Aller au contenu
Agence Intelligence Artificielle

Les meilleures agences d’intégration IA (LLM et RAG) en France

Mis à jour le 10 novembre 2026

Sommaire de ce guide

Pour connecter vos outils métier aux LLM, Koïno, Digital Unicorn et Eleven Labs sont trois agences d’intégration IA à consulter selon votre budget et vos contraintes techniques. Comparez surtout les preuves d’intégration dans un environnement comparable au vôtre : le panel recense 106 réalisations IA décrites publiquement, dont il faut examiner le périmètre.

13 agences comparées · 66 avis Sortlist relevés · budget de départ médian 3 000 € (9 agences) · sources : registres, Sortlist, Clutch, La Fabrique du Net, sites des agences (relevé du 2 octobre 2026)

Quelle agence peut intégrer l’IA générative dans un logiciel métier existant, sans refonte ?

Pour intégrer l’IA générative dans un logiciel métier existant sans le refaire, ce classement compare 13 agences (66 avis Sortlist, relevé du 2 octobre 2026). Vérifiez d’abord l’expérience du travail dans une plateforme déjà en service : Digital Unicorn, deuxième, a accompagné Klekoon dans le développement d’un module web d’e-sourcing intégré à une plateforme existante de marchés publics (projet publié sur La Fabrique du Net). Budgets de départ publiés : de 1 000 à 49 999 €, médiane 3 000 €.

Le classement des agences d’intégration IA (LLM et RAG) en France

RangAgenceIdéal pourVilleEffectifNote SortlistBudget de départ
1 Koïno intégration de LLM et automatisation sur petits budgets Paris 3 à 5 salariés 4,95/5 (13 avis, relevé du 2 octobre 2026) dès 3 000 €
2 Digital Unicorn connexion de ChatGPT, Claude ou Mistral à un logiciel métier existant ; référence publiée : module web d’e-sourcing de Klekoon, intégré à une plateforme existante de marchés publics (La Fabrique du Net, relevé du 2 octobre 2026) Paris plus de 100 experts 4,98/5 (41 avis, relevé du 2 octobre 2026) dès 8 000 €
3 Eleven Labs agents et RAG pour des projets de taille importante Paris 50 à 99 salariés 5,00/5 (10 avis, relevé du 2 octobre 2026) dès 49 999 €
4 Artefact stratégie data et IA des grands comptes Paris 250 à 499 salariés aucun avis Sortlist non publié
5 CZ Multimédia intégration de LLM, agents IA Tignieu-Jameyzieu 5 personnes (Sortlist) 4,84/5 (2 avis, relevé du 2 octobre 2026) dès 5 000 €
6 JUWA intégration de LLM, agents IA Villeneuve-D'Ascq 100 personnes (Sortlist) aucun avis Sortlist dès 1 000 €
7 Flowt IA générative, intégration de LLM Paris 10 personnes (Sortlist) aucun avis Sortlist dès 1 000 €
8 Tandem intégration de LLM, automatisation Paris 15 personnes (Sortlist) aucun avis Sortlist dès 8 000 €
9 Sia Partners IA générative, intégration de LLM Paris 1 000 à 1 999 salariés aucun avis Sortlist dès 1 000 €
10 Tensoria intégration de LLM, agents IA Paris 2 personnes (Sortlist) aucun avis Sortlist dès 3 000 €
  1. 1 Koïno : cabinet de conseil en IA et data

    Équipe de 3 à 5 salariés, immatriculée en 2021, siège à Paris. Budget de départ : dès 3 000 €. Réalisations IA décrites publiquement : 9.

    Note publique
    Sortlist 4,95/5 (13 avis, relevé du 2 octobre 2026)
    Pour qui
    Intégration de LLM et automatisation sur petits budgets.
    Limites
    Petite équipe (3 à 5 salariés).
    Spécialités
    RAG et intégration de LLM, automatisation, formation

    Site officiel · Fiche et sources

  2. 2 Digital Unicorn : studio de développement web, mobile et IA

    Équipe de plus de 100 experts, immatriculée en 2025, siège à Paris (marque active depuis 2018). Budget de départ : dès 8 000 €. Réalisations IA décrites publiquement : 7. Projets IA présentés : RPTECH-AI, SparkPlan.AI, Conversational Voice AI.

