Chacun lit et écrit dans le même graphe, sous le même modèle de droits. C'est ce qui les fait travailler ensemble plutôt que de s'empiler.
Choisissez un module
Assistant
01 / 10
Poser une question, obtenir une réponse défendable
L'assistant lit votre question en français, décide où chercher, interroge le graphe et les documents, puis rédige. Chaque affirmation renvoie au document qui la justifie : une réponse se vérifie en un clic, elle ne se croit pas sur parole.
Cinq stratégies de recherche, du ciblage d'une entité à la vue d'ensemble d'un domaine, choisies automatiquement selon la question
Citations cliquables : chaque source ouvre la fiche de l'entité ou le document d'origine
Réponse écrite au fil de l'eau, avec les étapes de recherche affichées en direct et conservées dans l'historique
Restitution adaptée : texte, tableau, schéma, ou fichier Excel, Word, PowerPoint, PDF et CSV à télécharger
Dossiers privés pour ranger ses conversations, mode projet pour partager fil, fichiers, mémoire et instructions avec une équipe
Recherche web optionnelle, activée par l'administrateur, avec le moteur de votre choix
Graphe
02 / 10
La carte des relations de votre entreprise
Le graphe est ce qui distingue Omniscient d'un moteur de recherche documentaire. Vos clients, contrats, projets, incidents et personnes y sont des objets reliés, et c'est cette structure qui permet de répondre à des questions qu'aucun document ne contient à lui seul.
Exploration visuelle : partir d'une entité, suivre ses liens, filtrer par type d'objet ou de relation
Modèle ouvert : ajoutez vos propres types d'entités et de relations sans développement
Chaque nœud conserve ses documents sources, consultables et téléchargeables depuis sa fiche
Recherche plein texte et requêtes avancées pour les profils techniques
Aperçu immédiat et navigation fluide sur des graphes à plusieurs centaines de milliers de nœuds
Vue des entités isolées, pour repérer ce qui n'a pas encore été rattaché
Ingestion
03 / 10
Alimenter le graphe sans écrire de code
Un pipeline se dessine : on choisit une source, on décrit ce qu'on veut en tirer, on planifie. Le moteur extrait, structure, dédoublonne et charge. Les fichiers volumineux sont lus en flux, sans saturer la machine.
Connecteurs : dossiers et fichiers déposés, fichiers structurés (CSV, TSV, Excel), bases SQL, API REST, Google Drive, SharePoint, HubSpot, Notion
Extraction multimodale : PDF, Word, PowerPoint, Excel et images, texte des images compris
Reconnaissance des entités et des relations par modèle de langage, sur vos propres catégories métier
Fusion des doublons : correspondance exacte, approximative et sémantique, avec gestion des alias
Correspondance de colonnes assistée, aperçu du résultat avant la première exécution
Planification à l'heure, au jour ou par expression cron, et reprise après incident sans tout réingérer
Connexions
04 / 10
Les identifiants déclarés une fois, partagés proprement
Une boîte e-mail, un accès HubSpot, une base de données : la connexion est déclarée une seule fois, puis désignée par les pipelines et les automatisations qui en ont besoin. Un mot de passe qui change se corrige à un seul endroit.
Dix familles : API REST, bases de données, Google Drive, SharePoint, HubSpot, Notion, envoi et réception d'e-mails, services HTTP, moteurs de recherche web
Le secret ne se relit jamais : aucune réponse de la plateforme ne renvoie un mot de passe, pas même à celui qui l'a saisi
Partage explicite : privé, personnes et rôles choisis, ou toute l'organisation en usage seul
Droit vérifié deux fois, à l'enregistrement puis à chaque exécution : retirer un partage arrête réellement le traitement suivant
Vue des usages : où cette connexion est-elle référencée, avant de la modifier ou de la supprimer
Test de connexion effectué par le service qui l'utilisera vraiment, donc représentatif
Automatisations
05 / 10
Ce qui se répète n'a plus à être fait
Une automatisation est un scénario que l'on dessine : un déclencheur, des étapes, des effets. Elle lit vos données, appelle un modèle de langage, décide, écrit dans le graphe, envoie un message, et s'arrête pour demander votre accord là où vous l'exigez.
