Casey White
Le studio
En ligne

Aurenia Consulting Portal

Tout un cabinet de conseil, compressé dans un logiciel.

Une IA qui guide n'importe quelle entreprise à travers les étapes d'une transformation numérique, un livrable écrit à la fois, et lui remet des livrables dignes d'un comité de direction à la fin.

Catégorie

SaaS d'entreprise

Durée

2 mois · 4 sprints · 8 modules

Axe

Entreprise et terrain

Aurenia Consulting Portal

Pourquoi je l'ai construit

Je reconstruisais sans cesse la même chose. Chaque étape du travail de transformation, le diagnostic de maturité, le deck de stratégie, le business case, vivait dans sa propre appli isolée, et aucune ne parlait aux autres. Alors j'ai construit un espace de travail unifié où un consultant, ou le client lui-même, pouvait faire traverser à une entreprise tout le pipeline au même endroit, chaque module nourrissant le suivant. Plutôt que de fabriquer à la main un livrable digne d'un comité de direction pour chaque client, le portail les génère à la demande, ancrés dans de vrais playbooks de conseil.

Ce que ça change pour les gens

  • Un seul portail qui couvre huit des neuf étapes, du Diagnostic Mirror et de la voix du client jusqu'à la stratégie, la feuille de route, l'analyse de rentabilisation et le choix du fournisseur, puis le changement et la valeur obtenue, au lieu d'une pile d'outils déconnectés
  • Chaque module produit un livrable soigné, prêt pour le client, avec de vrais graphiques intégrés. La stratégie seule en sort six ou plus
  • Multi-tenant dès la conception. Chaque organisation est isolée, les consultants ne voient que leurs clients assignés, les admins voient tout
  • Facturation Stripe et contrôle d'accès, avec un repli élégant « Parler à Casey » quand la facturation est désactivée, pour que rien ne tombe jamais en échec brutal
  • Une porte d'entrée Pulse Check pour la génération de leads, qui note les leads entrants, les classe contre une cohorte, et m'envoie un e-mail dès qu'un lead chaud arrive

Sous le capot

  • Une deuxième passe adverse conteste chaque rapport terminé et rend des constats bloquants, importants ou mineurs, avec un verdict : livrer, réviser ou retenir. Un constat bloquant déclenche une seule régénération, conservée seulement si elle est meilleure
  • Les chiffres sont calculés, pas rédigés : flux de trésorerie, VAN, TRI, délai de récupération et sensibilité sortent d'un modèle financier en code et s'exportent en tableur; le modèle les explique
  • L'expertise métier est injectée directement dans les prompts d'exécution de l'IA. Chaque module porte des fichiers de compétence en markdown (playbooks finance, juridique, marketing, ops) concaténés dans le prompt système de Claude, pour que le résultat raisonne comme un spécialiste plutôt que comme un chatbot générique
  • Un routage de modèles intelligent pour garder les coûts sous contrôle. Sonnet gère le récit et le jugement, Haiku fait le scoring bon marché à base de règles, et Opus est volontairement banni des routes de production
  • Deux schémas de génération : Claude produit du HTML enveloppé par un moteur de rendu déterministe, ou du JSON strict composé à partir de lignes de base de données, avec une validation de citation qui rejette toute affirmation citant une source absente de l'entrée
  • Les pipelines IA longs sont découpés en une route de démarrage rapide et une route de synthèse de 300 secondes pour rester dans les limites de durée du serverless, avec un sondage de statut en lecture seule qui ne déclenche jamais de transition d'état
  • Du RLS sur chaque table avec un modèle de tenancy limité aux affectations, plus des webhooks Stripe idempotents indexés sur l'ID d'événement

Les détails qui comptent

  • L'astuce d'injection de compétences veut dire que l'IA ne devine pas. Elle s'appuie sur de vrais playbooks métier livrés dans le dépôt
  • Les rapports sortent prêts à présenter : pages de couverture, graphiques animés et thème verrouillé à la marque
  • La validation de citation est un garde-fou élégant. Si le modèle tente d'halluciner une source, la ligne est rejetée et la synthèse s'arrête au-delà d'un seuil de rejet
  • Tout se dégrade proprement. Stripe désactivé, tables manquantes, rendu PDF échoué, rien ne fait tomber toute la page

Le temps que ça a pris

Environ deux mois de construction concentrée.

2 mois · 4 sprints · 8 modules

Ce que j'ai dû résoudre

Faire en sorte que la sortie de l'IA ressemble à un vrai consultant plutôt qu'à un assistant générique, c'était tout l'enjeu. C'est ce qui m'a poussé à injecter de vrais playbooks métier dans les prompts et à ajouter une validation de citation pour qu'elle ne puisse pas inventer. Les timeouts du serverless étaient un casse-tête constant : les longues synthèses dépassent les plafonds de durée, donc j'ai tout découpé en routes de démarrage rapide et routes de synthèse séparées et longues. Et rendre le tout vraiment multi-tenant, avec du RLS sur chaque table, un accès limité aux affectations, et des webhooks idempotents, voulait dire soigner la plomberie ennuyeuse mais critique pour que les données client restent cloisonnées.

La stack complète

  • Next.js 16 (App Router)
  • React 19
  • TypeScript
  • Supabase (Postgres, Auth, RLS)
  • Claude Sonnet + Haiku (@anthropic-ai/sdk)
  • Stripe
  • Tailwind CSS v4
  • shadcn/ui + Base UI
  • Recharts
  • @react-pdf/renderer + pptxgenjs
  • Vercel (crons + Blob)
  • PostHog
  • Nodemailer (Zoho)