Nehos lance la Nehos Agent Platform (NAP) — notre plateforme agents IA pour les ETI françaises

#Pourquoi Nehos lance une plateforme agents IA en 2026

Depuis 18 mois, les équipes Nehos livrent des agents IA sur mesure pour des ETI françaises : agents RAG pour la base de connaissance interne, callbots IA pour le service client, automatisations métier pour la finance et la supply chain. Le bilan est net : chaque projet fonctionne, chaque client est satisfait — mais quelque chose coinçait.

On reconstruisait la même plomberie à chaque fois. L'ingestion de documents multi-format, la vectorisation, le retrieval hybride, le state management des agents, les connecteurs Salesforce ou Zendesk, le système de monitoring des coûts tokens — 80 % du temps de développement partait dans de la tuyauterie qui ne crée aucune valeur différenciante. Ni pour le client, ni pour nos équipes.

Le constat s'est cristallisé au Q3 2025 : si 80 % des besoins sont similaires entre les clients, la décision logique est d'extraire ce qui est commun dans une plateforme réutilisable. Nehos garderait son avantage sur les 20 % différenciants — la compréhension des processus métier, la configuration fine des agents, la formation des équipes clientes.

C'est ainsi qu'est née la Nehos Agent Platform (NAP). Après 6 mois de développement interne et de tests avec nos clients existants, NAP est en beta client depuis avril 2026. Voici ce qu'elle fait, comment elle est construite, et pourquoi nous pensons qu'elle change la donne pour les ETI françaises qui veulent déployer des agents IA sérieusement.

#Les 5 briques de la Nehos Agent Platform

NAP est architecturée en 5 modules indépendants mais intégrés. Chaque brique peut être utilisée seule ou combinée avec les autres selon les besoins du projet.

#Nehos RAG Engine — la brique documentaire

Le Nehos RAG Engine gère l'ensemble du pipeline RAG : ingestion de documents multi-format (PDF, DOCX, HTML, CSV, JSON, emails via IMAP, pages web via scraping), découpage intelligent (chunking sémantique par paragraphe logique plutôt que par taille fixe), vectorisation (modèles configurables : bge-m3 pour le français, Ada-003, Cohere Embed v3), stockage dans une base vectorielle (pgvector PostgreSQL ou Qdrant selon les volumes), et retrieval hybride combinant recherche dense (similarité sémantique) et recherche sparse (BM25 sur les mots-clés exacts) avec reranking par un cross-encoder.

Ce que ça change concrètement : une base de connaissances de 50 000 documents est ingérée et indexée en moins de 4 heures. Les requêtes en retrieval retournent des passages pertinents en 80 à 200 ms, citations de source incluses. L'équipe client ne gère ni l'infrastructure vectorielle, ni les embeddings, ni le pipeline de re-indexation automatique — NAP s'en charge.

#Nehos Orchestration — la brique multi-agent

Nehos Orchestration est la couche LangGraph encapsulée et préconfigurée pour les patterns agents les plus fréquents en entreprise. Elle gère le routing intelligent entre agents spécialisés (quel agent traite cette requête ?), le state management persistant (un agent peut reprendre une conversation interrompue des heures plus tard), la gestion des boucles et des retry, et le human-in-the-loop — les points d'escalade vers un opérateur humain sont configurables par workflow sans toucher au code.

Le choix de LangGraph n'est pas anodin. Contrairement aux frameworks concurrents, LangGraph traite les agents comme des graphes d'état déterministes — on peut auditer chaque décision, rejouer chaque étape, déboguer chaque branche. Pour les ETI françaises soumises à des exigences de traçabilité et d'auditabilité, c'est un prérequis non négociable.

#Nehos Connectors — les 50+ intégrations prêtes

Nehos Connectors supprime la phase d'intégration répétitive. 50+ connecteurs prêts à l'emploi couvrent les outils de CRM (Salesforce, HubSpot), ERP (SAP, Sage, Cegid), messagerie et support client (WhatsApp Business, Twilio, Zendesk, Freshdesk), productivité (SharePoint, Confluence, Notion, Google Workspace) et données structurées (PostgreSQL, MySQL, Snowflake, BigQuery).

Les connecteurs sont bidirectionnels : les agents peuvent lire les données et y écrire — créer un ticket Zendesk, mettre à jour un enregistrement Salesforce, envoyer un message WhatsApp, déclencher une action SAP. Chaque connecteur est versionné, testé en continu et maintenu par l'équipe Nehos. Quand Salesforce publie une mise à jour de son API, c'est Nehos qui gère la montée de version — pas le client.

