Photo : cottonbro studio · PexelsNehos lance la Nehos Agent Platform (NAP) — notre plateforme agents IA pour les ETI françaises
Nous livrons des agents IA sur mesure et nous avons regroupé ce qui revient à chaque projet dans une plateforme unifiée. Souverain, RGPD-first, interlocuteur humain inclus.
Nos clients types
#Pourquoi Nehos lance une plateforme agents IA en 2026
Les équipes Nehos livrent des agents IA sur mesure pour des entreprises françaises : agents RAG pour la base de connaissance interne, callbots IA pour le service client, automatisations métier pour la finance et la supply chain. Les projets fonctionnent, 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 — une grande part 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 : une grande partie des besoins est commune d'un client à l'autre, donc la décision logique est d'extraire ce qui est commun dans une plateforme réutilisable. Nehos garde son avantage sur ce qui est différenciant — 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). 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 : les réponses s'appuient sur des passages cités à la source. 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 un seuil que vous fixez, 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 chez un hébergeur qualifié, RGPD pris en compte dès la conception) 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 un engagement de disponibilité défini au contrat pour les environnements de production.
#Ce que ça change pour les clients
L'intérêt de NAP se mesure en temps et en budget. Sur un projet sur mesure, une part importante de l'effort part dans l'infrastructure commune (ingestion, connecteurs, supervision) avant même de traiter le métier du client. Avec une base réutilisable, ce travail est déjà fait.
Concrètement, NAP gère la tuyauterie et l'équipe Nehos se concentre sur ce qui crée de la valeur : 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 indicateurs avant/après.
Côté budget, la démarche est progressive : un audit IA express (à partir de 990 € HT) pour cadrer, un MVP d'agent IA (à partir de 11 000 € HT) pour démontrer la valeur, puis une plateforme multi-agents (à partir de 50 000 € HT) si le pilote le justifie. On mesure le temps gagné pendant le pilote avant de décider d'aller plus loin.
#Exemples de situations
Ces trois situations types sont construites pour illustrer les usages visés. Ce ne sont pas des cas clients et elles ne comportent aucun résultat chiffré.
Courtier d'assurance : des agents spécialisés sur un socle commun : un courtier peut avoir trois processus très répétitifs : traitement des déclarations de sinistres, instruction des dossiers de souscription et support SAV. Plutôt que des agents développés séparément, des agents spécialisés partagent le même RAG Engine indexé sur la documentation produit, la même couche Monitor et les mêmes connecteurs CRM.
Le suivi porte sur le temps de traitement et le taux d'escalade vers un humain, mesurés pendant le pilote. Pour aller plus loin sur l'insurtech IA, notre article sectoriel détaille l'architecture complète.
Entreprise de logistique : trésorerie, réclamations, reporting : une entreprise logistique peut vouloir automatiser le rapprochement bancaire quotidien, le traitement des réclamations transporteurs (retards, dommages) et la génération du reporting hebdomadaire de direction. Trois agents distincts, connectés à l'ERP pour les données financières et au CRM pour les réclamations. Les cas à traiter par un humain restent clairement identifiés.
Collectivité : assistant citoyen multicanal : une collectivité territoriale peut déployer un assistant capable de répondre aux questions administratives courantes sur plusieurs canaux : le site web (widget), WhatsApp Business et un serveur vocal interactif. Le RAG Engine indexe la base documentaire (formulaires, procédures, horaires, contacts des services), les connecteurs WhatsApp Business et voix IA gèrent les canaux, et un seul dashboard Monitor supervise les points d'accès.
#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 évite de reconstruire à chaque projet les briques communes, et pour les besoins spécifiques, la plateforme peut être étendue sur mesure.
#Les pistes d'évolution
NAP est un produit vivant. Voici les évolutions envisagées, sans engagement de calendrier.
Offre publique et tarification claire : une page tarifs détaillée sur nehos-groupe.com, avec des formules selon le nombre d'agents et le volume de requêtes, et un déploiement on-premise pour les besoins les plus exigeants.
Templates d'agents par secteur : une bibliothèque d'agents préconfigurés (assurance : sinistres, souscription ; logistique : trésorerie, réclamations ; RH : onboarding, formation ; finance : reporting, conformité) pour raccourcir le déploiement. Le standard MCP serait supporté pour l'interopérabilité avec les outils tiers qui adoptent Model Context Protocol.
Mode white-label pour éditeurs SaaS : les éditeurs de logiciels qui veulent intégrer des agents IA dans leurs produits pourraient utiliser NAP comme infrastructure sous-jacente. C'est le modèle « Stripe des agents IA » : simple à intégrer via API, robuste sous le capot.
SDK mobile : un SDK React Native pour intégrer des agents NAP dans des applications mobiles existantes, avec un modèle léger sur l'appareil pour les requêtes simples et un basculement vers le cloud pour les requêtes complexes.
#Comment tester NAP
Nous accompagnons quelques entreprises sur un premier processus à automatiser. Pas pour filtrer, mais pour s'assurer que la démarche a du sens pour tout le monde.
Ce qu'il faut : une entreprise basée en France ou avec une entité française principale, au moins un processus répétitif documenté à automatiser (nous aidons à l'identifier si ce n'est pas encore formalisé), et un interlocuteur DSI ou IT disponible pour des ateliers de travail pendant le déploiement.
