Déploiement, licences
et adéquation institutionnelle
Licences, coûts, déploiement, intégration, gouvernance et adéquation institutionnelle — tout ce dont les dirigeants ont besoin pour évaluer un déploiement COMPAiSS.
- Aucune intégration requise pour commencer
- Compatible avec les flux de travail CRM existants
- Aucun fardeau d'intégration en entreprise
- Contrôle de la liste verte et audit des sources
- En phase avec l'évolution du Web institutionnel
- COMPAiSS et vos systèmes existants
- Évaluation et approbation à faible risque
- Tarification institutionnelle pour l'enseignement supérieur
- Approvisionnement et préparation en matière de sécurité
- Comparaison concurrentielle
- Retour sur investissement
- Santé et systèmes hospitaliers
Aucune intégration requise pour commencer
Déploiement en quelques jours, et non en quelques mois - sans toucher aux systèmes existants.
COMPAiSS ne nécessite aucune intégration avec les systèmes internes, les bases de données ou les CRM pour fonctionner. Il utilise des sources institutionnelles accessibles au public, combinées à une couche d'autorisation gouvernée, pour fournir des réponses exactes et conformes aux politiques dès le premier jour.
Il n'y a aucun pipeline d'ingestion de données à construire. Aucun accès aux dossiers internes n'est requis. Aucune ressource en TI ni aucun changement de système n'est nécessaire avant qu'un déploiement puisse commencer.
Le déploiement peut être complété en quelques jours. Une institution peut évaluer COMPAiSS sur ses propres questions courantes, en utilisant son propre contenu accessible au public, sans aucune dépendance envers les systèmes internes ni approbation des équipes technologiques.
Cette distinction couvre deux phases du déploiement. L'évaluation initiale et l'accès pilote, où une institution commence à tester COMPAiSS sur ses propres questions, peuvent être complétés en quelques jours. Le déploiement complet en production, incluant la définition de la portée de la liste verte, la révision par le personnel pilote et l'approbation institutionnelle, est généralement complété en 2 à 3 semaines suivant la signature du contrat (voir la Tarification institutionnelle pour l'enseignement supérieur ci-dessous).
Compatible avec les flux de travail CRM existants
Intégration à la couche d'interaction - et non à la couche de données.
Pour les institutions qui souhaitent étendre l'utilisation aux flux de travail opérationnels, COMPAiSS peut fonctionner en parallèle avec les plateformes CRM existantes - y compris les systèmes d'information étudiante et d'admission - sans accéder aux données internes ni les modifier.
Cette distinction est importante. La plupart des fournisseurs d'IA abordent l'intégration CRM à la couche de données - en se connectant aux dossiers, en ingérant du contenu structuré et en intégrant l'inférence directement dans l'architecture du système. Cette approche introduit de la dépendance, du risque et des obligations de maintenance continue.
COMPAiSS s'intègre à la couche d'interaction. Le personnel continue de travailler dans ses systèmes existants. Lorsque des questions complexes ou liées aux politiques se posent, COMPAiSS génère des réponses exactes, conformes aux politiques et prêtes à l'emploi, qui peuvent être retournées directement dans les flux de travail du personnel.
- Intègre l'IA directement dans l'interface CRM
- Nécessite l'accès aux dossiers étudiants et aux données internes
- Génère des réponses à partir de contenu fragmenté ou en constante évolution
- Inférence en premier : génère d'abord, valide ensuite
- Crée une dépendance architecturale et des obligations de maintenance continue
- Fonctionne en parallèle avec le CRM - et non à l'intérieur
- Aucun dossier étudiant ni base de données interne requis
- Génère des réponses uniquement à partir de sources autorisées par l'institution
- Autorisation en premier : gouverne avant de générer
- Aucune dépendance système - peut être adopté ou abandonné de manière indépendante
Cela signifie également que des outils comme Copilot ou d'autres IA de productivité demeurent utiles pour la rédaction et les communications. COMPAiSS répond à un problème différent : s'assurer que le contenu de ces communications est exact sur le plan des politiques et autorisé par l'institution.
