Systèmes IA · Laravel et WordPress
J’intègre l’IA aux logiciels sur lesquels votre activité tourne déjà : des applications Laravel et des sites WordPress qui lisent l’e-mail, extraient la facture, rédigent la fiche produit et répondent à partir de vos propres documents, puis laissent à une personne la seule décision qui compte. Construit sur le Laravel AI SDK officiel et le WordPress AI Client, avec vos données, vos clés et le modèle de votre choix.
{ intention : devis, qté : 40, échéance : ven., urgence : haute }
01Où elle fait gagner du tempsCinq processus, avant et après
La plupart des entreprises utilisent déjà l’IA quelque part (88 % dans l’enquête 2025 de McKinsey), et pourtant plus de 80 % disent qu’elle n’a pas fait bouger leurs bénéfices. La différence tient presque toujours à sa place. Une fenêtre de chat à côté du travail fait gagner des minutes. Le même modèle dans le processus (qui lit ce qui arrive, remplit vos systèmes et ne sollicite une personne que lorsqu’il le faut) supprime des étapes entières.
Un client écrit
Aujourd’hui, à la main
Avec le système
Ce qu’il vous reste
Un PDF arrive
Aujourd’hui, à la main
Avec le système
Ce qu’il vous reste
Un nouveau produit arrive
Aujourd’hui, à la main
Avec le système
Ce qu’il vous reste
Quelqu’un remplit votre formulaire
Aujourd’hui, à la main
Avec le système
Ce qu’il vous reste
Un collègue a une question
Aujourd’hui, à la main
Avec le système
Ce qu’il vous reste
02PérimètreCe que je construis
Un champ de recherche ou un chat qui répond à partir de vos documents, procédures, données produit et anciens tickets, pas d’internet. Votre contenu est découpé, vectorisé et stocké pour être interrogé par le sens, et chaque réponse renvoie au passage dont elle provient. Quand la réponse n’est pas dans vos documents, il le dit au lieu d’en inventer une.
Factures, bons de commande, CV, contrats, formulaires, e-mails entrants : lus par un modèle tenu de renvoyer une structure fixe, validés comme n’importe quelle autre saisie, puis écrits dans votre base de données ou votre comptabilité. Ceux sur lesquels il a un doute partent dans une file pour une personne, avec la raison.
Fiches produit, descriptions, FAQ, textes alternatifs et traductions générés en brouillon dans WordPress et WooCommerce, dans votre ton, pour qu’un rédacteur les vérifie. Je l’ai construit en production : des fiches produit rédigées à partir d’une seule photo et transposées en sept langues en une seule action.
Un agent est un modèle capable d’utiliser des outils : consulter une commande, mettre à jour le CRM, réserver un créneau, émettre un remboursement. Chaque outil est du code ordinaire et testé, avec sa propre vérification de permissions, et tout ce qui a des conséquences attend une validation avant de s’exécuter. Le Laravel AI SDK intègre cette étape de validation ; je m’en sers.
WordPress dispose désormais d’une Abilities API et d’un adaptateur MCP officiel, qui permettent aux assistants IA de découvrir et d’exécuter les actions que votre site autorise (publier un brouillon, consulter une commande) et rien d’autre. J’enregistre les capacités qui ont du sens pour votre équipe, chacune avec sa propre vérification de permissions.
La majeure partie de ce travail n’est pas un nouveau produit. C’est une application Laravel ou un site WordPress qui fonctionne et qui gagne une fonctionnalité supprimant l’étape la plus fastidieuse de la journée de quelqu’un. Je lis d’abord votre code et j’y ajoute dans le même style, plutôt que de greffer un service à part.
03MéthodeL’ingénierie autour du modèle
Appeler un modèle prend dix lignes. Faire confiance à ce qu’il fait dans votre activité demande tout ce qui entoure ces dix lignes, et c’est l’essentiel de ce que je construis.