Ce que nous apportons : des architectes Nehos dédiés à votre projet, l'accès à la plateforme NAP et un retour d'expérience structuré à l'issue du pilote.
Comment postuler : envoyez un email à foued@nehos-groupe.com avec le sujet « Plateforme agents IA NAP » et une description en 5 lignes du processus que vous souhaitez automatiser. Vous pouvez aussi passer par le formulaire de contact. Nous répondons sous 48 heures ouvrées, avec 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.
Nous envisageons d'ouvrir une partie des composants (RAG Engine, framework de connecteurs) en open source : la communauté améliore les composants, identifie les bugs et contribue des connecteurs que nous n'aurions pas le temps de construire seuls.
Si vous êtes ingénieur IA, architecte ou profil Customer Success et que le sujet vous parle, écrivez-nous.
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, 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.
Photos : Tiger Lily, Yan Krukau sur Pexels.
Questions & réponses
Questions fréquentes sur la Nehos Agent Platform
NAP est disponible dans les deux modes. Le mode SaaS (hébergement en France chez un hébergeur qualifié) est le plus rapide à déployer — c'est le mode de déploiement le plus rapide à mettre en place. Le mode on-premise est disponible pour les clients qui exigent que les données ne quittent jamais leur infrastructure propre (secteur défense, données très sensibles, contraintes contractuelles spécifiques). Les deux modes partagent exactement les mêmes fonctionnalités et la même interface d'administration. Le choix entre les deux dépend de votre profil de contraintes réglementaires et de votre capacité opérationnelle à gérer une infrastructure Kubernetes interne.
NAP est totalement LLM-agnostique. Vous pouvez utiliser Anthropic Claude 3.7/4, OpenAI GPT-4o, Mistral Large, ou LLaMA 3 en déploiement privé. Le routage intelligent de NAP permet même de mixer les modèles selon le type de requête pour optimiser le rapport qualité/coût : un modèle léger (Mistral Medium, GPT-4o mini) pour les requêtes simples de FAQ, un modèle plus puissant (Claude 4, GPT-4o) pour les raisonnements complexes sur des documents contractuels. Nehos n'a aucun partenariat d'exclusivité avec un fournisseur LLM — votre liberté de choix est préservée.
L'isolation multi-tenant est mise en œuvre à chaque couche de l'architecture. Au niveau base de données : chaque client dispose d'un schéma PostgreSQL isolé et d'un namespace Qdrant dédié — aucune requête d'un client ne peut accéder aux données d'un autre, même en cas de bug applicatif. Au niveau LLM : les appels API sont routés avec des clés API distinctes par tenant, et le contexte (system prompt, historique conversationnel) est strictement cloisonné. Au niveau logs et audit trail : les journaux sont partitionnés par tenant avec chiffrement des clés de partition distinct. En mode on-premise, l'isolation est totale par définition — chaque client déploie sa propre instance.
Aujourd'hui (Q2 2026), l'intégration mobile se fait via l'API REST NAP : votre app React Native appelle les endpoints NAP exactement comme elle appellerait n'importe quelle API JSON. Les SDK iOS et Android natifs ne sont pas encore disponibles — c'est une évolution envisagée (NAP Mobile SDK). Ce SDK permettra une intégration native avec gestion du mode hors-ligne (modèle quantifié on-device pour les requêtes simples), synchronisation de l'historique conversationnel et gestion des permissions plateforme (iOS/Android). En attendant, l'API REST fonctionne parfaitement pour les cas d'usage connectés — la latence est adaptée à la majorité des interactions mobiles non temps réel.
Développer directement sur LangGraph vous donne le maximum de flexibilité et de contrôle. C'est ce que Nehos fait pour les projets qui sortent du cadre couvert par NAP (architectures très spécifiques, intégrations propriétaires complexes, logique métier non standard). NAP, c'est LangGraph + RAG Engine + Connectors + Monitor + Deploy + maintenance — packagé, testé et maintenu par Nehos. Pour les cas d'usage couverts par la plateforme, on gagne du coût et du temps de déploiement, car les briques communes sont déjà là. L'autre différence majeure : avec NAP, vous bénéficiez des montées de version automatiques (nouvelles versions LangGraph, nouveaux modèles LLM supportés, nouveaux connecteurs) sans effort de votre côté. Avec du custom LangGraph, vous gérez vous-même les mises à jour et les incompatibilités de versions.
Nehos fonctionne sur un modèle hybride : engagement de moyens sur la plateforme et le déploiement technique (disponibilité, temps de réponse du support, livrables de configuration définis au contrat), et engagement de résultat sur les KPIs métier définis conjointement en amont lors de la phase de discovery. Les indicateurs sont définis ensemble au démarrage (taux de réponse sans escalade humaine, délai de traitement, coût par interaction) et mesurés pendant le pilote. Si les KPIs ne sont pas atteints à la date contractuelle, Nehos prend en charge les itérations correctives sans surcoût. Ce modèle est possible parce que NAP réduit les inconnues techniques — la majorité des risques projet sont désormais sur la qualité des données et la définition des processus, pas sur la plateforme.
Parlons de votre projet
Un devis chiffré, sans engagement
Décrivez votre besoin en deux minutes : un consultant senior vous répond avec une première estimation et les prochaines étapes.
- Réponse sous 24 h ouvrées
- Sans engagement
- Un consultant senior vous répond