Private
Twin
Le travail avance. L’état du projet devrait se mettre à jour avec lui.
Private Twin maintient un état d’exécution fiable, explicable et vérifiable à partir du travail réellement effectué : qui fait quoi, où en est le projet, les décisions prises, ce qui bloque et les échéances qui risquent de glisser — sans relances permanentes ni reporting supplémentaire.
Examiner À partir des traces de la journée, Private Twin reconstitue une chronologie du travail et l’attribue aux différents projets. Les périodes encore incertaines restent visibles.
Capture provisoire, non retouchée. Elle sera remplacée par une démonstration synthétique avant publication.
vécu
Imaginez un consultant ou un chef de programme qui pilote plusieurs projets en parallèle : les réunions s’enchaînent, les décisions sont dispersées entre plusieurs outils et les e-mails non lus s’accumulent.
Quand on lui demande « Où en est ce dossier ? », il doit d’abord en reconstruire l’histoire.
Retrouver le fil d’un projet sans reconstruire son histoire à la main
Private Twin analyse, avec l’autorisation de l’utilisateur, les traces laissées naturellement par son travail : réunions, e-mails, calendrier, fichiers et activité sur ses outils. Il les relie pour répondre simplement à six questions.
Chaque réponse reste vérifiable et peut être corrigée par l’utilisateur. L’objectif : retrouver le fil du travail sans devoir alimenter manuellement un outil supplémentaire.
Examiner Private Twin reconstitue le fil de la journée et relie les événements qui participent aux mêmes séquences de travail.
Capture du prototype — vue dense, lecture par lignes de source
De la pyramide au réseau de création de valeur
L’IA ne transforme pas seulement la manière d’exécuter les tâches. Elle peut aussi modifier la manière dont une organisation se coordonne.
Aujourd’hui, une part importante du travail intermédiaire consiste à rechercher l’information, reconstruire l’état des projets, préparer des comptes rendus et multiplier les réunions de synchronisation. Lorsque les humains et les agents disposent d’un contexte commun, explicable et à jour, une partie de cette coordination peut être prise en charge par le système.
Organisation pyramidale
L’information remonte par le reporting, les décisions et les consignes redescendent par les niveaux.
Contexte commun
Explicable et gouverné : droits d’accès, décisions tracées, points de contrôle.
Réseau de personnes et d’agents
Reliés autour des projets, des compétences, des dépendances et des flux de création de valeur. Le contexte utile circule sans traverser chaque niveau.
Le projet commence par reconstruire le fil du travail d’une personne et l’état de ses dossiers. À moyen terme, ces contextes validés et gouvernés pourraient permettre aux collaborateurs, aux managers et aux agents de partager l’information nécessaire sans multiplier les demandes de statut, le reporting et les réunions de coordination.
Le système peut prendre en charge une partie de la recherche d’information, de la reconstruction d’état et du reporting. Le rôle du manager se déplace alors de la collecte et de la transmission d’information vers l’arbitrage, l’accompagnement des équipes et la responsabilité sur les décisions.
Garde-fou
Automatiser la mécanique de coordination, pas surveiller les personnes ni remplacer la responsabilité humaine.
au prototype
Six étapes, de la recherche au terrain
Le projet n’a pas commencé par un développement. Il a commencé par un problème vécu comme manager, puis confronté à d’autres.
Explorer le problème
Étude des recherches sur l’IA agentique et les sciences cognitives, notamment l’attention humaine et les effets de la fragmentation du travail.
Formuler l’idée
Private Twin répond d’abord à un problème que je rencontre moi-même comme manager : piloter plusieurs projets impliquant de nombreux acteurs, alors que les informations, décisions et actions sont dispersées. Dans ce contexte, disposer d’une visibilité fiable et à jour devient critique pour coordonner les équipes et anticiper les risques.
Tester l’intérêt initial
Échanges par téléphone et visioconférence avec une dizaine de personnes afin de confronter ce problème à leur quotidien et de vérifier l’intérêt du sujet.
Construire
Développement pendant plus d’un an d’un prototype complet et d’une méthodologie de développement assisté par IA. J’ai également construit un harness — le cadre technique qui exécute, contrôle et évalue les agents — conçu pour limiter les appels aux modèles de langage au strict nécessaire et éviter de dépendre d’un fournisseur unique.
plus d’un an
Surveiller et évaluer
Création de Sim Lab pour conserver une trace complète des exécutions, suivre la délégation de responsabilité entre l’humain et les agents, rejouer les scénarios et détecter les régressions. Le flux d’un agent y est représenté comme une ligne de production : chaque trace devient un point de contrôle.
Approfondir la validation marché En cours
Phase actuellement engagée pour comparer précisément plusieurs profils de clients, leurs difficultés et leurs objectifs. La démarche prévoit cinq entretiens par profil cible, suivis d’un questionnaire d’évaluation spécifique.
le prototype
Un contexte fiable pour les humains et les agents
Les assistants et les agents savent raisonner et agir. Private Twin maintient un état d’exécution fiable dont ils — et les humains — ont besoin pour le faire sans perdre le contexte, les preuves ni le contrôle.
Le prototype repose aujourd’hui sur six briques complémentaires :
Examiner Une mémoire proposée à partir des traces de travail, reliée aux bons acteurs et accompagnée de ses sources. L’utilisateur garde la main sur sa validation.
Examiner Le connecteur Private Twin rend l’historique structuré du travail interrogeable depuis ChatGPT.
technique
Vérifier qu’un agent fonctionne comme prévu
Un agent convaincant sur quelques essais n’est pas nécessairement fiable dans la durée. Sim Lab fige une journée de travail, la rejoue et compare les versions.
Sim Lab peut créer le snapshot d’un World : une photographie complète et figée d’une journée de travail et de l’état du système à cet instant. Ce World peut ensuite être dupliqué pour tester plusieurs versions dans exactement les mêmes conditions, sans modifier la journée d’origine.
Comme sur une ligne de production, chaque étape constitue un point de contrôle. Lorsqu’un résultat se dégrade, Sim Lab aide à identifier où et pourquoi le comportement a changé.
Snapshot
Une journée et l’état du système, figés.
Duplication
Le World d’origine reste intact.
Rejeu
Mêmes scénarios, mêmes conditions.
Comparaison
Code, configuration, prompts ou modèles.
Divergence
Le premier point où un comportement se dégrade.
Examiner Dans Sim Lab, chaque trace traverse des points de contrôle : les éléments conservés, exclus et leurs motifs restent observables.
Capture du prototype — extrait d’un flux
données
Garder l’humain et les données sous contrôle
Trois principes de conception, énoncés sans promesse au-delà de ce qui est réellement mis en œuvre.
Local-first par défaut
Les données de travail et leur contexte restent locaux par défaut. Lorsqu’un modèle externe est utilisé, les informations transmises sont limitées à ce qui est nécessaire.
Déterministe d’abord
Les traitements classiques et déterministes sont privilégiés lorsque l’IA générative n’apporte pas de valeur. Les appels aux modèles de langage sont réservés aux étapes qui en ont besoin, avec la possibilité de changer de fournisseur.
Des propositions, pas des verdicts
Les analyses produites restent des propositions : l’utilisateur peut les vérifier, les corriger ou les refuser. Rendre le travail visible et compréhensible, pas noter ni surveiller les personnes.
actuel
Un prototype avancé, encore confronté au terrain
Private Twin est présenté comme un prototype avancé en validation, et non comme un produit dont le marché serait déjà établi.