Aucun fardeau d'intégration en entreprise
Les coûts et la complexité qui accompagnent généralement l'adoption de l'IA en entreprise sont considérablement réduits par l’architecture.
Les déploiements RAG à grande échelle et les systèmes d'IA d'entreprise de type Copilot comportent un ensemble commun d'exigences d'infrastructure qui entraînent des coûts et des délais de mise en oeuvre. COMPAiSS n'en a pas.
Non requis
Pipelines d'ingestion ou de synchronisation de données. Bases de données vectorielles ou infrastructure d'indexation. Accès aux systèmes internes ou aux API. Cycles continus de nettoyage ou de maintenance du contenu.
Ce que cela signifie
Aucun projet TI à lancer. Aucun verrouillage fournisseur. Aucun investissement en infrastructure avant l'évaluation. Aucune dépendance envers de grandes équipes d'ingénierie des données ou la restructuration du CRM.
Le résultat
Risque de mise en oeuvre réduit. Chemin plus rapide vers l'évaluation. Structure de coûts qui s'adapte sans nécessiter d'investissement majeur en infrastructure. Un système qui peut être abandonné à tout moment sans conséquence.
Il ne s'agit pas d'un compromis sur les capacités. C'est la conséquence d'une approche architecturale différente - une approche dans laquelle la couche d'autorisation, plutôt que la couche de données, assure l'exactitude et la conformité à la portée.
Contrôle de la liste verte, tableau de bord et audit continu des sources
Les institutions conservent un contrôle total sur chaque source que COMPAiSS est autorisé à utiliser - avec des outils transparents et une maintenance continue intégrée.
La liste verte constitue le fondement de gouvernance de chaque déploiement COMPAiSS. Elle définit précisément quelles sources institutionnelles le système est autorisé à utiliser - et rien d'autre. Les institutions conservent une visibilité et un contrôle complets sur cette liste tout au long du déploiement.
Tableau de bord de la liste verte
Le personnel institutionnel autorisé accède à un tableau de bord sécurisé, accessible par navigateur, pour consulter, ajouter et gérer les sources approuvées directement. Aucune expertise technique requise. Les modifications prennent effet en quelques secondes et se reflètent immédiatement dans les réponses du système. Pour les mécanismes techniques, notamment la classification des redirections, la normalisation des URL canoniques et le pipeline de déploiement automatisé, voir Intégrité et maintenance de la liste verte sur la page Gouvernance de l'IA.
Audit continu des sources
La liste verte complète de chaque institution est auditée régulièrement - vérification des liens brisés, des pages obsolètes, des redirections et des sources nécessitant une mise à jour ou un remplacement. Les résultats des audits sont partagés directement avec l'institution.
Aucune dépendance envers le service informatique
Les lacunes identifiées lors des tests sont comblées en quelques heures. Les liens brisés ou obsolètes sont détectés avant qu'ils n'affectent les réponses aux étudiants. Aucune dépendance envers les délais du fournisseur ou les files d'attente informatiques internes pour mettre à jour le contenu institutionnel.
Ce que cela signifie en pratique : L'institution contrôle exactement ce que le système sait et cite. Lors des déploiements pilotes, une seule personne-ressource autorisée gère la liste en coordination avec COMPAiSS pour assurer la cohérence et prévenir les erreurs. À mesure que le déploiement évolue, la gestion de la liste verte est naturellement transférée au personnel désigné par l'institution.
Il ne s'agit pas d'un processus technique en arrière-plan - c'est un contrôle de gouvernance visible et vérifiable que les responsables des achats, les réviseurs informatiques et les administrateurs peuvent inspecter, vérifier et sur lequel ils peuvent s'appuyer.
Pourquoi la liste verte est plus évolutive qu'il n'y paraît
L'objection la plus fréquente à la gouvernance par liste verte est qu'elle ne tiendrait pas à grande échelle. Cette objection inverse le véritable problème d'évolutivité.
