Intelligence artificielle. Pensée de bout en bout.
Nous faisons de l’IA une composante productive de vos logiciels. Avec un savoir-faire approfondi, nos propres serveurs puissants et une architecture dont vous gardez la maîtrise.
ETZENSPERGER INFORMATIK AG
Base de données vectorielle illustrée par des groupes thématiques reliés et des mots-clés. Le lettrage original etz.ch flotte au centre, dessiné en contours tridimensionnels dans ses couleurs originales. Chaque groupe thématique est relié au point turquoise du logo etz.ch. Aucune donnée client réelle. Logiciels: APIs, TypeScript, SaaS. Connaissances: RAG, Embeddings, Retrieval. Sécurité: Code Review, SAST, CI/CD. Infrastructure: GPU, Inférence, On-Premises. Modèles: Qwen 3.8, GPT-6 Astra, Claude Opus 5. Données: Documents, Contexte, Métadonnées.
Etzensperger Informatik AG associe une solide expérience des projets logiciels à une maîtrise pratique de l’IA. Nous relions modèles de langage, données et logique métier pour créer une valeur mesurable.
La génération augmentée par recherche (RAG) relie les modèles à vos documents autorisés. Les embeddings et la recherche vectorielle fournissent le contexte, les sources permettent de vérifier les réponses et les droits s’appliquent dès la recherche.
RAG / EMBEDDINGS / RETRIEVALAnalyser des documents, structurer l’information, préparer des processus : nous intégrons l’IA aux applications et API avec des sorties structurées, des appels d’outils validés et des droits limités.
API / TOOL CALLING / WORKFLOWSLe prototype est un début. Cas de test représentatifs, prompts versionnés et évaluations ciblées permettent de mesurer qualité, latence et coûts et de suivre les changements de modèle.
EVALS / OBSERVABILITY / LIFECYCLEPrivate AI / Qwen 3.8
Nous exploitons Qwen 3.8 sur nos propres serveurs puissants. Dans cette configuration locale, données sensibles et code source sont traités dans notre infrastructure, sans transmission à un fournisseur de modèles externe pour l’inférence.
Nos pipelines utilisent notre modèle Qwen local pour examiner les modifications de code et détecter des vulnérabilités potentielles. Il aide à analyser les flux de données, la validation des entrées et les autorisations pour corriger les points suspects avant livraison.
Sélectionnez une étape pour explorer le processus.
Commit & diff
Qwen · local
Équipe technique
Tests & déploiement
Le processus commence par une modification du code. Le diff et le contexte de l’application montrent la logique modifiée et le parcours des données dans les fonctions concernées.
Une recherche d’utilisateur insère directement une saisie dans une requête SQL.
La fonction modifiée et son flux de données sont réunis pour l’analyse locale.
Notre modèle Qwen hébergé localement examine la modification dans son contexte. Il signale les flux de données suspects et aide les spécialistes en indiquant un emplacement et une explication.
Une saisie non vérifiée pourrait modifier la structure SQL : suspicion d’injection SQL.
Le signalement est transmis à l’équipe technique. La réponse du modèle ne décide pas à elle seule de la livraison.
L’équipe technique vérifie le signalement dans le contexte de l’application. Dans cet exemple, une requête paramétrée remplace la concaténation directe et un test de régression vérifie la correction.
− query("SELECT * FROM users
WHERE id = " + input)+ query("SELECT * FROM users
WHERE id = ?", [input])La correction est suivie de nouvelles revues, de tests automatisés et des contrôles de sécurité prévus. Le déploiement attend que les critères de validation définis soient remplis.
Les caractères spéciaux sont transmis comme données. La saisie ne peut pas modifier la structure de la requête paramétrée.
Revue terminée, tests réussis et contrôles requis satisfaits : la modification corrigée peut être déployée.
Nos spécialistes vérifient les signalements. L’IA complète les revues de code, tests automatisés et scanners de sécurité. Une revue sans signalement ne garantit pas l’absence de vulnérabilités.
Nous avons également réalisé des projets avec OpenAI et Claude d’Anthropic. Vous définissez le type d’intégration et le lieu de traitement autorisés. Nous concevons l’architecture selon ces exigences.
Qwen sur nos serveurs pour les données sensibles, le code interne et des flux de données clairement définis.
Qwen 3.8GPT-6 Astra d’OpenAI ou Claude Opus 5 d’Anthropic dans votre application. Modèle, API, catégories de données et contrat sont adaptés à votre besoin.
GPT-6 Astra / Claude Opus 5Traitement local des contenus confidentiels et modèles externes pour les tâches expressément autorisées, selon les règles convenues.
Qwen 3.8 + GPT-6 Astra / Claude Opus 5Avant réalisation, nous vérifions les régions et contrats disponibles, y compris stockage, journaux, sauvegardes et sous-traitants. Toutes les combinaisons de modèle et de région ne sont pas disponibles.
Données personnelles et secrets ne doivent entrer dans le contexte que si la tâche le nécessite et que le traitement est autorisé.
Un modèle n’est pas un contrôle d’accès. Rôles, séparation des clients et autorisations doivent être appliqués par le logiciel et lors de la recherche.
Documents et pages web peuvent contenir des instructions malveillantes. Limiter les outils, valider les appels et approuver les actions critiques réduit le risque d’injection.
Les modèles peuvent produire des affirmations plausibles mais fausses. Sources, tests et contrôle humain sont essentiels avant utilisation.
Prompts, embeddings, réponses et journaux peuvent être confidentiels. Prévoir accès, chiffrement, conservation et suppression.
L’hébergement local ne suffit pas. Mises à jour, interfaces surveillées et nouvelles évaluations après un changement de modèle restent nécessaires.
D’une bonne idée à une IA productive
Parlons de votre cas d’usage, de sa valeur, des données et de l’intégration pour définir une prochaine étape concrète.