chaque changement de modèle. Votre savoir n'est lié à aucun LLM.

+

Auto-évolutif

Les agents acquièrent de nouveaux Skills à partir des conversations et des documents. Ce qui est résolu une fois devient un workflow.

Conforme au RGPD

Infrastructure dédiée, journalisation d'audit, souveraineté des données. Vos données ne quittent jamais votre contrôle.

Changement de paradigme

De l'opération à la délégation

La plupart des entreprises utilisent l'IA comme un moteur de recherche amélioré. On pose une question, on obtient une réponse. C'est le paradigme de l'opération d'outils. Ce qui émerge maintenant est fondamentalement différent : décrire des résultats plutôt que des processus.

Ce changement est aussi fondamental que la transition de la ligne de commande à l'interface graphique. À l'époque, l'ordinateur a cessé d'être une machine que l'on programme pour devenir un outil que l'on opère. Maintenant, il cesse d'être un outil et devient un interlocuteur à qui l'on délègue.

Ce que l'IA remplace, c'est l'exécution. Ce qu'elle ne remplace pas — et ce qui gagne une valeur considérable grâce à elle — c'est le jugement. La compréhension profonde de ce qui constitue un bon résultat, de ce que doit contenir un devis correct, de quelle formulation tient juridiquement et laquelle ne tient pas. Le levier se déplace : de l'exécution au jugement.

La compétence qui compte se déplace en conséquence : de la maîtrise technique d'un outil vers la clarté de l'intention. Celui qui sait précisément ce dont il a besoin — et peut l'exprimer comme il s'adresserait à un collègue compétent — peut désormais accomplir ce qui nécessitait auparavant des départements entiers.

Le Mittelstand possède ce que l'IA n'a pas : une expertise sectorielle profonde et spécifique. La capacité de juger si un devis de cuisine est correctement calculé. Le savoir de quelle norme DIN s'applique à un type de construction donné. Ce savoir réside dans l'esprit de collaborateurs présents dans l'entreprise depuis des décennies. L'IA agentique multiplie précisément cette combinaison.

La question n'est pas : Faut-il utiliser l'IA ? La question est : Quel est notre ratio d'agents par employé — et en quoi chaque employé doit-il exceller pour que ce ratio fonctionne ?

Pourquoi Phronesis

La sagesse pratique plutôt que l'obéissance aux règles

Notre nom est notre programme. Phronesis — la sagesse pratique aristotélicienne — est la capacité de faire ce qui est juste dans des situations concrètes, sans pouvoir se référer à une règle qui trancherait le cas à l'avance. Ni savoir théorique, ni compétence technique, mais le jugement dans l'instant.

By 'good values,' we don't mean a fixed set of 'correct' values, but rather genuine care and ethical motivation combined with the practical wisdom to apply this skillfully in real situations.

Anthropic, The Claude Model Spec (2026) — en substance Aristote, Éthique à Nicomaque, Livre VI

Anthropic, l'entreprise derrière Claude, a choisi de piloter ses systèmes non par l'obéissance aux règles, mais par un jugement cultivé. Qu'ils le sachent ou non, c'est le programme aristotélicien : la machine ne doit pas suivre des règles. Elle doit faire ce qui est juste au bon moment.

Phronesis est bâti sur cette intuition. Nos agents ne suivent pas des arbres de décision rigides. Ils possèdent un savoir sectoriel, un contexte et la capacité d'appliquer les deux de manière situationnelle. Ce qui fait un bon devis dépend du client. Ce qui constitue une réponse appropriée à une réclamation dépend du cas. Aucune règle ne peut en décider à l'avance — mais le jugement le peut.

Les sciences humaines travaillent sur ce problème depuis 2 400 ans. La capacité de juger dans des situations concrètes plutôt que d'exécuter des règles — de faire ce qui est juste au bon moment plutôt que de suivre un arbre de décision — n'est pas un problème technique. C'est un problème philosophique. Et c'est précisément pour cela que nous nous appelons Phronesis.

