Assistant IA documentaireRAG & OCR industrielPME industrielle

PME industrielle : -55 % de recherche au SAV

Mission livrée·10 février 2026·mis à jour 2 septembre 2026

-55 %Temps de recherche documentaire pour le SAV
2 000Documents techniques indexés et exploitables
90 %Précision des réponses validée en recette métier
10 sem.du kick-off à la mise en service

Rangée de presses industrielles alignées sur le sol d'un atelier de production

Client: PME industrielle centenaire, machines de lavage de haute précision
Secteur: Industrie de précision : aéronautique, ferroviaire, automobile
Périmètre: Assistant RAG souverain, 2 000 documents indexés sur périmètre pilote
Équipe: Product Owner IA, ingénieur IA & Data, dev front React, dev back Node.js
Durée: 10 semaines en trois phases, de l'audit documentaire au POC validé

L'essentiel

Une PME industrielle centenaire accumulait 50 000 fichiers techniques sur ses serveurs internes, sans index ni correspondance avec l'ERP. Ses quatre techniciens SAV itinérants passaient jusqu'à vingt minutes à retrouver un schéma électrique. JUWA a déployé un assistant documentaire adossé à un moteur RAG hébergé en France, qui répond en quelques secondes et cite son fichier source et son numéro de page.

Quand chercher la bonne notice prend plus de temps que réparer la machine

Le défi posé par le client : donner à ses techniciens SAV un accès instantané à un patrimoine documentaire de plusieurs décennies, sans dépendre d'un acteur cloud non souverain et sans que la moindre donnée technique ne serve à entraîner un modèle tiers.

Une PME industrielle centenaire face à 50 000 fichiers techniques inexploités

L'entreprise conçoit et maintient des machines de lavage de haute précision pour l'aéronautique, le ferroviaire et l'automobile. Chaque machine est unique, livrée à façon, avec son propre dossier technique : notice d'utilisation, schémas électriques, nomenclatures de pièces, historique de maintenance. Au fil des décennies, ce patrimoine a gonflé jusqu'à atteindre 50 000 fichiers stockés sur un serveur interne. L'énoncé tenait en une phrase, la résolution beaucoup moins. Les quatre techniciens itinérants du SAV, et la vingtaine de collaborateurs susceptibles de partir en intervention, fouillaient des arborescences de dossiers pour retrouver la bonne information. Un schéma électrique de 50 pages en PDF, une nomenclature Excel enfouie trois niveaux plus bas, une notice de 20 Mo dont personne ne se rappelait le nom exact. Jusqu'à vingt minutes de recherche avant de pouvoir seulement commencer à diagnostiquer.

Classeurs d'archives étiquetés par mois et par année alignés sur une étagère — Plusieurs décennies de dossiers techniques, un fichier par machine livrée, aucun index commun.

Des formats hétérogènes, un ERP en transition et des clients qui attendent

La base documentaire n'était pas un simple répertoire de PDF. On y trouvait des notices natives, des scans de documents anciens, des plans mécaniques issus du logiciel de CAO, des nomenclatures exportées vers Excel pour alimenter l'ERP. Certains fichiers dataient d'avant la mise en place du progiciel de gestion, trois ans plus tôt seulement. La correspondance entre un numéro de machine et son client existait dans l'ERP, mais pas dans les dossiers du serveur. Côté SAV, la pression venait aussi des clients. Quand un donneur d'ordres de l'aéronautique appelle pour une panne, la réponse doit être rapide. Si le technicien résout le problème par téléphone, l'intervention n'est pas facturée. Dès qu'il faut connecter un automaticien à distance, le compteur tourne. Chaque minute de recherche documentaire pesait directement sur la marge et sur la satisfaction client.

Compas posé sur un plan technique coté, au milieu d'autres documents d'étude — Notices natives, scans anciens, plans de CAO, nomenclatures Excel : quatre familles de formats à traiter dans la même chaîne.

Un moteur RAG souverain, calibré pour l'industrie

JUWA a conçu un assistant conversationnel adossé à un moteur RAG, pour Retrieval-Augmented Generation, entièrement hébergé sur infrastructure souveraine européenne. Le choix d'un modèle IA français pour l'OCR et le traitement du langage répondait à une exigence non négociable du client : aucune donnée ne devait servir à entraîner un modèle tiers, et l'hébergement devait rester en France. Le traitement documentaire a commencé par un audit des 2 000 fichiers du périmètre pilote. Chaque document a été OCRisé, découpé en fragments contextualisés et enrichi de métadonnées, version du document, numéro de machine, type de contenu. Ce travail de préparation, souvent sous-estimé dans les projets RAG, conditionne toute la qualité des réponses en production. L'interface, développée en React et optimisée pour iPad, a été pensée pour le terrain : un technicien en intervention pose sa question et obtient une réponse sourcée en quelques secondes, avec le nom du fichier et le numéro de page.

Technicien en tenue de travail consultant une tablette dans un atelier industriel — L'interface a été taillée pour l'iPad d'un technicien en intervention, pas pour un poste de bureau.