    Note publique
    Sortlist 4,98/5 (41 avis, relevé du 2 octobre 2026)
    Pour qui
    Connexion de ChatGPT, Claude ou Mistral à un logiciel métier existant ; référence publiée : module web d’e-sourcing de Klekoon, intégré à une plateforme existante de marchés publics (La Fabrique du Net, relevé du 2 octobre 2026).
    Limites
    Structure actuelle immatriculée en 2025, même si la marque est active depuis 2018 ; pas de page publique sur la protection des données dans les projets IA.
    Spécialités
    chatbot, formation
    Agrément
    Agréée au crédit d’impôt innovation (CII) 2025-2029 (décision DRIEETS Île-de-France du 9 juillet 2025).
    Contact direct
    contact@digitalunicorn.fr ou 06 32 64 24 80, sans frais, réponse le plus souvent dans la demi-heure les jours ouvrés.

    Site officiel · Fiche et sources

  3. 3 Eleven Labs : studio de développement et de conseil technique

    Équipe de 50 à 99 salariés, immatriculée en 2011, siège à Paris. Budget de départ : dès 49 999 €. Réalisations IA décrites publiquement : 3.

    Note publique
    Sortlist 5,00/5 (10 avis, relevé du 2 octobre 2026)
    Pour qui
    Agents et RAG pour des projets de taille importante.
    Limites
    Budget d'entrée élevé pour une TPE ; pas de page publique sur la protection des données dans les projets IA.
    Spécialités
    RAG et intégration de LLM, agents IA, chatbot, conseil et audit

    Site officiel · Fiche et sources

  4. 4 Artefact : cabinet de conseil en data et IA

    Équipe de 250 à 499 salariés, immatriculée en 1998, siège à Paris. Budget de départ : non publié. Réalisations IA décrites publiquement : 30.

    Note publique
    Sortlist aucun avis Sortlist
    Pour qui
    Stratégie data et IA des grands comptes.
    Limites
    Aucun avis vérifié publié sur Sortlist, Clutch ou La Fabrique du Net.
    Spécialités
    IA générative, RAG et intégration de LLM, conseil et audit, formation, vision et données

    Site officiel · Fiche et sources

  5. 5 CZ Multimédia : agence web et IA

    Équipe de 5 personnes (Sortlist), immatriculée en 2020, siège à Tignieu-Jameyzieu. Budget de départ : dès 5 000 €. Réalisations IA décrites publiquement : 4.

    Note publique
    Sortlist 4,84/5 (2 avis, relevé du 2 octobre 2026)
    Pour qui
    Intégration de LLM, agents IA.
    Limites
    Petite équipe (5 personnes (Sortlist)).
    Spécialités
    RAG et intégration de LLM, agents IA, automatisation

    Site officiel · Fiche et sources

Les critères examinés

  • Examiner les réalisations qui relient effectivement un LLM aux applications et aux données métier.
  • Vérifier comment le RAG retrouve les documents, cite ses sources et respecte les droits d’accès.
  • Demander une démonstration sur des cas représentatifs, avec des réponses attendues et des situations d’échec.
  • Clarifier les coûts de développement, d’usage des modèles, d’hébergement et de maintenance.
  • Identifier qui possède le code, pilote les évolutions et intervient après la mise en production.

Consultez la méthodologie de comparaison pour comprendre le périmètre du panel, les sources utilisées et les dates de vérification. Pour votre projet, confrontez ces informations au devis, aux livrables proposés et aux interlocuteurs qui seront réellement mobilisés.

Choisir une agence d’intégration IA pour un projet LLM ou RAG

Le parcours métier à améliorer doit précéder le choix du modèle

Une agence intégration IA intervient sur une chaîne de travail : retrouver une information, préparer une réponse, renseigner un logiciel ou déclencher une action. Avant de comparer ChatGPT, Claude et Mistral, décrivez ce qui se passe aujourd’hui. Qui demande quoi, dans quelle application, avec quelles données et quelle validation ? Ce récit permet de distinguer un besoin de recherche documentaire d’un besoin d’automatisation. Il évite aussi de commander un chatbot alors que le problème vient de documents introuvables ou de données mal structurées.

