Une plateforme de dossiers et de propositions où les données sensibles ne quittent jamais un seul compte AWS.
StudyBird Australia est une agence d'éducation internationale. Feneco construit la plateforme que ses conseillers utilisent pour gérer les dossiers et propositions des étudiants — choix de cours, frais, conditions de bourses, documentation de visa et médicale — avec l'IA intégrée là où elle apporte de la valeur, et écartée là où elle n'en apporte pas.
Des données qui ne peuvent pas quitter le bâtiment
Les dossiers d'une agence d'éducation contiennent certaines des données les plus sensibles qu'une entreprise puisse détenir — passeport, historique de visa, dossiers médicaux. Les envoyer vers une API de modèle public pose soit un problème de conformité, soit un problème commercial. L'IA de cette solution s'exécute donc sur des modèles à poids ouverts hébergés entièrement dans le compte AWS de StudyBird à Sydney. Rien dans un dossier ne touche un fournisseur de modèle tiers — il ne quitte jamais le compte où il a été téléversé.
Le problème de demander à un modèle de retenir un tarif
Le cahier des charges demandait un assistant capable de retenir les frais de scolarité et les conditions de bourses. Cela ressemble à un cas d'usage naturel pour un LLM — jusqu'à ce que l'on teste ce qui se passe quand on lui demande un chiffre qu'il n'a pas. Les modèles de langage ne mémorisent pas les faits de manière fiable ; ils produisent une réponse convaincante, que le fait sous-jacent existe ou non. Sur une plateforme de propositions, un devis avec des frais inventés n'est pas un détail d'UX — c'est un vrai risque, commercial et réputationnel.
La conception place une base de données structurée en amont du modèle : le modèle consulte et écrit dans cette base, et ne génère jamais lui-même un chiffre. Si un frais est manquant, l'interface affiche un champ vide avec un avertissement — pas une estimation à l'apparence plausible. Le modèle gère le langage ; la base de données gère les faits.
La forme du projet
Modèles à poids ouverts sur une infrastructure que vous possédez, dans la région où les données doivent rester
Approbation humaine modélisée comme un état de workflow, pas promise dans un avertissement
Une piste d'audit sur chaque décision assistée par l'IA
Livraison par phases — les premières étapes apportent de la valeur sans aucune IA
Statut
StudyBird est actuellement en développement. Les premières étapes de livraison sont déployées sans aucune IA — le workflow de dossiers et de propositions lui-même — afin que l'agence obtienne une valeur réelle avant l'arrivée de la partie la plus risquée et la plus gratifiante du projet.
Si votre équipe s'interroge sur où l'IA peut — et ne peut pas — toucher des données sensibles, parlons-en.