Philosophie de la compréhension

Probabilitas hermeneutica

L'ensemble du débat public sur l'IA tourne autour d'une question mal posée : La machine peut-elle véritablement comprendre ? Cette question présuppose que comprendre produit de la certitude. L'herméneutique a abandonné cette notion au XVIIIe siècle.

Comprendre était toujours déjà probabiliste dans l'herméneutique de la première modernité. Et ce n'était pas un défaut. C'était une nouvelle forme de rationalité — l'approximation au lieu de l'identification, la pondération au lieu de la preuve.

Entre 1500 et 1800, l'herméneutique européenne a développé une tradition qui a été ensevelie au XIXe siècle : la probabilitas hermeneutica. Sa réponse au doute total sur la compréhension n'était pas : Nous trouverons tout de même la certitude. Mais plutôt : Nous n'en avons pas besoin. Ce qui l'a remplacée, ce sont des degrés de probabilité — une certitude suffisante pour les besoins pratiques.

Un modèle de langage opère sur des distributions de probabilités sur des séquences de tokens — il fait, à un niveau mathématiquement précis, exactement ce que l'herméneutique de la première modernité décrivait conceptuellement : traiter le sens comme un espace probabiliste dans lequel on se déplace de manière approximative. Le modèle de langage n'est pas une déviation de la tradition herméneutique. Il en est la réalisation technique.

Et la boucle agentique — le cycle itératif de recherche, découverte, révision, nouvelle recherche — n'est rien d'autre que le cercle herméneutique que Gadamer décrivait comme la structure fondamentale de la compréhension : on ne comprend la partie qu'à partir du tout, mais le tout qu'à partir des parties. On doit toujours déjà apporter une pré-compréhension qui se transforme à chaque itération.

La probabilistique n'est pas le contraire du sens. Elle est la condition de son émergence.

Macroéconomie

La couche applicative de la révolution IA

En 2026, les géants technologiques américains investissent 650 milliards de dollars dans l'infrastructure IA — 2 % du PIB américain. L'Allemagne se trouve entièrement du côté stagnant. La réponse productive ne réside pas dans la réplication de l'infrastructure américaine. Elle réside dans la couche applicative européenne.

Les compagnies ferroviaires du XIXe siècle ont fait faillite en masse, mais le monde qu'elles ont connecté a connu un essor de productivité sans précédent. La valeur n'a pas été captée par ceux qui ont posé les rails, mais par ceux qui savaient quoi transporter dessus.

D'après Adam Tooze, Columbia University (2026)

Les modèles de fondation deviennent une commodité. Les écarts de performance entre GPT-5, Claude et Gemini se réduisent. Les prix par token chutent avec une demi-vie de quelques mois. Dans un monde où la capacité cognitive devient commodité, la valeur se déplace vers ce qui se situe au-dessus : l'orchestration, le savoir sectoriel, l'intégration, la gouvernance.

Le paradoxe de la productivité — pourquoi l'IA n'apparaît pas dans les données macroéconomiques — a une explication simple : le goulot d'étranglement n'est pas la capacité des modèles. C'est le dernier kilomètre. La traduction de la capacité brute de l'IA en outils spécifiques au domaine, conformes à la réglementation, immédiatement déployables. Ce dernier kilomètre est précisément ce que Phronesis résout.

L'Europe a perdu la couche d'infrastructure. Mais au niveau applicatif, elle dispose d'un véritable potentiel de différenciation : compétence réglementaire, savoir sectoriel profond, une structure de Mittelstand de 3,5 millions d'entreprises trop petites pour leurs propres départements IA mais assez grandes pour des gains de productivité substantiels. L'Allemagne n'a pas besoin de poser ses propres rails. Elle doit faire circuler les bons trains dessus.

La Plateforme

Prête pour l'entreprise. Dès le premier jour.

Pas de bricolage. Une plateforme de production avec tout ce dont les entreprises ont besoin.