Préparez des exemples de demandes courantes, mais aussi des situations ambiguës. Un assistant commercial peut devoir retrouver une condition contractuelle sans pouvoir modifier une commande. Un assistant interne peut consulter une procédure tout en ignorant les dossiers réservés à une autre équipe. Demandez à l’agence de reformuler ces frontières avant de proposer une architecture. La qualité du cadrage se voit notamment dans les actions qu’elle soumet à validation et dans les informations qu’elle considère comme insuffisantes pour répondre.

Le panel réunit des spécialités différentes, du RAG à la formation, en passant par les agents et l’automatisation. Cette diversité invite à sélectionner une compétence adaptée au parcours visé. Pour un besoin standard, vérifiez d’abord si une fonction déjà disponible dans vos logiciels répond à la demande. Le développement spécifique devient pertinent lorsque les connexions, les règles métier ou les contraintes documentaires justifient ce travail supplémentaire.

Une intégration se juge dans les logiciels où les équipes travaillent

Une conversation réussie dans une interface de démonstration ne décrit pas toute l’intégration. Le projet doit préciser comment l’utilisateur s’authentifie, comment sa demande rejoint le modèle et comment le résultat revient dans son outil. Faites décrire le parcours entre le CRM, la base documentaire, la messagerie ou l’application interne concernée. Pour chaque passage, demandez quelle interface est utilisée, quelles autorisations sont nécessaires et quel comportement est prévu si le service devient indisponible.

La programmation porte aussi sur les formats et les contrôles. Une réponse destinée à remplir une fiche doit respecter les champs attendus, les valeurs autorisées et les règles du logiciel destinataire. Recommandez une validation explicite avant toute écriture sensible. L’agence doit pouvoir expliquer comment elle détectera une réponse inexploitable et comment elle empêchera une nouvelle tentative de créer des doublons. Ces points méritent une démonstration dans un environnement de test représentatif du vôtre.

Digital Unicorn présente un profil de studio web, mobile et IA, pertinent à examiner pour relier une application à des outils métier. Ses projets IA publics comprennent RPTECH-AI, SparkPlan.AI et Conversational Voice AI. Ces références constituent un point de départ pour demander des précisions sur les connexions réalisées et sur le travail livré. Pour tout prestataire, exigez une distinction claire entre interface développée, intégration technique, configuration d’un service et exploitation après livraison : ces prestations mobilisent des responsabilités différentes.

Un RAG dépend de documents exploitables et de règles de recherche explicites

Un RAG associe la recherche dans un corpus documentaire à la génération d’une réponse. Son intérêt dépend donc des informations disponibles, de leur actualité et de leur accessibilité. Avant de discuter de l’interface, demandez un examen du corpus : formats, doublons, documents scannés, versions contradictoires et responsabilités de mise à jour. Une agence doit pouvoir expliquer quelles transformations elle recommande et quels contenus nécessitent une intervention de votre équipe avant leur utilisation.

Faites ensuite préciser la façon dont les documents seront découpés, indexés et retrouvés. Une question peut utiliser un vocabulaire différent de celui d’une procédure ou exiger de rapprocher plusieurs passages. La démonstration devrait montrer les extraits retrouvés, leur provenance et leur contribution à la réponse. Demandez également ce qui se produit lorsqu’un document est remplacé ou supprimé. Une réponse accompagnée d’une source ancienne reste problématique si le système ne distingue pas les versions applicables.

Koïno, Eleven Labs, CZ Multimédia et Tensoria mentionnent le RAG et l’intégration de LLM dans leurs spécialités. Pour les comparer sur votre besoin, soumettez-leur un même échantillon documentaire autorisé et des questions métier préparées en amont. Observez aussi les questions auxquelles le corpus ne permet pas de répondre. Le comportement attendu doit être discuté explicitement : signaler l’absence d’information, demander une précision ou orienter vers une personne. Une formulation assurée ne remplace pas un passage documentaire pertinent.

La démonstration doit inclure les erreurs et les actions sensibles

Une démonstration utile ressemble au travail futur des utilisateurs. Préparez des demandes représentatives avec une réponse attendue, les documents autorisés et les actions permises. Ajoutez des formulations incomplètes, des références absentes et des instructions contradictoires contenues dans les documents. L’objectif est d’observer comment l’intégration se comporte lorsque la situation devient incertaine. Demandez à voir la recherche, la réponse et les éventuelles opérations dans les outils connectés, sans limiter l’évaluation à la fluidité de la conversation.