La question n'est pas combien d'URL un système peut stocker. Les logiciels modernes gèrent des millions d'enregistrements sans difficulté. La vraie question est de savoir si la propriété institutionnelle est évolutive, et elle l'est déjà, parce que chaque grande institution a déjà résolu ce problème pour tout, sauf pour l'IA.
Les universités répartissent la responsabilité du contenu d'admission au Bureau du registraire, des politiques financières à l'aide financière, et des exigences académiques à chaque faculté. Les hôpitaux répartissent le contenu d'éducation aux patients à la gouvernance clinique, l'information sur les médicaments à la pharmacie, et les directives de prévention des infections au service de prévention des infections. Rien de cette structure de propriété n'a été créé pour COMPAiSS. Elle existe déjà, département par département, depuis des années.
La liste verte ne construit pas une nouvelle structure de gouvernance. Elle reflète celle qui dirige déjà l'institution. Chaque institution sait déjà qui est responsable de chaque politique. COMPAiSS demande simplement à l'IA de respecter ces décisions de propriété existantes. À mesure qu'un déploiement s'étend, d'une faculté à une université entière, d'un hôpital à un réseau régional de santé, la gouvernance s'étend de la même façon qu'elle l'a toujours fait : en ajoutant le prochain responsable de contenu déjà existant à une liste, et non en réingénierant le système en dessous.
Cela met en évidence l'échange fondamental que fait COMPAiSS, et il vaut la peine de l'énoncer clairement. Les systèmes de récupération conventionnels sont conçus pour la commodité de l'ingestion : diriger un robot d'indexation ou un connecteur vers un ensemble de documents et le laisser indexer tout ce qui est accessible. Cette commodité a un coût : personne ne peut affirmer avec certitude quels documents ont réellement été révisés et approuvés pour un usage par IA, seulement qu'ils étaient techniquement accessibles. COMPAiSS fait le choix inverse. Il renonce à la commodité de l'ingestion en échange du contrôle de la provenance : savoir, pour chaque source que l'IA peut citer, exactement qui l'a autorisée et quand. La liste verte ne crée pas de nouveau travail de gouvernance. Elle rend explicite, attribuable et vérifiable un travail de gouvernance qui existait déjà.
Cette distinction change aussi à quoi ressemble un échec de gouvernance lorsqu'il se produit. Dans un système de récupération conventionnel, un échec de gouvernance, une politique périmée, un lien brisé, un document inclus par erreur, se manifeste généralement comme une réponse incorrecte livrée à un utilisateur, découverte seulement après coup. Dans un déploiement COMPAiSS, le même échec sous-jacent se manifeste différemment : comme une réponse manquante signalée pour correction, détectée par le cycle de validation avant même d'atteindre un utilisateur.
| Récupération conventionnelle | COMPAiSS | |
|---|---|---|
| Mode d'échec | Une réponse incorrecte, livrée à un utilisateur | Une réponse manquante, signalée pour correction avant livraison |
| Détection | Après qu'un utilisateur ait agi en fonction de celle-ci | Pendant la validation de routine, avant qu'un utilisateur ne la voie |
| Correction | Un incident, quelqu'un remarque que la réponse était incorrecte | Une alerte du tableau de bord, avant que le contenu ne soit cité |
Il s'agit du même échec, traité à deux moments différents. Une architecture le découvre en aval, après le préjudice. L'autre le découvre en amont, avant la génération.
Questions difficiles sur la gouvernance de la liste verte
Réponses directes aux objections que soulèvent le plus souvent les responsables des achats, les équipes de sécurité informatique et les comités de gouvernance.
Cela fonctionne-t-il au-delà de quelques milliers de sources?
