À propos
Dix ans à faire marcher des systèmes d'IA dans des entreprises réelles.
Je m'appelle Anthony Crowther-Alwyn. J'ai passé dix ans dans des grandes entreprises françaises avant de créer Praedic, et je mets aujourd'hui cette expérience au service de structures qui n'ont ni équipe data ni temps à perdre.
Fondateur
Anthony Crowther-Alwyn
« Un modèle qui n'est pas explicable à un opérationnel ne sera jamais adopté. »
- Basé à
- Templeuve-en-Pévèle
- Intervient
- Hauts-de-France, et à distance partout en France
- Contact
- contact@praedic.com
- Le profil →
J'ai commencé par la data science classique, celle des modèles de prévision et des systèmes de décision, dans des entreprises où une erreur se compte en camions, en présentoirs vides ou en clients qui raccrochent.
Ce que j'y ai appris tient en une phrase : ce qui bloque n'est presque jamais la technologie, c'est de savoir quoi construire en premier.
Depuis mars 2026, j'applique ce constat à l'intelligence artificielle générative, qui a rendu accessibles à des entreprises de vingt personnes des chantiers qui demandaient hier une équipe entière. Le rôle utile n'est plus de savoir faire, il est de savoir quoi faire, dans quel ordre, et jusqu'où aller.
- 01 2015 - 2021
À l’intérieur des grandes entreprises
Data science chez ou pour Cofidis, Mondial Relay, Leclerc, Chronopost. C'est là que j'ai vu ce qui bloque réellement un projet : rarement le modèle, presque toujours la donnée qu'on croyait disponible, la décision que personne n'assume, et l'outil que les équipes n'adoptent pas.
- 02 2022 - 2025
Des systèmes d’IA mis en production
Prévision des ventes de presse pour un groupe de médias, plateforme d'analyse de la totalité des appels d'un centre de contact, agents d'aide au support d'un éditeur de logiciels, optimisation de stocks chez un distributeur, contrôle de facturation en audit financier. Le point commun : tout est allé en production et a été mesuré.
- 03 Depuis mars 2026
L’adoption de l’IA générative en PME
Des chantiers d'adoption menés chez mon client principal, un cabinet d'études de vingt personnes, et chez une société de télésurveillance. Acquisition, automatisation commerciale, outils internes, pipelines de données. Les résultats affichés sur ce site viennent de là.
Convictions
Quatre choses dont je suis à peu près sûr.
Le problème est rarement la technologie
Les modèles disponibles aujourd'hui dépassent ce dont la plupart des PME ont besoin. Ce qui manque, c'est quelqu'un qui passe une semaine à regarder où part réellement le temps.
Un système qui ne tourne pas ne vaut rien
Une démonstration impressionne un comité de direction pendant vingt minutes. Un système utilisé tous les jours change une entreprise. Ce n'est pas le même travail, et le second est plus long.
Un modèle inexplicable ne sera jamais adopté
C'est vrai d'un algorithme de réapprovisionnement comme d'un assistant qui rédige une offre. Si la personne qui s'en sert ne comprend pas d'où sort la proposition, elle la contourne.
La dépendance est un risque, pas un modèle d’affaires
Le code est chez vous, la documentation aussi, et le transfert est prévu dès le départ. Un prestataire dont on ne peut pas se passer finit toujours par coûter plus cher qu'il ne rapporte.
Étape suivante
Par où commencer chez vous ?
Dix jours pour cartographier où part le temps de vos équipes, chiffrer les leviers et désigner le premier système à construire. Si l'IA n'est pas la bonne réponse, je vous le dirai.
Diagnostic
Étape 110 jours
9 500 € HT · forfait, sur un domaine
- Cartographie du temps réellement passé sur le domaine audité
- Les leviers chiffrés en heures dégagées, classés par effort et par gain
- La note de confidentialité : quelle donnée sort, où elle est traitée
- Un plan de chantier à trois mois, avec le premier système à construire