Tredence

Tredence construit des systèmes multi-agents qui exécutent des tâches dans les ventes, les opérations, la finance et la chaîne d'approvisionnement, au lieu de se contenter de répondre à des questions. Les agents disposent d'une mémoire et d'outils de planification, ainsi que d'une coordination entre plusieurs d'entre eux, pour traiter des flux à plusieurs étapes. Ces mêmes agents se connectent aux CRM et ERP, où ils déclenchent des actions et bouclent des processus en cours d'exécution. Le cabinet présente cela comme le passage de l'outil au coéquipier, et le modèle de delivery inclut surveillance et réentraînement pour que les agents continuent d'atteindre les résultats pour lesquels ils ont été conçus.

Plutôt que de repartir de zéro à chaque mission, Tredence livre plus de 150 actifs de science des données, d'IA générative et d'analytique prescriptive adaptables aux données du client. Parmi les solutions nommées figurent Supply Chain Control Tower, Test and Learn Platform, On-shelf Availability, Customer Cosmos, Revenue Growth Management et Sancus pour la qualité des données assistée par IA. L'effet concret est un prototype atteint plus tôt, ce qui compte quand les parties prenantes veulent voir quelque chose fonctionner avant de valider un budget.

La pratique data couvre l'ingestion, les pipelines, la conception d'entrepôts et de lakehouses, ainsi que la migration depuis les systèmes hérités. Dans la santé, cela a consisté à réunir des données cliniques, de cabinet, comptables et marketing issues de plus de 50 cliniques et de sept logiciels de gestion sur une plateforme unique, rafraîchie en temps réel. La gestion de la qualité des données avance en parallèle, car un modèle vaut ce que valent les enregistrements qui l'alimentent.

Les services MLOps sont traités comme une pratique permanente, pas comme une passation après la construction. L'équipe prend en charge le déploiement et le réentraînement des modèles de machine learning classiques comme des applications à base de modèles de langage, et suit de près leurs performances. La gouvernance de ces modèles reste entre les mêmes mains. Sur les LLM s'ajoutent l'évaluation de la qualité des réponses, la réduction des hallucinations et la maîtrise du coût d'inférence. Ces trois points décident si une fonctionnalité générative survit à son premier trimestre en production.

Les missions de conseil en IA générative évaluent la maturité de l'entreprise, priorisent les cas d'usage, dessinent l'architecture et fixent la gouvernance avant la première ligne de code. Un centre d'excellence apporte ensuite des talents et des actifs partagés, plus de la formation pour les équipes du client. Avec le temps, les équipes internes peuvent porter la capacité elles-mêmes. Tredence présente l'objectif comme une réduction de la dépendance aux consultants externes, ce qui est rare de la part d'un cabinet.

Tredence est partenaire de Databricks, Snowflake, Google Cloud, Microsoft, AWS et OpenAI, et a reçu des prix de partenaire de l'année de plusieurs d'entre eux. Concrètement, les projets se construisent sur la plateforme que vous payez déjà, avec accès au support technique de l'éditeur quand quelque chose casse. Cela signifie aussi que les choix d'architecture suivent les forces du stack partenaire plutôt que d'être neutres vis-à-vis des fournisseurs.

Deux produits packagés existent en dehors de la pratique générale de conseil. Rebate.AI s'adresse aux groupements d'achat et aux distributeurs qui laissent des remises non réclamées parce que les conditions sont éparpillées entre tableurs et portails fournisseurs. HealthEM.AI gère le cycle de vie des données de santé, de l'ingestion aux contrôles qualité puis à l'analytique. Tous deux sont plus étroits que le conseil, ce qui les rend plus faciles à évaluer en amont.