8 juin 2026
De 1 à 5 produits AI First : la démarche produit de Smartly.AI
Chez Smartly.AI, on n’a pas construit une collection de produits pour avoir une belle slide de présentation. On est partis d’un produit historique, puis on a ajouté de nouvelles briques quand on a vu les mêmes besoins revenir, encore et encore, chez nos clients.
Un produit mérite d’exister quand on arrête de bricoler le même sujet au cas par cas.
Partir d’un produit, pas d’un catalogue
Au départ, il n’y avait qu’un seul produit : Smartly.ai, notre plateforme d’IA conversationnelle. C’était notre point de départ, celui avec lequel on a appris, livré, corrigé et accumulé le plus d’expérience.
Puis on a vu une limite très simple : les besoins des entreprises ne s’arrêtent pas à un chatbot. Elles veulent aussi traiter des documents, choisir les bons modèles, automatiser des actions, mieux gérer leur relation client et faire circuler l’information dans de vrais processus métier.
On aurait pu essayer de tout faire rentrer dans un seul produit. On a préféré une approche plus simple : créer un nouveau produit seulement quand le besoin revenait souvent, qu’il était assez clair, et qu’il méritait mieux qu’un assemblage bricolé.
De 1 à 5 produits
C’est comme ça qu’on est passés de 1 à 5 produits.
Le premier a été Agents. C’était la suite logique de notre plateforme historique : aller plus loin que la conversation, et construire des agents vraiment utiles, capables de s’intégrer à des outils, de suivre des règles et de rendre service dans des cas d’usage concrets.
Ensuite est venu Documents AI, parce que la même demande revenait sans arrêt : lire des documents, en extraire l’essentiel, les structurer et en faire quelque chose d’exploitable.
Models est arrivé pour une autre raison très simple : selon les contextes, les clients n’attendent pas la même chose. Certains veulent de la performance, d’autres du contrôle, d’autres encore de la souveraineté ou un meilleur équilibre coût/qualité. Il fallait donc rendre ce choix plus clair et plus pilotable.
AI Contact Center, lui, vient d’un constat qu’on a souvent vu sur le terrain : beaucoup d’équipes ne cherchent pas juste un bot en plus. Elles veulent mieux répondre, aller plus vite et éviter les ruptures entre les agents humains, la voix, le digital et les outils internes.
Enfin, Workflows s’est imposé presque tout seul. Dans beaucoup de projets, la valeur ne vient pas d’un modèle isolé, mais de l’enchaînement complet : lire une donnée, appliquer une règle, déclencher une action, faire valider si nécessaire et garder une trace.
Le sujet n’a jamais été d’empiler des features. Le sujet, c’était de construire des produits utiles, clairs, et qu’on puisse vraiment mettre en production.
Du besoin client au produit qui tient la route
Le point commun entre tous ces produits est simple : aucun n’est né d’un exercice de branding. À chaque fois, il y a eu d’abord un besoin client, puis un premier cas concret, puis plusieurs itérations pour transformer quelque chose d’utile en quelque chose de plus solide.
C’est probablement ce qui compte le plus dans notre manière de travailler. On ne voit pas un produit comme un objet terminé une fois pour toutes. On le voit comme un chemin : un premier usage, un premier client, un premier périmètre qui marche, puis du travail pour le rendre plus fiable, plus simple et plus facile à déployer.
En pratique, cela veut dire sortir du simple PoC. Il faut que ça tienne dans le temps, que ça s’intègre correctement, que les équipes comprennent comment s’en servir et que le résultat soit suffisamment propre pour être utilisé au quotidien.
Cette discipline nous aide aussi à rester lucides. Dans l’IA, il est très facile de lancer dix idées à la fois. Le plus dur, c’est de savoir lesquelles valent vraiment la peine d’être transformées en produit.
Cette logique se traduit aujourd’hui dans une suite de produits complémentaires :
Chacune de ces pages montre une partie du même travail : partir d’un besoin réel et en faire un produit utilisable.
Ce n’est pas une diversification pour faire plus grand. C’est une façon de répondre plus proprement à des problèmes qu’on rencontrait déjà sur le terrain.
Et c’est encore comme ça qu’on avance aujourd’hui : on écoute, on teste, on corrige, puis on transforme ce qui marche vraiment en produit.