Multi-Tenant

Chaque client bénéficie d'un environnement totalement isolé : sa propre base de données, sa propre configuration, son propre branding, ses propres rôles. Le routage par domaine résout automatiquement le tenant.

Rôles & Permissions

RBAC granulaire avec héritage sur 3 dimensions : accès aux Tools, disponibilité des Skills et autorisations d'actions. Rôles système comme base, extensibles à l'infini.

6 Backends LLM

Azure OpenAI, Claude, Gemini, Kimi, OpenRouter, Ollama — configurables par tenant. Changement de modèle en un clic, sans perte de données. Aucun verrouillage fournisseur.

30+ Tools intégrés

De l'analyse documentaire à la génération d'images en passant par la création PowerPoint. Chaque tenant n'active que les Tools dont il a besoin.

4 Canaux

Chat web, WhatsApp, Microsoft Teams, API REST. Le même agent, les mêmes connaissances, accessible par chaque canal.

Journal d'audit complet

19 types d'événements, du login aux modifications de configuration. Qui a fait quoi, quand ? Prêt pour la conformité, conforme au RGPD, entièrement consultable.

Infrastructure UE

Serveurs allemands, déploiement Docker propre, aucun service cloud américain. Monitoring via Grafana, Prometheus et Loki. Les données ne quittent jamais l'UE.

Quotas & Contrôle des coûts

Rate limiting par tenant, budgets mensuels de tokens, suivi des coûts par appel API en EUR. Alertes automatiques à 80 % d'utilisation.

+

Auto-évolutif

Les agents peuvent créer et enrichir leurs propres Skills — via le méta-skill intégré. Ce qui est résolu en conversation devient un workflow réutilisable.

Fonctionnement

L'architecture

Ce qui se passe réellement quand vous déléguez une tâche.

Canaux

Chat web, WhatsApp, Teams ou API REST — votre message atteint l'agent par n'importe quel canal.

Chat web WhatsApp Teams API REST

Routage & Auth

Résolution de mandant basée sur le domaine. Authentification JWT. Vérification des autorisations RBAC.

Routage mandant JWT RBAC

Configuration agent

Skills, Tools et contextes sont chargés par mandant — votre expertise métier est activée.

Skills 30+ Tools Contextes

Boucle agentique

Le LLM analyse → décide → appelle des Tools → traite les résultats → recommence. Jusqu'à 20 itérations.

LLM → Tools → LLM Max 20 itérations Compression de contexte

Résultat

Streaming en temps réel via WebSocket. Chaque étape dans le journal d'audit. 19 types d'événements.

WebSocket Journal d'audit 19 événements

Use Cases

Éprouvé en pratique

Des projets réels, des résultats mesurables.

🏠

Cuisiniste

Küchenbrain

Création de devis, gestion des réclamations et comparaison de fournisseurs — entièrement automatisé à partir de la conversation.

📚

Édition

Matthes & Seitz Berlin

Assistance éditoriale, gestion des métadonnées et vérification des droits — l'agent connaît le catalogue et le fonds.

🌾

Agriculture

Tenute Arena

Commandes, conseil produit et export B2B — multilingue, via WhatsApp et Teams.

Comparaison

La différence

Phronesis n'est pas une interface de chat. C'est une plateforme de délégation.

CritèrePhronesisChatGPTMicrosoft Copilot
ParadigmeDélégationChatAssistance
Intégration du savoirSkills + Contextes + ToolsPrompt + FichiersMicrosoft Graph
Protection des donnéesInfrastructure dédiéeCloud (US)Azure (UE en option)
WorkflowsAutomatiques via SkillsManuels (GPTs)Power Automate
Auto-extensionL'agent apprend des SkillsNonNon
CanauxChat, WhatsApp, Teams, APIWeb, APIMicrosoft 365
SpécialisationPar domaine métierGénéralisteCentré sur Office
TraçabilitéJournal d'audit completHistorique de chatLimitée

Prêt à déléguer ?

Découvrons ensemble, en un bref échange, quelles tâches vos agents IA peuvent prendre en charge.

Demander une démo