L'évolutivité vient de la délégation, pas d'un logiciel plus imposant. Une régie régionale de la santé dont les sources sont réparties dans douze hôpitaux n'a pas besoin de douze fois l'effort de gouvernance d'un seul hôpital. Elle a besoin du même modèle, répliqué à travers douze bureaux de gouvernance clinique qui possèdent déjà ce contenu aujourd'hui. Chaque site gère sa propre portion de la liste verte de façon indépendante, en utilisant le même tableau de bord et le même cycle d'audit, que la liste comporte des centaines d'entrées ou des dizaines de milliers.
Qui approuve les sources, et qui vérifie ces approbations?
Chaque ajout, retrait et modification à la liste verte est consigné avec un horodatage et attribué à la personne qui l'a effectué. C'est tout l'intérêt : les décisions de gouvernance deviennent attribuables plutôt qu'invisibles. Aujourd'hui, dans la plupart des institutions, une décision de contenu pertinente pour l'IA est effectivement prise par la personne qui configure le robot d'indexation ou le connecteur, sans aucune approbation départementale et sans aucun registre de cette décision. Une erreur dans la liste verte est visible dans l'historique des modifications et corrigible en quelques minutes. L'erreur équivalente dans une récupération conventionnelle ne se manifeste généralement que lorsqu'un utilisateur reçoit une réponse erronée, et l'enquête qui s'ensuit doit reconstituer après coup qui a indexé le document et pourquoi.
Que fait exactement la validation des sources, et que se passe-t-il si elle échoue une nuit donnée?
La validation vérifie si les sources approuvées demeurent disponibles et accessibles. Elle ne nécessite pas de reconstruire les entrepôts de connaissances ni de retraiter le contenu institutionnel, de sorte que la charge opérationnelle continue demeure faible même à mesure que les déploiements s'étendent. Les grands sites Web universitaires comptent souvent plus de 10 000 pages au total. La liste verte actuellement autorisée pour McGill, 2 010 sources, constitue un sous-ensemble ciblé couvrant les Services aux étudiants, et non l'ensemble de la présence Web de l'établissement. Même à cinq fois cette portée, soit environ 10 000 sources, comparable à l'ensemble du site Web de McGill, un cycle d'audit complet se termine tout de même en quelques minutes, car chaque vérification consiste en une simple requête de statut d'URL, et non en une relecture de document. Il s'agit d'une fraction du temps qu'un réviseur humain nécessiterait pour vérifier manuellement la même liste. Si un cycle de validation est manqué ou retardé, la liste verte continue simplement de fonctionner selon son dernier état confirmé jusqu'au prochain cycle. La détection d'un lien nouvellement brisé est retardée, pas la capacité du système à fonctionner en toute sécurité dans sa frontière autorisée existante.
Qui a le pouvoir de modifier la liste verte, par opposition à qui peut seulement la consulter?
Lors des déploiements pilotes, une seule personne-ressource institutionnelle autorisée gère habituellement la liste verte directement, en coordination avec COMPAiSS, pendant que la portée initiale est établie. Il s'agit d'une pratique propre à la phase pilote, et non d'une contrainte architecturale. La plateforme sous-jacente prend en charge la séparation des rôles pour les institutions qui le requièrent : du personnel pouvant ajouter, retirer ou approuver des sources, et des réviseurs, responsables des achats, conseillers juridiques, auditeurs, qui n'ont besoin que de la visibilité sur la liste actuelle et son historique complet de modifications, sans droit de modification. À mesure qu'un déploiement mûrit, l'autorité sur la liste verte est transférée à la structure d'approbation interne que l'institution utilise déjà pour publier du contenu officiel.
COMPAiSS ne crée pas une nouvelle hiérarchie de gouvernance. Il rattache une piste d'audit à celle qui existe déjà.
Une liste sélective n'est-elle pas simplement une version réduite du même problème de confiance?
