Oppdrag.tech
Experts
Cadrer votre besoinCockpit →
Oppdrag.tech

Cadrage, staffing et pilotage de missions IA, Data et Cybersécurité. Experts mobilisables sous 5 jours.

Cadrer votre besoin

Solutions

  • MissionOS
  • IA Générative / LLM
  • Data Engineering
  • Cybersécurité
  • Oppdrag Unit
  • Baromètre TJM
  • Notre méthode

Entreprise

  • Pourquoi Oppdrag
  • À propos
  • Blog
  • Build in Public
  • Références
  • Rejoindre le vivier
  • Contact

Garanties

  • Mission Continuity
  • Oppdragthon
  • AI Act Sandbox
  • Fiche compétence

Légal

  • Mentions légales
  • Confidentialité
  • Gestion des cookies

© 2026 Oppdrag.tech — Tous droits réservés

OPPDRAG.TECH
000
BUILD IN PUBLIC

Démontrer
l'exécution

N'importe qui peut se dire expert IA, Data ou Cyber. Nous préférons montrer. Chaque mini-POC est documenté de bout en bout : décisions, résultats, limitations, et ce qu'on ferait différemment.

Tous les POCs sont réalisés sur des environnements de test — aucune donnée client réelle.
FORMAT
J+1
Cadrage

Définition du périmètre, choix technologiques, jeux de test. Tout est documenté avant le premier commit.

J+3
Prototype

Première version fonctionnelle, métriques intermédiaires, points de blocage identifiés et traités.

J+5
Démo documentée

Démo sur jeu de test représentatif, résultats chiffrés, takeaways honnêtes — y compris les limitations.

POCs publiés

POC-001Publié
IA GÉNÉRATIVE

RAG documentaire sur corpus juridique

Construction d'un système RAG sur 200 documents juridiques internes. Chunking sémantique, indexation vectorielle, évaluation RAGAS en fin de sprint.

J+1 — Cadrage

Cadrage : choix du corpus, définition des questions de test, sélection du modèle d'embedding.

J+3 — Prototype

Prototype fonctionnel : pipeline ingestion → vectorstore → retrieval. Premières métriques de précision.

J+5 — Démo

Démo : 15 questions de test, score RAGAS > 0.82, analyse des cas d'échec documentée.

Takeaways honnêtes
  • →Chunking à 512 tokens avec overlap > chunking par paragraphes sur ce corpus
  • →BGE-M3 légèrement meilleur qu'OpenAI ADA sur données FR
  • →Hallucinations concentrées sur les questions hors corpus — filtrage nécessaire
POC-002Publié
IA GÉNÉRATIVE

Agent de qualification des briefs mission

Agent LangGraph qui analyse un brief mission entrant, pose des questions de clarification ciblées et produit un brief structuré prêt pour le matching.

J+1 — Cadrage

Cadrage : définition du graph d'états, identification des champs manquants critiques, jeux de test.

J+3 — Prototype

Prototype : 3 noeuds (analyse → clarification → structuration), gestion des boucles de feedback.

J+5 — Démo

Démo : 20 briefs test, taux de complétion 94%, réduction du temps de cadrage moyen de 40%.

Takeaways honnêtes
  • →Les LLM surestiment leur confiance sur les briefs ambigus — besoin d'un noeud d'incertitude
  • →Gating sur la longueur du brief améliore significativement la qualité
  • →GPT-4o > Claude 3 Haiku sur ce task spécifique (coût/perf)
POC-003Publié
DATA ENGINEERING

Pipeline data temps réel — monitoring KPIs mission

Pipeline streaming pour agréger les événements de pilotage de mission (avancement, alertes, livraisons) et alimenter un tableau de bord temps réel.

J+1 — Cadrage

Cadrage : définition des événements sources, schéma Avro, topologie Kafka, SLO de latence.

J+3 — Prototype

Pipeline opérationnel : Kafka → Flink → ClickHouse. Latence P99 < 800ms sur dataset de test.

J+5 — Démo

Démo : simulation de 10k événements/heure, tableau de bord Metabase, plan de reprise documenté.

Takeaways honnêtes
  • →Flink > Spark Structured Streaming pour ce niveau de faible latence
  • →Le schema registry évite 80% des incidents en production
  • →ClickHouse tient les agrégations temps réel là où Postgres flanchait
POC-004Publié
CYBERSÉCURITÉ

Audit de configuration cloud fictif — AWS reference architecture

Audit de configuration sur une architecture AWS de référence volontairement mal configurée. Identification des risques, scoring CVSS, plan de remédiation.

J+1 — Cadrage

Cadrage : périmètre IAM + S3 + Security Groups, checklist AWS Well-Architected, critères de scoring.

J+3 — Prototype

Audit complet : 23 findings, 5 critiques. Rapport intermédiaire avec priorisation par criticité.

J+5 — Démo

Démo : rapport final + plan de remédiation, validation de 4 corrections appliquées sur l'env de test.

Takeaways honnêtes
  • →Les misconfiguration IAM représentent 60% des findings critiques
  • →Prowler + ScoutSuite couvrent mieux l'IAM que les outils natifs AWS seuls
  • →Un scoring CVSS contextualisé change radicalement la priorité de remédiation
Articles de fond sur le blog

En complément des POCs, le blog publie des analyses plus longues sur les choix d'architecture, les retours d'expérience mission et les décisions techniques non triviales.

Voir le blog →

Vous avez un besoin similaire ?

Ces POCs illustrent la façon dont nos experts travaillent. Si vous avez un projet IA, Data ou Cyber, cadrons-le ensemble.

Cadrer un projet