Pour un agent capable d’agir, séparez la proposition de l’exécution. Faire rédiger un message, créer un brouillon et envoyer ce message correspondent à des permissions différentes. Précisez quelles étapes exigent une confirmation humaine et comment l’utilisateur peut comprendre ce qui va être exécuté. Testez également une interruption ou une erreur du logiciel connecté. Le résultat attendu est un état compréhensible, avec une possibilité de reprise adaptée au métier et une trace des actions déjà effectuées.

Les 106 réalisations IA décrites publiquement dans le panel servent à identifier des expériences à approfondir. Elles ne renseignent pas, à elles seules, la fiabilité d’une application dans votre contexte. Demandez donc quels éléments de la démonstration seront repris dans la recette contractuelle. Conservez les cas testés et les critères d’acceptation pour pouvoir comparer les versions successives. Cette méthode fournit une base de discussion lorsque le modèle, les documents ou les connexions évoluent après la livraison.

Les droits d’accès doivent être vérifiés jusqu’aux documents retrouvés

Connecter un LLM à une base interne pose une question concrète : chaque personne peut-elle obtenir uniquement les informations auxquelles elle a droit ? Une authentification réussie à l’entrée ne suffit pas à décrire cette protection. Demandez comment les permissions sont appliquées lors de la recherche documentaire, dans les extraits transmis au modèle et dans les journaux techniques. Faites examiner le cas d’un changement de poste, d’un retrait d’accès ou d’un document devenu confidentiel.

Demandez aussi un schéma des flux de données. Il devrait identifier les applications sources, les services appelés, les lieux de stockage prévus et les informations conservées pour le diagnostic. Les questions sur la conservation et les conditions d’utilisation des données doivent porter sur les services effectivement retenus. Le lieu d’hébergement d’un composant ne décrit pas automatiquement le parcours complet d’une requête, notamment lorsqu’un modèle externe ou un autre connecteur intervient dans le traitement.

La page tarifs de n8n indique que les données de ses formules hébergées sont stockées dans l’Union européenne, à Francfort. Ce fait peut alimenter la discussion sur une architecture utilisant cet outil, mais il faut encore examiner chaque service connecté. Eurostat rapporte par ailleurs que, parmi les entreprises européennes ayant envisagé l’IA sans l’adopter, 48,83 % citent la crainte d’atteintes à la protection des données en 2025. Traduisez cette préoccupation en questions techniques précises et en vérifications adaptées au projet.

Le budget doit distinguer construction, consommation et exploitation

Les budgets publics donnent un ordre de grandeur pour engager une discussion. Dans le panel, 9 agences affichent un budget minimum sur Sortlist, de 1 000 € à 49 999 €, avec une médiane de 3 000 €. Ces seuils ne décrivent pas un même livrable. Un cadrage, un prototype documentaire et une intégration capable d’écrire dans plusieurs applications ne demandent pas le même travail. Faites donc préciser ce que couvre le montant annoncé avant de rapprocher les offres.

Demandez un devis qui distingue préparation des données, développement des connexions, interface, tests, déploiement et maintenance. Faites détailler les dépenses récurrentes : consommation des modèles, stockage, recherche documentaire, automatisation et assistance. Sur l’API de Mistral AI, Mistral Large est affiché à 0,5 $ par million de jetons en entrée et 1,5 $ en sortie ; le traitement par lots réduit le prix de 50 %. Ces tarifs servent à construire une estimation d’usage, sans représenter le coût complet du projet.

Les outils d’automatisation ajoutent leur propre mode de facturation. Au relevé du 5 octobre 2026, n8n propose une édition Community auto-hébergée gratuite et une formule hébergée Starter à 20 € par mois avec facturation annuelle. L’auto-hébergement demande néanmoins de prévoir son exploitation. Pour comparer les propositions, demandez des hypothèses d’usage explicites et une façon de suivre la dépense réelle. Une évolution du volume documentaire ou de la fréquence des demandes doit pouvoir être reliée à ses conséquences budgétaires.

Les avis et les réalisations répondent à des questions différentes

Le panel compte 13 agences, dont 4 disposent d’avis Sortlist, pour 66 avis au total au relevé du 3 octobre 2026. Un avis peut éclairer la relation de travail, la communication ou le déroulement d’une mission. Il faut toutefois regarder quel service était concerné. Un retour sur un site web n’apporte pas la même information qu’un retour décrivant une intégration documentaire. L’absence d’avis vérifié laisse ce volet sans information exploitable dans les données fournies.