Une liste sélective est une frontière de preuves autorisées plus étroite, et cette réduction constitue précisément l'amélioration de gouvernance revendiquée, et non une reformulation du même problème à plus petite échelle. Dans une récupération conventionnelle, la frontière englobe tout document qu'un robot d'indexation ou un connecteur peut techniquement atteindre, qu'il ait été révisé ou non pour un usage par IA. Dans un déploiement à liste verte, la frontière correspond exactement à l'ensemble des sources qu'une autorité institutionnelle nommée a explicitement approuvées. Cela n'élimine pas l'exigence sous-jacente que le contenu approuvé soit exact et à jour, aucune architecture n'élimine cette exigence. Ce que cela change, c'est si un manquement à cette exigence est visible et attribuable, ou invisible jusqu'à ce qu'il atteigne un utilisateur.
En phase avec l'évolution du Web institutionnel
Le passage de la navigation aux réponses directes par IA est déjà en cours.
De nombreuses universités et institutions publiques entreprennent actuellement une restructuration importante de leur présence Web - s'éloignant des grands écosystèmes de sites décentralisés vers des ensembles plus restreints de contenu de grande valeur et faisant autorité. Parallèlement, le comportement des utilisateurs s'éloigne de la navigation traditionnelle sur les sites Web pour adopter des réponses directes par l'intermédiaire de l'IA.
Cela crée un défi particulier. Lors des périodes de migration Web, les URL changent, le contenu se fragmente et certaines pages se dégradent ou disparaissent. Les institutions qui ont investi dans des systèmes d'IA basés sur la récupération, liés à leur structure Web existante, font face à un problème qui se cumule : la couche de contenu dont dépend leur IA devient instable précisément au moment où les réponses exactes importent le plus.
COMPAiSS est conçu pour cet environnement. Plutôt que de s'appuyer sur la structure du site ou la navigation, il identifie et priorise algorithmiquement le contenu institutionnel faisant autorité - les mêmes politiques de grande valeur, informations du registrariat, conseils des services aux étudiants et règles académiques que les institutions tentent elles-mêmes de mettre en avant. Il filtre les pages de faible valeur ou non gouvernées et fournit des réponses directes et vérifiées sans que les utilisateurs aient besoin de naviguer dans des systèmes Web complexes ou en transition.
À mesure que les institutions restructurent leur présence Web et que les utilisateurs s'attendent de plus en plus à des réponses directes par IA, COMPAiSS fournit une couche de stabilité sur un environnement d'information en évolution - une couche qui maintient l'exactitude et le contrôle institutionnel quelle que soit la façon dont l'infrastructure Web sous-jacente change.
Les institutions peuvent maintenir la qualité des réponses générées par IA même lorsque leur infrastructure Web est en transition, sans avoir à reconstruire la couche IA chaque fois que le contenu est déplacé.
COMPAiSS et vos systèmes existants
COMPAiSS ne remplace pas vos systèmes de flux de travail existants. Il y ajoute une couche d'intelligence gouvernée qu'ils n'ont jamais été conçus pour fournir.
La RAG et COMPAiSS répondent à des problèmes différents dans des contextes différents. La RAG améliore la qualité de génération en connectant le modèle à des documents pertinents avant de produire une réponse. Il s'agit d'une amélioration significative par rapport à l'IA non ancrée, mais les taux d'hallucination résiduels demeurent un défi documenté même dans des conditions optimales. Pour les institutions où ces risques résiduels sont acceptables, la RAG constitue une architecture raisonnable. Pour les institutions où ils ne le sont pas, une approche différente est nécessaire.
COMPAiSS traite le problème de l'autorisation plutôt que celui de la récupération. Lorsqu'une institution connaît déjà les sources faisant autorité et que la portée des réponses permises doit être délimitée, la question pertinente n'est pas de savoir quel contenu est le plus pertinent à récupérer. Elle porte sur la question de savoir si le système est autorisé à générer une réponse. COMPAiSS applique cette autorisation avant que l'inférence ne se produise. Pour les institutions qui évaluent l'IA pour la première fois, cela fournit une architecture de gouvernance complète sans la surcharge d'infrastructure que requiert la RAG. Pour les institutions qui ont déjà investi dans la RAG à d'autres fins, COMPAiSS répond à une exigence différente et complémentaire.