#Nehos Monitor — l'observabilité agents

Déployer un agent IA sans observabilité, c'est piloter à l'aveugle. Nehos Monitor fournit un dashboard en temps réel sur les métriques clés : latence P50/P95/P99 des requêtes, coût tokens par session et par agent, taux d'escalade humaine, taux de satisfaction (CSAT automatique via feedback implicite et explicite), et taux d'erreur par type de requête.

Les alertes sont configurables : si le taux d'escalade dépasse 15 % sur une période glissante de 24 heures, l'équipe Nehos et le référent client sont notifiés automatiquement. Si un agent commence à répondre hors de sa zone de compétence (détection de drift par classification de requêtes), une alerte préventive est déclenchée avant que la qualité ne se dégrade. C'est cette obsession de la qualité en production qui distingue un déploiement industriel d'un POC qui tourne dans un coin.

#Nehos Deploy — la brique infrastructure souveraine

Nehos Deploy gère le déploiement et l'exploitation de la plateforme dans deux modes : cloud souverain OVHcloud (données hébergées en France, certifié HDS disponible, conformité RGPD by design) ou on-premise dans l'infrastructure du client (Kubernetes on-premise, air-gapped pour les contextes à très haute sensibilité).

Chaque déploiement inclut : logs chiffrés en transit et au repos, audit trail complet de chaque appel LLM (qui a demandé quoi, quand, quelle réponse a été générée), isolation des données entre clients (multi-tenancy strict), et SLA de disponibilité 99,5 % sur les environnements de production.

#Ce que ça change pour les clients

Le vrai impact de NAP se mesure en temps et en argent. Voici les chiffres réels observés sur les projets beta.

Avant NAP : un projet agent IA sur mesure représentait 90 jours minimum de développement pour un POC fonctionnel, et un budget de4 8 960 € pour un déploiement production. Ces chiffres ne sont pas des exceptions — c'est la réalité du marché quand chaque équipe repart de zéro sur la tuyauterie.

Avec NAP : un proof-of-concept fonctionnel est livré en 2 semaines pour un budget de à partir de 928 €. La mise en production complète avec monitoring, connecteurs et formation des équipes prend 6 semaines pour 3 1 920 €.

L'équation est simple : NAP gère la tuyauterie — l'équipe Nehos se concentre sur ce qui crée vraiment de la valeur pour le client. Comprendre les processus métier à automatiser. Identifier les données disponibles et leur qualité. Configurer les agents pour qu'ils s'intègrent dans les workflows existants. Former les équipes opérationnelles. Mesurer les KPIs avant/après.

C'est un changement de modèle économique aussi : au lieu de facturer 150 K€ d'un coup pour un projet long et risqué, Nehos peut proposer un POC à 20 K€ qui démontre la valeur avant tout engagement plus large. Pour les ETI qui hésitent à franchir le pas sur l'IA, c'est la différence entre une décision difficile et une expérimentation accessible.

#Clients beta : 3 cas réels

NAP n'est pas une promesse — c'est un produit en production chez de vrais clients depuis avril 2026. Voici les trois premiers cas.

Courtier assurance — 15 agents spécialisés en 8 semaines : un courtier assurance de taille ETI avait identifié trois processus à forte intensité répétitive — traitement des déclarations de sinistres, instruction des dossiers de souscription, et support SAV clients. Avant NAP, chaque processus fonctionnait sur des agents développés séparément, sans plateforme commune. Avec NAP, 15 agents spécialisés (5 sinistres, 5 souscription, 5 SAV) partagent le même RAG Engine indexé sur la documentation produit, la même couche Monitor, et les mêmes connecteurs CRM. Délai total de déploiement : 8 semaines. Résultat à 60 jours : -40 % de temps de traitement sur les dossiers sinistres standardisés, et un taux d'escalade humaine de 12 % (en dessous de l'objectif de 15 %). Pour aller plus loin sur l'insurtech IA, notre article sectoriel détaille l'architecture complète.

ETI logistique — agent trésorerie, réclamations, reporting : une ETI logistique de 350 personnes voulait automatiser trois processus financiers : le rapprochement bancaire quotidien (trésorerie), le traitement des réclamations transporteurs (litiges sur les retards et dommages), et la génération automatique du reporting hebdomadaire direction. Trois agents distincts, connectés à SAP pour les données financières et à Salesforce pour les réclamations. Du POC à la production : 3 mois. L'agent trésorerie traite 95 % des rapprochements sans intervention humaine, l'agent réclamations réduit le délai de traitement de 5 jours à 18 heures.

