Chaque capacité de dxpert — le chat, le diagnostic, les outils gratuits, le générateur UNS, les agents — s'appuie sur le même socle : un modèle IA sélectionné, ancré dans un graphe de connaissances gouverné dédié à la transformation numérique, à l'Industrie 4.0/5.0, et à l'IA pour la compétitivité industrielle.
Les modèles d'IA de pointe comme Claude et ChatGPT sont entraînés sur la moyenne de tout ce qui a été écrit. Pour la plupart des sujets, c'est très bien. Pour la transformation numérique industrielle, quinze ans de programmes majoritairement ratés signifient que la moyenne de la littérature est l'échec — les présentations fournisseurs, les pilotes qui stagnent, les affiches de modèles de référence.
dxpert fait le pari inverse : reconstruire à rebours le petit groupe d'opérateurs qui ont réellement réussi, encoder ce qui les distinguait de tous ceux qui ont stagné, et laisser le modèle répondre à partir de cela — et seulement de cela.
Des centaines de nœuds de connaissance interconnectés et versionnés — sélectionnés par révision, pas glanés par robot d'indexation. C'est un actif vivant : étendu et révisé en continu à mesure que la base de preuves grandit.
Une architecture de plateforme numérique concrète et centrée sur les données — connecter et collecter, contextualiser et normaliser, exposer le présent, exposer le passé — avec l'espace de noms unifié comme colonne vertébrale et les standards (ISA-95, OPC UA, MQTT/Sparkplug, AAS, IEC 62443) comme modèles de support, jamais comme l'architecture elle-même.
Distillé à partir d'opérateurs exemplaires étudiés — les décisions qui se sont additionnées, et les schémas d'échec qui se répètent si fidèlement qu'on peut les nommer d'un coup d'œil.
Des parcours d'exécution séquencés et chiffrés — comment financer une fondation, dans quel ordre la construire, et comment garder la convergence OT/IT gouvernée plutôt que politique.
Chaque nœud est révisé avant d'entrer dans le graphe, versionné ensuite, et révisé quand les preuves évoluent. Rien n'y entre pour être populaire ; les choses y entrent parce qu'elles ont fonctionné.
La crédibilité industrielle meurt dès qu'un outil improvise. Chaque capacité utilise donc exactement autant d'IA que sa fonction peut tolérer — et pas plus.
| Capacité | Ce qui la fait fonctionner |
|---|---|
| Demander à dxpert (chat) | Le modèle sélectionné, ancré dans le graphe de connaissances. Les réponses proviennent de l'architecture et des preuves qui la soutiennent — neutre vis-à-vis des fournisseurs par construction, car il n'y a rien dans le graphe à vous vendre. |
| Diagnostic gratuit et API agent | Un moteur de notation déterministe construit sur la même architecture : entrée identique, verdict identique, à chaque fois. Sûr pour vos agents à mettre en cache et à comparer. Documentation API → |
| Feuille de route pour le conseil | La méthode derrière le diagnostic, étendue : vos données notées et synthétisées par le moteur, séquencées en une feuille de route finançable — et la première étape payante, avant le générateur et les agents ci-dessous. Commander la feuille de route → |
| Validateurs gratuits | Les grammaires des standards (Sparkplug B, conventions UNS) encodées en règles déterministes qui s'exécutent dans votre navigateur. Aucun modèle dans la boucle, rien n'est téléversé. Essayez-les → |
| Générateur UNS | L'architecture sous forme de code : votre hiérarchie d'équipements en entrée, les quatre fonctions de la plateforme en sortie — sujets standards, mappage Sparkplug, schémas de charge utile, export de pipeline déployable. Acheter l'export → |
| Agents UNS | Des agents IA qui consomment les schémas du générateur comme un contrat strict — ancrés dans votre espace de noms, pas dans l'à-peu-près. Obtenir les agents → |