Dans les deux cas, COMPAiSS fonctionne aux côtés des systèmes CRM et de flux de travail existants plutôt que de les remplacer. Les systèmes existants gèrent les processus, les communications et la gestion des dossiers. COMPAiSS gère l'intelligence gouvernée : des réponses exactes, conformes aux politiques et autorisées par l'institution.
- Gère les candidatures et les données étudiantes
- Traite les communications à grande échelle
- Suit les flux de travail et les processus
- Soutient le recrutement et les événements
- Guide les étudiants à travers les étapes d'admission
- Répond avec exactitude aux questions complexes de politique
- Élimine la variation d'un conseiller à l'autre
- Gère les cas limites et les règles conditionnelles
- Active les connaissances institutionnelles internes
- Génère des réponses prêtes à l'emploi, conformes aux politiques
Ce modèle ouvre également l'accès aux connaissances institutionnelles qui n'existent actuellement que dans des documents internes - conseils en matière d'admission, interprétations internes des politiques, documents destinés au personnel - qui ne sont pas accessibles au public mais qui informent directement la façon dont le personnel utilise ses systèmes. COMPAiSS peut intégrer ce contenu sous le contrôle total de l'institution, créant une couche en mode personnel qui active les connaissances institutionnelles sans les exposer publiquement.
Évaluation et approbation à faible risque
Un système conçu pour être essayé avant d'être adopté.
COMPAiSS peut être déployé de manière indépendante, évalué en toute sécurité et abandonné à tout moment sans affecter les systèmes existants. Aucun flux de travail existant n'est perturbé. Aucune donnée n'est touchée. Aucune architecture n'est modifiée.
Comme il fonctionne sans intégration de système et tombe généralement en dessous des seuils d'approvisionnement standard pour les logiciels d'entreprise, il peut être évalué rapidement - sans cycles de mise en oeuvre prolongés, approbations de projets TI ou risque opérationnel.
Une évaluation peut commencer avec un ensemble ciblé de contenu politique et d'admission à fort impact, puis s'étendre au fil du temps à mesure que la confiance grandit - en ajoutant des documents internes, des domaines de politique supplémentaires ou une intégration de flux de travail au rythme de l'institution et sous son contrôle.
Commencer modestement
Débuter avec un ensemble défini de contenu politique et de questions à fort volume. Aucun engagement en infrastructure requis pour évaluer la performance réelle sur des questions institutionnelles réelles.
Progresser à votre rythme
Ajouter des documents internes, des domaines de politique supplémentaires ou une intégration de flux de travail au fil du temps. Chaque expansion est contrôlée par l'institution et ne nécessite pas de changements de système.
Se retirer sans conséquence
COMPAiSS fonctionne indépendamment des systèmes existants. L'abandonner ne laisse rien derrière - aucune dépendance aux données, aucune intégration à défaire, aucune infrastructure à désactiver.
L'argument central pour l'approvisionnement : COMPAiSS ne demande pas aux institutions de s'engager dans un changement architectural avant d'avoir vu le système fonctionner. Il leur demande de l'évaluer sur leurs propres questions, en utilisant leur propre contenu, sans perturber quoi que ce soit sur quoi elles s'appuient actuellement.
Le risque de l'évaluer est faible. Le risque de ne pas l'évaluer - pendant que les problèmes d'exactitude et de gouvernance qu'il résout continuent de s'aggraver - ne l'est pas.
Tarification institutionnelle pour l’enseignement supérieur
Licences transparentes et tout compris pour les universités de taille moyenne.
COMPAiSS est offert sous forme de licence de plateforme institutionnelle. L'infrastructure, le traitement IA, la surveillance de la gouvernance, le suivi et les rapports sont tous inclus dans les frais de licence annuels. Les institutions ne gèrent pas et ne paient pas séparément les composantes sous-jacentes.
La tarification ci-dessous est fondée sur le déploiement d'une université de taille moyenne (environ 5 000 à 8 000 étudiants) avec une portée initiale ciblant les Affaires étudiantes et services. L'année 1 est projetée de manière conservatrice à environ 12 000 sessions annuelles.
