Saint-Gobain - Faciliter l’accès à la connaissance technique
Build
Saint-Gobain conçoit, produit et distribue des matériaux et solutions pour le bâtiment, en accompagnant au quotidien artisans, maîtres d’œuvre et distributeurs.
Enjeux
Les équipes commerciales du groupe, souvent en déplacement, doivent répondre à des questions techniques complexes : conformité, réglementation, conditions de mise en œuvre ou choix produits.
Face à la quantité croissante d’informations internes et à la difficulté d’y accéder rapidement, les collaborateurs perdaient en efficacité et sollicitaient fréquemment les services d’assistance technique téléphonique complexe.
L’enjeu était de rendre la connaissance plus accessible, de renforcer l’autonomie des équipes terrain et d’améliorer la fluidité des échanges entre les métiers, en s’appuyant sur les avancées récentes de l’intelligence artificielle.
Solution
IF a co-construit avec les équipes de Saint-Gobain un prototype d’assistant intelligent capable de faciliter la recherche d’informations techniques en langage naturel directement chez les clients.
L’objectif était d’explorer comment l’IA pouvait accélérer l’accès à la connaissance métier, tout en respectant la rigueur documentaire et les exigences de conformité du groupe. Le prototype a permis de valider la pertinence d’un outil interne d’aide à la décision, pensé pour simplifier le quotidien des équipes terrain et optimiser le partage de savoirs techniques à l’échelle nationale.
Cette première expérimentation ouvre la voie à de nouveaux usages de l’IA dans la valorisation et la transmission des expertises internes.
Notre méthode
Le projet a été mené selon une démarche collaborative et itérative, en lien étroit avec les équipes opérationnelles et techniques du groupe. Des entretiens, observations terrain et ateliers de co-conception ont permis de comprendre les besoins réels, les points de friction et les logiques métier implicites.
Les équipes IF ont ensuite travaillé à la structuration et à la formalisation des connaissances, avant de concevoir un prototype testable en conditions réelles. Cette approche progressive a permis de mesurer la valeur ajoutée de l’IA sur des cas d’usage concrets, tout en garantissant un transfert maîtrisé vers les équipes internes pour la suite du développement.