Collectivité 80 000 habitants — chatbot citoyen multicanal : une collectivité territoriale souhaitait déployer un assistant citoyen capable de répondre aux questions administratives courantes sur trois canaux simultanément — le site web (widget), WhatsApp Business, et un serveur vocal interactif (IVR) intégré au standard téléphonique. NAP a permis le déploiement en 4 semaines : le RAG Engine indexe la base documentaire de la collectivité (formulaires, procédures, horaires d'ouverture, contacts des services), les connecteurs WhatsApp Business et voix IA gèrent les canaux, et un seul dashboard Monitor supervise les trois points d'accès. Le taux de réponse sans transfert vers un agent humain atteint 68 % dès la 4ème semaine de production.

#Architecture technique de NAP

NAP est construit sur une stack moderne, cloud-native, et délibérément orientée standards ouverts pour éviter les lock-in technologiques.

Stack de base : NestJS pour le backend d'orchestration (TypeScript, forte typage, testabilité), LangGraph pour le framework agents, pgvector PostgreSQL pour les vecteurs sur les déploiements à volume modéré, Qdrant pour les déploiements haute performance (>1M vecteurs), Redis pour le state management des sessions et le cache LLM, Kafka pour l'event streaming entre microservices, Next.js 16 pour le dashboard admin client (App Router, Server Components), et Kubernetes sur OVHcloud pour l'orchestration des conteneurs en production.

Modèles LLM supportés : NAP est LLM-agnostique par conception. Les modèles configurables en production sont Anthropic Claude 3.7 et Claude 4 (via API Anthropic), OpenAI GPT-4o et GPT-4o mini, Mistral Large et Mistral Medium (via API Mistral AI), et LLaMA 3 70B/405B en déploiement privé pour les clients qui exigent que le modèle ne sorte jamais de leur infrastructure. Le routage intelligent de NAP peut mélanger les modèles selon le type de requête — un modèle léger et rapide pour les requêtes simples, un modèle plus puissant pour les raisonnements complexes — afin d'optimiser le rapport qualité/coût tokens.

Conformité et sécurité : RGPD by design dès l'architecture (minimisation des données, durée de rétention configurable, droit à l'effacement automatisable), données hébergées en France sur OVHcloud, logs chiffrés (AES-256 au repos, TLS 1.3 en transit), audit trail complet de chaque appel LLM exportable pour les obligations de conformité, et isolation multi-tenant stricte. La sécurité des agents IA selon le cadre OWASP LLM est intégrée nativement dans NAP — protection contre le prompt injection, le data exfiltration et les attaques adversariales sur les pipelines RAG.

#Positionnement vs les alternatives

NAP n'existe pas dans un vide. Il y a des alternatives — voici notre analyse honnête de la comparaison.

NAP vs Microsoft Copilot Studio : Copilot Studio est bien intégré dans l'écosystème Microsoft 365. Si votre entreprise vit dans Teams et SharePoint et n'a pas de contrainte de souveraineté forte, c'est une option valide. Mais vous êtes 100 % dépendant de Microsoft — pricing, roadmap, hébergement US par défaut. NAP est API-first, multi-LLM, déployable en France, et vos agents ne sont pas enfermés dans un écosystème propriétaire. Pour les ETI qui ont des données sensibles ou des clients dans des secteurs régulés (assurance, finance, santé, collectivités), la souveraineté n'est pas un luxe — c'est une contrainte contractuelle ou réglementaire.

NAP vs AWS Bedrock Agents : Bedrock est techniquement solide, mais il est conçu pour des équipes d'ingénieurs AWS avec du temps et de l'expertise en infrastructure cloud. NAP cible les ETI françaises avec un interlocuteur humain, un support en français, une facturation en euros, et des SLA documentés en droit français. La cloud souveraineté en France est un enjeu de plus en plus central pour les entreprises sous contrats publics ou dans des secteurs sensibles.

NAP vs n8n / Zapier : ces outils sont excellents pour l'automatisation de workflows sans code. Mais ils ne sont pas conçus pour l'IA : pas de RAG natif, pas d'orchestration multi-agent, pas de state management des conversations longues. Si votre besoin est de relier des APIs sans intelligence contextuelle, n8n fait le travail. Si votre besoin est de déployer des agents capables de comprendre des documents, de raisonner sur des données et de s'adapter au contexte d'une conversation, il vous faut une plateforme agent — c'est ce qu'est NAP.

NAP vs développement custom LangGraph : développer directement sur LangGraph est techniquement possible et donne le maximum de flexibilité. Nehos le fait pour les projets les plus complexes. Mais le coût est réel : infrastructure à construire et maintenir, monitoring à mettre en place, connecteurs à développer, mises à jour des dépendances à gérer. NAP, c'est 70 % moins cher à parité fonctionnelle sur les 80 % de cas couverts par la plateforme — et pour les 20 % restants, NAP peut être étendu sur mesure.

#La roadmap 2026-2027

NAP est un produit vivant. Voici les jalons que nous nous sommes engagés à tenir.