Les réponses sont construites à partir de passages tirés de votre propre contenu, et elles les citent. C’est la meilleure défense contre une réponse fausse donnée avec aplomb, et cela permet à chacun de vérifier le travail en un clic.
Quand le résultat alimente un autre système, le modèle doit renvoyer une structure définie (champs, types, valeurs autorisées), validée avant tout enregistrement. Une réponse mal formée est une tâche en échec qu’on relance ou qu’on signale, jamais un enregistrement corrompu.
Envoyer, payer, supprimer et publier attendent un humain. Rédiger, trier, extraire et rechercher, non. L’endroit où passe cette limite, nous le décidons ensemble, processus par processus, et elle peut évoluer à mesure que la confiance grandit.
Avant le lancement, un jeu de tests est constitué à partir de vos cas réels, et le système est évalué sur ce jeu. Changer un prompt ou un modèle devient alors un changement mesuré, pas un pari.
Le code passe par une couche indépendante du fournisseur : passer d’OpenAI à Anthropic ou à Gemini relève de la configuration, pas d’une réécriture. Chaque appel est journalisé avec ses tokens, son coût et sa durée, pour que vous voyiez ce que coûte chaque processus.
Si une formule de tableur ou une simple règle fait l’affaire, je vous le dirai. L’IA est le bon outil pour lire ce qui n’est pas structuré (textes, documents, images), pas pour faire des calculs.
04MéthodePetit d’abord, puis éprouvé
05QuestionsPosées souvent, réponses franches
Non : elle retire de leur journée la ressaisie, le tri et la recherche, et leur laisse les décisions. Chaque système que je construis prévoit qu’une personne valide tout ce qui compte. En pratique, la même équipe traite plus de travail avec moins d’erreurs, et cesse de faire la partie du métier dont personne ne voulait.
Pas avec les offres API professionnelles que j’utilise : OpenAI, Anthropic et Google n’entraînent pas leurs modèles sur les données de l’API par défaut. Vos documents restent dans votre propre base de données ; seuls les passages nécessaires à une réponse donnée sont envoyés avec la requête. Lorsque des données ne doivent pas quitter une région ou un serveur, cela limite le choix du modèle, et je vous le dirai dès le départ.
Tout est conçu pour que l’erreur soit repérée. Les réponses citent leur source ; les résultats qui alimentent un système doivent passer une validation ; tout ce qui a des conséquences attend une approbation ; et un jeu de tests de cas réels est relancé à chaque changement de prompt ou de modèle. Le but n’est pas un modèle qui ne se trompe jamais, mais un système où une mauvaise réponse ne peut pas causer de dégâts en silence.
En général bien moins que ce qu’on imagine : la plupart des processus métier coûtent quelques centimes par élément en usage du modèle. Chaque appel est journalisé avec son coût, vous voyez donc le vrai chiffre par processus dès la première semaine du pilote, et non une estimation.
Celui qui réalise le mieux votre tâche au bon coût, en général un modèle d’Anthropic, d’OpenAI ou de Google. Le code passe par une couche indépendante du fournisseur (le Laravel AI SDK ou le WordPress AI Client) : changer de modèle plus tard est une modification de configuration, pas une reconstruction.
Oui, et c’est l’essentiel de ce travail. Je lis d’abord le code existant et j’ajoute la fonctionnalité dans le même style (une nouvelle tâche, un nouvel écran d’administration, un nouveau bloc) plutôt qu’un service séparé qu’il faudrait ensuite garder synchronisé.
Un prototype sur vos vraies données en une semaine environ, et un premier processus en production en trois à six semaines à peu près, selon les systèmes à connecter. Commencer par un seul processus est volontaire : cela prouve la valeur avant que vous n’investissiez dans le suivant.
Prochaine étape
Un paragraphe suffit pour commencer. Si l’IA n’est pas la bonne réponse, je vous le dirai : parfois, la solution honnête est une simple règle ou une petite application Laravel.