Core-AI conçoit et déploie des systèmes d’IA privés pour les cabinets d’avocats et les firmes de génie de Montréal — des LLM modernes qui fonctionnent sur une infrastructure que vous contrôlez, et non dans l’infonuagique de quelqu’un d’autre.
Les dossiers de vos clients ne quittent jamais votre réseau.
Vous voulez voir la technologie à l’œuvre ? Nous vous présentons un système RAG privé fonctionnel lors d’un appel — répondant à des questions à partir de vrais documents, sur une infrastructure que le client contrôle — et nous vous montrons ce que la même approche donnerait pour votre cas d’usage.
Étape 1 : Découverte des occasions d’IA — Cerner les cas d’usage à forte valeur.
Étape 2 : Conception de l’architecture — Concevoir un système d’IA adapté à l’organisation.
Étape 3 : Déploiement d’un prototype — Construire un système fonctionnel à évaluer.
Étape 4 : Déploiement en production — Déployer un système d’IA évolutif dans l’infrastructure du client.
Qu'est-ce que l'IA privée et en quoi diffère-t-elle de services comme OpenAI ou ChatGPT ?
L’IA privée désigne des systèmes d’intelligence artificielle qui fonctionnent entièrement sur votre propre infrastructure, sans transmettre vos données à des services infonuagiques externes. Contrairement à OpenAI ou Azure AI, l’IA privée garde vos données, vos requêtes et vos documents à l’intérieur de votre réseau — un élément déterminant pour les cabinets soumis à des obligations de confidentialité ou détenteurs de propriété intellectuelle sensible.
Avec quels types de cabinets Core-AI travaille-t-elle ?
Des cabinets d’avocats et des firmes de génie de Montréal et des environs — généralement de 5 à 50 personnes. Les deux sont soumis à de véritables obligations de confidentialité, les deux travaillent dans les documents, précisément là où l’IA est la plus utile, et les deux sont visés par la Loi 25 du Québec. Cette concentration est délibérée : un cabinet de cette taille veut un ingénieur qui comprend son métier, pas un fournisseur qui déroule un scénario tout fait. Nous acceptons des mandats hors de ce créneau lorsque l’adéquation est évidente, mais ces deux secteurs sont ceux pour lesquels nous sommes conçus.
En quoi un système d'IA privé aide-t-il face à la Loi 25 du Québec ?
La Loi 25 impose de véritables obligations quant à la façon dont votre cabinet traite les renseignements personnels, dont une évaluation avant que ces renseignements ne sortent du Québec. Un système privé écarte l’essentiel de cette question en n’envoyant les données nulle part : vos documents, vos requêtes et le modèle lui-même fonctionnent sur du matériel que vous contrôlez, à l’intérieur de votre propre réseau. Soyons clairs : aucun système ne rend à lui seul un cabinet conforme — la conformité dépasse largement un logiciel. Ce qu’il élimine, c’est la partie la plus difficile de la conversation : expliquer pourquoi des renseignements couverts par le secret professionnel devraient franchir une frontière vers un fournisseur tiers.
Combien de temps faut-il pour déployer une IA privée, du début à la production ?
Un mandat type s’étend sur 8 à 16 semaines, de la découverte au déploiement en production. Les systèmes plus simples — par exemple un assistant interne interrogeant une base documentaire définie — peuvent atteindre la production en 6 semaines ; les projets multiagents ou lourds en infrastructure prennent plus de temps. Nous suivons un processus en quatre étapes (Découverte, Conception, Prototype, Production) afin que vous puissiez valider l’adéquation à chaque étape avant de vous engager dans la suivante.
Faut-il une expertise interne en IA pour travailler avec Core-AI ?
Non. Nous prenons en charge la conception, la construction et le déploiement de bout en bout. Après le transfert, nous fournissons une documentation complète et une formation pratique afin que votre équipe puisse exploiter le système de façon autonome. Des ententes de soutien continu sont disponibles.
Avec quels LLM à poids ouverts travaillez-vous ?
Nous travaillons avec les principaux modèles à poids ouverts — Llama 3, Mistral, Mixtral, Qwen, Phi, Gemma et d’autres. Le choix du modèle dépend de votre cas d’usage, de vos exigences de latence et de votre budget matériel. Nous évaluons les options durant la phase de conception et recommandons celle qui convient le mieux à votre charge de travail. Le rendement en français fait partie des critères d’évaluation, pas d’une réflexion après coup.