Q3 2026 — Launch public et pricing transparent : la beta se termine et NAP devient disponible publiquement avec une page pricing détaillée sur nehos-groupe.com. Trois tiers : NAP Starter (pour les POC, 1 agent, 10 000 requêtes/mois), NAP Business (jusqu'à 10 agents, 200 000 requêtes/mois, monitoring avancé), NAP Enterprise (agents illimités, déploiement on-premise, SLA custom). Les prix seront affichés sans ambiguïté — pas de tarification opaque sur devis uniquement.

Q4 2026 — Marketplace de templates agents : une bibliothèque de templates agents préconfigurés par secteur (assurance : agent sinistres, agent souscription ; logistique : agent trésorerie, agent réclamations ; RH : agent onboarding, agent formation ; finance : agent reporting, agent conformité). Un template NAP peut être déployé en production en moins de 5 jours au lieu de 2 semaines. Le standard MCP sera supporté nativement pour l'interopérabilité avec les outils tiers qui adoptent Model Context Protocol.

Q1 2027 — NAP multitenancy pour éditeurs SaaS : les éditeurs de logiciels qui veulent intégrer des agents IA dans leurs produits (embedded AI) pourront utiliser NAP comme infrastructure sous-jacente en white-label. Un éditeur SIRH, un éditeur de logiciel comptable, un ERP sectoriel — chacun peut proposer des agents IA à ses clients sans construire la plateforme elle-même. C'est le modèle "Stripe des agents IA" : simple à intégrer via API, enterprise-grade sous le capot, souverain.

Q2 2027 — NAP Mobile SDK : un SDK React Native permettant d'intégrer des agents NAP directement dans des applications mobiles existantes. Les agents sont disponibles on-device pour les requêtes simples (avec un modèle quantifié léger) et basculen sur le cloud NAP pour les requêtes complexes nécessitant le RAG Engine ou l'orchestration multi-agent.

#Comment devenir client beta NAP

Le programme beta est ouvert à 20 ETI françaises supplémentaires jusqu'en septembre 2026. Voici les critères de sélection que nous appliquons — pas pour filtrer, mais pour nous assurer que le programme a du sens pour tout le monde.

Critères : entreprise de 50 à 2 000 employés, basée en France ou avec une entité française principale, disposant d'au moins un processus répétitif documenté à automatiser (nous aidons à l'identifier si ce n'est pas encore formalisé), et d'un interlocuteur DSI ou IT disponible pour deux ateliers de travail par mois pendant la phase de déploiement.

Ce qui est inclus dans le programme beta : deux architectes Nehos dédiés à votre projet pendant toute la durée du déploiement, accès complet à la plateforme NAP (tous les modules, sans limitation de requêtes pendant 3 mois), support illimité par Slack et visio, et un retour d'expérience structuré à l'issue des 3 mois qui alimente la roadmap publique de NAP.

Comment postuler : envoyez un email à foued@nehos-groupe.com avec le sujet "Programme beta NAP" et une description en 5 lignes du processus que vous souhaitez automatiser. Vous pouvez aussi passer par le formulaire de contact en sélectionnant "Plateforme agents IA NAP" comme sujet. Nous répondons sous 48 heures ouvrées. Pas de call de vente, pas de pitch deck — juste un premier échange de 30 minutes pour valider que NAP correspond à votre besoin.

#Message aux développeurs et équipes techniques

NAP n'est pas une boîte noire réservée aux non-techniciens. Il est conçu par et pour des équipes techniques qui veulent construire des agents IA sérieusement, sans réinventer la roue.

Les composants core de NAP — le RAG Engine et le Connectors framework — seront publiés sur GitHub sous licence MIT en Q4 2026. Nous croyons que l'open source renforce les produits commerciaux : la communauté améliore les composants, identifie les bugs, et contribue des connecteurs que nous n'aurions pas le temps de construire seuls. Les composants d'orchestration avancée et le dashboard Monitor resteront dans la version commerciale — c'est là que réside la valeur que nous monétisons.

Nehos recrute activement trois profils pour accélérer le développement de NAP : un Senior AI Engineer (Python/TypeScript, LangGraph, RAG en production), un Solution Architect (accompagnement client, architecture agents, 5 ans min en ESN ou cabinet conseil tech), et un Customer Success IA (profil technique avec appétence client, accompagnement des ETI dans leurs premiers déploiements agents).

Si vous construisez des agents IA pour des entreprises françaises — en freelance, en ESN, en startup — nous sommes aussi ouverts à des partenariats. Revendeurs, intégrateurs certifiés NAP, co-développement de templates sectoriels : envoyez-nous un message, la conversation peut valoir le coup. La définition complète de ce qu'est un agent IA et les fondamentaux sont disponibles dans nos ressources si vous débutez sur le sujet.