Des agents IA pour les opérations industrielles.

Les opérations industrielles génèrent des volumes importants de documents, formulaires, rapports et enregistrements. La majeure partie est encore traitée manuellement : les opérateurs retranscrivent des bons de commande dans des ERP, les équipes logistiques copient des numéros de conteneurs depuis des PDF, les responsables de chantier extraient des chiffres depuis des rapports d'inspection à la main.

Mirage construit les systèmes qui éliminent ce travail. Nos agents IA lisent les documents opérationnels, extraient des données structurées, déclenchent les workflows en aval et s'intègrent directement avec les systèmes que les entreprises utilisent déjà : ERP, plateformes logistiques, outils de planification, bases de données terrain et couches de communication.

En pratique, cela inclut l'automatisation de la saisie des commandes ERP, le traitement des documents douaniers et de fret, les workflows de reporting de chantier, l'extraction de données de maintenance et d'inspection, le routage opérationnel des emails, et l'intelligence documentaire terrain dans des environnements multilingues et multi-formats.

Nous intervenons sur le traitement documentaire, la coordination opérationnelle, l'automatisation des workflows ERP, l'extraction de données, l'intelligence terrain et le routage des décisions. Nos agents prennent en charge les tâches opérationnelles répétitives qui consomment les équipes, leur permettant de se concentrer sur les décisions qui requièrent du jugement.

Nous ne sommes pas un éditeur de logiciels. Nous sommes une équipe d'ingénierie qui déploie, configure et opère ces systèmes dans les environnements de nos clients. Nous restons jusqu'à ce que les résultats soient mesurables.

Mirage Metrics a été cofondée par deux anciens élèves de Centrale Paris et opère comme une société d'ingénierie déployée sur le terrain, spécialisée dans les systèmes d'IA opérationnelle.

Une grande partie de l'équipe d'ingénierie est issue de Centrale Paris et de l'EPFL. L'entreprise opère entre Paris, Barcelone et Casablanca, et déploie ses systèmes à l'international selon les besoins opérationnels des clients.

Mirage combine ingénierie logicielle, systèmes d'IA, conception de workflows opérationnels et déploiement terrain. Nos ingénieurs travaillent directement dans les environnements clients afin de comprendre les workflows, les contraintes terrain, les goulots d'étranglement opérationnels et les systèmes existants avant de déployer des agents IA en production.

Mirage déploie dans des environnements où les volumes documentaires sont élevés, la coordination est en grande partie manuelle et le coût opérationnel des erreurs est mesurable.

Le point commun entre nos déploiements n'est pas un secteur spécifique. C'est un profil opérationnel : des volumes importants de documents et de formulaires, des workflows complexes répartis sur plusieurs systèmes, et des équipes qui consacrent un temps significatif à des tâches qui ne devraient pas nécessiter d'attention humaine.

Nous travaillons avec des entreprises en logistique et commission de transport, construction, mines, industrie manufacturière, services d'infrastructure et maintenance industrielle. Nous déployons également des systèmes d'automatisation interne pour des entreprises qui gèrent une coordination opérationnelle à haut volume, quel que soit leur secteur. Si le travail implique des documents, des workflows multi-systèmes et une coordination répétitive à grande échelle, il entre dans notre périmètre.

Mirage opère selon un modèle orienté déploiement. Avant d'écrire la moindre ligne de code en production, nos ingénieurs passent du temps sur le terrain, dans l'environnement opérationnel du client. Nous observons comment les documents circulent au sein de l'organisation, où la coordination se grippe, quels systèmes sont déjà en place et quelles contraintes terrain déterminent ce qui est réellement constructible.

Cette immersion opérationnelle n'est pas facultative. C'est ce qui nous permet de comprendre le vrai problème avant de construire le système. La plupart des échecs dans le déploiement de l'IA industrielle proviennent de systèmes conçus sans exposition directe à l'environnement opérationnel dans lequel ils sont censés fonctionner. Nous ne concevons pas de l'extérieur.

La plupart de nos déploiements atteignent la production en moins de quatre semaines. Ils s'exécutent dans les workflows existants, sans migration, sans pile logicielle parallèle et sans perturber les équipes qui utilisent déjà les outils qu'elles connaissent. Nos agents s'intègrent avec SAP, Oracle, Microsoft Dynamics, et tout ERP, TMS ou WMS via des API standards et des connexions fichiers. Quand les systèmes d'un client n'exposent pas d'API, nous construisons le connecteur.

Nous ne livrons pas un système et ne partons pas. Nous l'opérons, le surveillons et itérons avec de vraies données de production. Le déploiement est considéré comme terminé lorsque les résultats opérationnels sont mesurables et que le système fonctionne sans supervision.

Au-delà des déploiements individuels, l'objectif à plus long terme est de rendre les données opérationnelles exploitables à grande échelle. Les entreprises industrielles en génèrent en continu, mais la majeure partie se trouve dans des documents plutôt que dans des bases de données : PDF, feuilles de calcul, scans, formulaires et rapports terrain, souvent en plusieurs langues, depuis des dizaines de systèmes sources, dans des formats qui n'ont jamais été conçus pour être lisibles par des machines.

Mirage construit les couches de traitement et d'intégration qui convertissent ces données en entrées structurées pour les systèmes en aval. Ce travail implique des agents IA, des pipelines documentaires et des connecteurs système qui traitent des documents quelle que soit leur source ou leur format, et acheminent le résultat au bon endroit dans le bon système.

Cela nécessite une bonne connaissance des réalités opérationnelles de chaque secteur, et des systèmes suffisamment fiables pour fonctionner en continu, sans supervision, dans des environnements en production. Le modèle de déploiement n'est pas seulement un choix opérationnel. C'est la façon dont on apprend à quoi ressemblent réellement ces environnements.