Dix semaines, quatre profils, cinq techniciens en recette

JUWA a mobilisé quatre profils complémentaires sur dix semaines : un Product Owner IA en charge du cadrage fonctionnel et de la coordination, un ingénieur IA et Data Engineer pour le traitement documentaire et le moteur RAG, un développeur front-end React spécialisé dans les interfaces mobiles, et un développeur back-end Node.js pour l'infrastructure et la sécurité. L'accompagnement s'est structuré autour de deux rituels. Un comité de suivi hebdomadaire d'une heure validait l'avancement, présentait les démonstrations intermédiaires et arbitrait les choix techniques avec le chef de projet interne et la direction. En parallèle, un rapport quotidien partagé synthétisait les actions réalisées, les tâches planifiées et les points de blocage. La phase de recette a impliqué cinq techniciens SAV en conditions réelles pendant trois semaines. Leurs retours ont alimenté des cycles d'ajustement rapides, du redécoupage documentaire à l'affinement des prompts jusqu'aux cas limites sur les schémas techniques. Le directeur des opérations et le chef de projet interne ont validé la conformité des réponses avec l'expertise métier accumulée sur plusieurs décennies.

Cap de la mission

Objectifs de la mission

Réduire de 40 à 60 % le temps de recherche d'information pour les techniciens SAV et les équipes itinérantes.
Indexer un échantillon de 2 000 documents critiques avec traçabilité complète des sources.
Garantir zéro hallucination en production : chaque réponse cite le fichier et la page d'origine, ou déclare explicitement l'absence d'information.
Héberger l'intégralité de la solution sur infrastructure cloud souveraine européenne, sans exposition au Cloud Act, avec authentification SSO Microsoft 365.

Ce que change une réponse sourcée en quelques secondes

Le temps de recherche documentaire du SAV a baissé de 55 %. La précision des réponses, mesurée en recette métier sur cinq techniciens, atteint 90 % sur les 2 000 documents du périmètre pilote. Le point qui a décidé de l'adoption tient à une règle de conception. Chaque réponse cite son fichier source et son numéro de page, et lorsque l'information n'existe pas dans la base, l'assistant le dit au lieu d'inventer. Un technicien qui doit vérifier chaque réponse ne gagne rien ; un technicien qui peut ouvrir la page citée en deux gestes gagne son diagnostic. Le code source a été livré en pleine propriété, avec le rapport de nettoyage des données et une feuille de route d'intégration à l'ERP pour étendre l'indexation aux 50 000 fichiers restants.

J'ai un besoin similaire

Un enjeu proche du vôtre ?

Parlons de votre contexte et voyons ce qu'une mission similaire pourrait débloquer chez vous.

Prendre rendez-vous

Résultats mesurés

Des performances à la hauteur des attentes.

-55 %Temps de recherche documentaire pour le SAV
2 000Documents techniques indexés et exploitables
90 %Précision des réponses validée en recette métier
10 sem.du kick-off à la mise en service

« Nos techniciens itinérants passaient parfois vingt minutes à retrouver le bon schéma électrique dans l'arborescence du serveur. Maintenant ils posent la question sur leur iPad et la réponse arrive avec le numéro de page. On a gagné un temps considérable sur les dépannages téléphoniques, et ça se voit directement sur la satisfaction de nos clients. »

— Directeur des opérations, PME industrielle, secteur machines de lavage de précision (mission confidentielle)

Zoom sur le consultant JUWA responsable du projet

Tristan Dumas

Consultant senior IA & automatisation, JUWA

Tristan Dumas est l'un des trois associés fondateurs de JUWA. Spécialisé en architecture de systèmes IA et en intégration de solutions data pour l'industrie, il intervient sur les projets qui combinent RAG, OCR et contraintes de souveraineté. Sur cette mission, il a piloté la conception du moteur d'indexation documentaire et supervisé les phases de recette avec les techniciens terrain. Un moteur RAG ne vaut que ce que vaut la préparation de sa base : c'est là que se joue la différence entre un assistant qu'on interroge et un assistant qu'on doit vérifier.

J'ai un besoin similaire

Questions fréquentes

Ce qu'il faut savoir sur cette mission.

Un moteur RAG (Retrieval-Augmented Generation) adossé à un modèle IA français, couplé à un OCR pour les documents scannés et les schémas techniques. L'ensemble est hébergé sur cloud souverain européen, avec authentification SSO Microsoft 365.

10 semaines du kick-off à la mise en service du POC, réparties en trois phases : cadrage et fondations d'infrastructure (2 semaines), développement du moteur RAG et des interfaces (4 semaines), tests terrain et ajustements (4 semaines).

2 000 documents techniques sur un périmètre pilote (notices, schémas électriques, nomenclatures, historique de maintenance), avec une roadmap d'extension aux 50 000 fichiers existants sur les serveurs internes.

Chaque réponse cite le nom du fichier source et le numéro de page d'origine. Quand l'information n'est pas disponible, l'assistant le déclare explicitement plutôt que d'inventer. 90 % de précision validée en recette métier sur 5 techniciens SAV.

Planifier un rendez-vous