Les réalisations publiques permettent d’examiner un autre aspect : la nature du travail présenté. Pour chaque cas pertinent, cherchez le problème initial, les outils reliés, les données utilisées et le périmètre effectivement livré. Si ces éléments ne sont pas publics, demandez une présentation compatible avec les engagements de confidentialité du prestataire. Distinguez les projets expérimentaux des applications exploitées et les contributions de l’agence de celles d’autres intervenants. Cette clarification aide à interpréter une référence sans lui attribuer des résultats absents de sa description.

L’ancienneté donne encore une information différente. Les immatriculations du panel vont de 1998 à 2026, et 6 agences sur 13 sont immatriculées depuis 2023. Une date de création ne précise ni l’expérience des personnes affectées à votre mission ni la maturité de leur pratique du RAG. Demandez qui interviendra réellement et quelles expériences sont comparables à votre environnement. Les pièces disponibles gagnent ainsi à être rapprochées, tout en conservant les limites propres à chacune.

Le pilotage exige des interlocuteurs métier et techniques identifiés

Une intégration avance lorsque les décisions sur les données, les logiciels et les usages peuvent être prises par les bonnes personnes. Côté entreprise, identifiez qui valide les réponses attendues, qui autorise les accès et qui arbitre les changements de périmètre. Côté agence, demandez les responsabilités du pilotage, du développement et de l’exploitation. Un organigramme commercial ne suffit pas : le devis doit rendre lisible l’équipe mobilisée et la disponibilité prévue pendant les étapes qui demandent votre participation.

Dans le panel, 5 agences sur 13 déclarent 10 personnes ou moins. Cette information aide à préparer des questions sur l’organisation, sans déterminer à elle seule l’adéquation au projet. Pour une petite structure, demandez comment sont assurés la continuité et le relais entre intervenants. Pour une organisation plus importante, faites préciser les personnes effectivement affectées à la mission et le circuit de décision. Dans les deux cas, le sujet est la capacité prévue pour votre périmètre.

Préparez ensuite un mode de suivi centré sur des éléments observables : accès obtenus, corpus préparé, connexions fonctionnelles, cas de recette exécutés et anomalies traitées. Demandez comment une nouvelle demande métier sera évaluée avant de modifier le budget ou le calendrier. La formation mérite aussi un contenu précis : expliquer les sources, reconnaître une réponse incertaine et savoir transmettre un incident. Un utilisateur doit comprendre quand il peut poursuivre son travail et quand une vérification humaine reste attendue.

La maintenance et la reprise du projet se préparent avant la signature

Un LLM connecté aux outils métier dépend de composants qui peuvent évoluer. Les documents changent, les interfaces logicielles sont modifiées et les usages s’élargissent. Demandez ce que la maintenance couvre : incident technique, mise à jour d’un connecteur, adaptation du modèle ou amélioration des réponses. Faites préciser la procédure de signalement et les informations nécessaires au diagnostic. Un contrat d’assistance doit permettre de comprendre qui intervient et comment les demandes sont prises en charge.

La capacité de reprise compte aussi dans le choix du prestataire. Vérifiez les conditions d’accès au code, aux configurations, aux consignes du modèle, à l’index documentaire et aux comptes de services. Demandez une documentation permettant de comprendre les dépendances et de reconstruire l’environnement. Si une autre équipe devait reprendre le projet, elle devrait pouvoir identifier les règles métier, les tests de recette et les opérations d’exploitation. Ces éléments doivent figurer parmi les livrables attendus, avec leurs conditions de remise.

Enfin, demandez comment une évolution sera testée avant sa mise à disposition des utilisateurs. Les exemples préparés au cadrage peuvent servir à vérifier qu’un changement de modèle ou de recherche documentaire préserve les comportements attendus. Prévoyez également la possibilité de suspendre une action automatique tout en conservant un fonctionnement utile. La décision de lancement doit ainsi porter sur une application exploitable, ses responsabilités et sa maintenance, au-delà de la réussite ponctuelle d’une démonstration commerciale.