Huit déclencheurs : horaire, réception d'un e-mail, webhook, dépôt de fichier, événement du graphe, fin de pipeline, alerte d'un modèle prédictif, lancement manuel
Plus de quarante briques : appel de modèle, classification, extraction structurée, résumé, traduction, lecture et écriture dans le graphe, conditions, boucles, agrégations, code
Effets : e-mail, transfert d'un message d'origine avec ses pièces jointes, Slack, Teams, notification interne, requête HTTP, webhook sortant, Google Drive, Notion, génération de document
Validation humaine : une étape d'approbation bloque le scénario jusqu'à décision, avec file d'attente dédiée
Test à blanc : le scénario s'exécute sans produire d'effet réel, en montrant ce qu'il aurait envoyé
Journal d'exécution, tableaux de bord, registre des effets produits et alertes en cas de dérive
Bibliothèque de modèles : publier un scénario éprouvé, l'instancier ailleurs, sans emporter les secrets
Agents
06 / 10
Des assistants qui connaissent leur métier
Un agent, c'est un assistant restreint à un domaine, avec ses instructions et son périmètre de données. La question de l'utilisateur est dirigée automatiquement vers celui qui sait y répondre, sans qu'il ait à choisir dans une liste.
Agents spécialisés par métier, avec instructions propres et accès limité aux données pertinentes
Aiguillage automatique fondé sur le sens de la question, avec repli sur le traitement générique en cas de doute
Équipes d'agents pour les processus qui demandent plusieurs compétences successives
Compétences réutilisables : des blocs d'instructions qu'un utilisateur écrit, partage, et que chacun active pour lui-même
Mémoire personnelle : les préférences exprimées en conversation sont retenues, consultables et effaçables à tout moment
Contexte d'entreprise commun injecté dans les échanges, pour que le vocabulaire maison soit compris
Prédictif
07 / 10
Apprendre la forme du graphe pour anticiper
Les modèles de graphe apprennent la structure habituelle de votre entreprise, puis signalent ce qui s'en écarte. Aucune compétence en science des données n'est requise pour les mettre en service.
Cinq architectures de réseaux de neurones sur graphe, choisies selon la tâche
Détection d'anomalies : le comportement qui ne ressemble pas aux autres
Prédiction de liens : la relation probable mais absente, comme le client qui va partir ou le rapprochement à faire
Classification et regroupement automatiques des entités
Entraînement en tâche de fond, suivi des expériences, accélération GPU optionnelle
Réentraînement programmé, et alertes qui déclenchent directement une automatisation
Notifications
08 / 10
Être prévenu au bon endroit
Fin de traitement, échec d'un pipeline, demande d'approbation, alerte prédictive : les événements de la plateforme deviennent des messages, sur le canal que chacun a choisi.
Trois canaux : e-mail, notification en direct dans l'application, webhook signé vers vos propres systèmes
Modèles de messages personnalisables, prévisualisables avant mise en service
Préférences par personne, par canal et par type d'événement
Nouvelle tentative automatique en cas d'échec d'envoi, avec espacement croissant
Historique des envois et relance manuelle possible
Supervision
09 / 10
Savoir ce que la plateforme fait, et ce qu'elle coûte
Tout traitement laisse une trace exploitable : ce qui a tourné, ce qui a échoué et pourquoi, combien de jetons ont été consommés et pour quel montant. La facture d'intelligence artificielle cesse d'être une surprise de fin de mois.
Console des pipelines : exécutions de toutes origines, journaux cherchables, échecs regroupés par cause
Comptabilité des coûts : jetons de génération et vectorisations comptés séparément, par traitement et par période
Console d'audit de l'assistant : volume de questions, durées, coûts, décisions d'aiguillage, notes attribuées
Tableau des traitements planifiés, les plus en retard en tête
Alertes de santé émises par la plateforme elle-même, sans dépendre d'un outil externe
État des services, inventaire des versions déployées, export CSV ou JSON de tout périmètre affiché
Gouvernance
10 / 10
Les droits d'abord, la recherche ensuite
Une plateforme qui lit tout le patrimoine documentaire ne vaut que si elle respecte les règles d'accès existantes. Le filtrage s'applique pendant la recherche : une réponse ne peut pas s'appuyer sur un document interdit à son lecteur.
Cinq rôles prédéfinis et des rôles sur mesure, par ressource et par action
Règles d'accès fines sur les entités, les relations et les documents
Partage décidé objet par objet : privé, personnes et rôles désignés, ou organisation entière
Cloisonnement strict entre organisations en mode mutualisé, jusque dans le graphe et les index
Journal d'audit conforme au RGPD, exportable pour vos contrôles
Chiffrement des échanges en transit et des secrets au repos
Questions fréquentes
Quelles sources la plateforme peut-elle connecter ?
Les espaces documentaires d'abord : SharePoint, Google Drive, Notion, et le dépôt de fichiers quand la source n'a pas d'API. Ensuite les applications métier, avec HubSpot pour la relation client et n'importe quelle API REST pour le reste. Enfin les bases de données, PostgreSQL, MySQL, SQL Server et MongoDB, ainsi que les boîtes aux lettres en IMAP. Chaque connexion est déclarée une fois, partagée à qui de droit, et réutilisée par les ingestions comme par les automatisations.
Quels formats de documents sait-elle lire ?
Les formats bureautiques courants, PDF, Word, Excel et PowerPoint, les fichiers tabulaires en CSV, et les images, dont le texte est extrait par reconnaissance optique. Un PDF scanné est donc lu comme un PDF né numérique. Les tableaux d'un classeur sont traités ligne par ligne plutôt qu'en bloc, ce qui permet de retrouver une ligne précise dans un fichier de plusieurs dizaines de milliers d'entrées.
En quoi est-ce différent d'une GED ou d'un moteur de recherche d'entreprise ?
Une gestion documentaire range des fichiers et sait vous rendre celui que vous nommez. Un moteur de recherche d'entreprise va plus loin et retrouve un fichier à partir de mots qu'il contient. Aucun des deux ne répond à une question dont la réponse n'est écrite dans aucun fichier, parce qu'elle se déduit de plusieurs. C'est ce que fait le graphe de connaissances : il relie les objets entre eux, et la recherche sémantique porte sur le sens de votre question plutôt que sur ses mots.
Faut-il remplacer nos outils existants ?
Non. Omniscient lit vos sources là où elles sont et n'en prend la place d'aucune. Vos documents restent dans votre espace documentaire, vos données client dans votre outil de relation client, vos tables dans vos bases. La plateforme construit la carte qui les relie et répond dessus. C'est aussi ce qui rend la sortie simple : ce que vous perdriez en arrêtant, c'est la carte, pas les données.
Est-ce réservé aux grandes entreprises ?
Non, et c'est même l'inverse du besoin le plus courant. Une PME ou une ETI n'a pas moins de données dispersées qu'un grand groupe, elle a moins de personnes pour aller les chercher. Un premier périmètre se monte sur deux ou trois sources, en mode mutualisé, sans rien installer chez vous. Les modes dédié et sur site existent pour les organisations dont les données ne peuvent pas sortir du réseau.
Quel modèle d'IA générative est utilisé, et peut-on le choisir ?
Oui. La plateforme n'est liée à aucun fournisseur de modèle de langage : vous pouvez utiliser le nôtre, le vôtre, ou un modèle ouvert exécuté sur votre propre infrastructure. Dans ce dernier cas, aucune donnée ne sort de votre réseau, génération comprise. Le modèle ne sert qu'à comprendre la question et à rédiger la réponse. Ce sur quoi il rédige vient toujours de vos données, et cela ne change pas selon le modèle retenu.