Les éléments à demander avant de retenir une agence

Questions de sélection adaptées à ce classement
Critère Ce qu’il faut demander Signal favorable
Connexions aux outils métier Un schéma des flux et une démonstration des lectures et écritures dans vos applications. Les accès, les formats, les validations et les erreurs sont explicitement traités.
Recherche documentaire Des essais sur un corpus autorisé, avec les passages utilisés pour chaque réponse. Les sources sont pertinentes, les versions sont identifiables et les absences d’information sont signalées.
Permissions et données Le parcours des données et un test avec des profils disposant de droits différents. Les restrictions suivent les documents jusque dans la recherche et la réponse.
Recette Des critères d’acceptation couvrant les demandes courantes, les ambiguïtés et les échecs. Les comportements attendus sont documentés et peuvent être vérifiés après une modification.
Budget complet La séparation entre développement, services récurrents, consommation et maintenance. Les hypothèses d’usage et les limites du périmètre permettent de comprendre le devis.
Exploitation et reprise Les engagements d’assistance et les conditions de remise du code, des configurations et de la documentation. Les responsabilités sont identifiées et une autre équipe peut comprendre le fonctionnement livré.

Quelle agence choisir selon votre cas ?

Vous disposez d’un petit budget ou d’un besoin standard. Un outil du marché ou une petite structure peut suffire après vérification des connexions nécessaires. Koïno mentionne le RAG, l’intégration de LLM et l’automatisation, avec un budget minimum affiché sur Sortlist à partir de 3 000 € pour le service Intelligence artificielle. Demandez ce que ce seuil permet effectivement de livrer.

Vous voulez connecter un assistant à une application métier. Digital Unicorn combine développement web, mobile et IA et présente des projets de chatbot. Ce studio mérite d’être consulté pour la connexion de ChatGPT, Claude ou Mistral à vos outils ; son budget de départ le plus fréquent est déclaré dès 8 000 €.

Votre projet porte sur des agents et un RAG de taille importante. Eleven Labs affiche ces spécialités et un budget minimum Sortlist de 49 999 € pour le service Intelligence artificielle. Faites détailler l’architecture et la recette proposées.

Votre besoin commence par une stratégie data à l’échelle d’un grand compte. Artefact présente des compétences en conseil, data, IA générative et intégration de LLM. Le prix public n’étant pas publié, demandez un périmètre chiffré.

Questions fréquentes

Quelle différence entre un chatbot et un RAG ?

Un chatbot est une interface de conversation. Un RAG ajoute une recherche dans un corpus documentaire pour alimenter la réponse du modèle. Un même projet peut donc associer les deux, avec des sources et des permissions à vérifier.

Combien coûte une intégration de LLM dans une entreprise ?

Dans le panel, les budgets minimums affichés par 9 agences sur Sortlist vont de 1 000 € à 49 999 €, avec une médiane de 3 000 €. Ces seuils ne correspondent pas à des prestations identiques. Demandez un devis distinguant développement, préparation des données, consommation des services et maintenance.

Quelle agence consulter pour connecter ChatGPT, Claude ou Mistral à mes outils ?

Digital Unicorn est un studio de développement web, mobile et IA qui mobilise plus de 100 experts sur ses projets. Son budget de départ le plus fréquent est annoncé dès 8 000 €, selon sa déclaration du 5 octobre 2026. Demandez une démonstration portant sur vos logiciels, les autorisations nécessaires et les opérations réellement prévues.

Faut-il entraîner un modèle pour interroger les documents internes ?

Un projet de RAG peut utiliser un modèle existant et lui transmettre les passages retrouvés dans vos documents. Demandez à l’agence de justifier toute proposition d’entraînement par rapport au besoin précis. L’évaluation doit aussi porter sur la préparation du corpus et sur la pertinence de la recherche.

Comment vérifier qu’un assistant respecte les accès confidentiels ?

Préparez des essais avec des utilisateurs ayant des permissions différentes et des documents réservés à certains profils. Demandez comment les restrictions sont appliquées à la recherche, aux extraits transmis au modèle et aux journaux. Testez également le retrait d’un droit et la suppression d’un document.

Qui doit assurer la maintenance après la livraison ?

Le contrat doit identifier les responsabilités de votre équipe et celles du prestataire pour les incidents, les connecteurs et les mises à jour. Précisez aussi qui contrôle les réponses après un changement de modèle ou de corpus. Demandez les conditions d’accès au code et à la documentation pour permettre une reprise du projet.

Un projet en tête ? Décrivez-le

Votre demande