Ce que la licence inclut : Capacité de traitement IA, infrastructure d'hébergement sécurisée (disponibilité 24/7, chiffrement, protection du trafic), surveillance de la gouvernance et validation des politiques (maintenance continue de la liste verte, mises à jour des limites de portée, révisions trimestrielles des risques), surveillance et analytique (analytique d'engagement, tableaux de bord administratifs, diagnostics de performance), et une période pilote pour le personnel pouvant aller jusqu'à 30 jours avant le déploiement complet auprès des étudiants.
Tableau de bord de gestion de la liste verte
Chaque déploiement COMPAiSS comprend un tableau de bord administratif conçu sur mesure qui permet au personnel institutionnel désigné d’exercer un contrôle direct et authentifié sur les limites des sources approuvées. Les administrateurs peuvent ajouter ou retirer des URL, des documents, des politiques, des procédures, des formulaires, des ressources PDF, des pages HTML et d’autres sources institutionnelles autorisées, consulter l’historique complet des modifications et appliquer les changements en quelques minutes. Aucune intervention d’un développeur n’est requise pour les mises à jour courantes de la portée du système. L’exemple ci-dessous présente la liste verte de l’Université McGill comptant 2 010 sources actives, toutes vérifiées et à jour.
Les changements prennent effet quelques minutes après leur enregistrement. Chaque modification est consignée dans un historique complet des versions. Aucune intervention d’un développeur n’est requise pour les mises à jour courantes de la portée du système.
Cadre d'utilisation et de croissance
| Niveau d'utilisation | Plage d'interactions | Impact sur les coûts | Action |
|---|---|---|---|
| Dans la plage projetée | ~12 000/an | Entièrement inclus | Aucune action requise |
| Surutilisation modérée | 120-150 % de la projection | Coût IA incrémentiel seulement | Suivi ; absorbé dans la mesure du raisonnable |
| Surutilisation importante | >150 % de la projection | Révision de la mise à l'échelle | Discussion d'ajustement tarifaire |
| Sous-utilisation importante | <50 % de la projection | Coût variable réduit | Révision de l'année 1 possible |
Approvisionnement et préparation en matière de sécurité
| Capacité | Statut |
|---|---|
| Déploiement commercial | Actif |
| Projets pilotes institutionnels | Actifs |
| Trousse HECVAT | Complète |
| Documentation de gouvernance IA | Complète |
| Documentation de confidentialité | Complète |
| Hébergement canadien | Opérationnel |
| Trousse d'approvisionnement | Disponible |
COMPAiSS a été préparé pour l'approvisionnement institutionnel dès le départ. La documentation nécessaire est disponible pour l'approvisionnement institutionnel et l'examen de sécurité.
Documentation disponible
Contrôles de sécurité d'entreprise
Conformité aux cadres de référence
Confidentialité dès la conception
Soutien au déploiement
Chaque déploiement institutionnel comprend :
Conformité transparente
La confiance institutionnelle repose sur la divulgation transparente, et non sur des listes de contrôle parfaites. Notre documentation d'approvisionnement identifie à la fois les contrôles déjà mis en œuvre et ceux actuellement en développement, permettant aux institutions d'évaluer la plateforme selon une posture de conformité exacte et à jour plutôt que des affirmations aspirationnelles.
Comprend le HECVAT 4.1.6, la documentation de gouvernance IA, le plan d'intervention en cas d'incident, le plan de continuité des activités, le plan de reprise après sinistre, l'EFVP, la documentation d'architecture et le matériel d'approvisionnement complémentaire.
Obtenir la trousse d'approvisionnement →Comparaison concurrentielle - enseignement supérieur
Coûts annuels de licence pour des plateformes d'assistance IA comparables déployées dans l'enseignement supérieur. Les chiffres excluent la mise en œuvre, l'intégration et la configuration de gouvernance — qui ajoutent généralement 15 à 30 % au coût total de possession de la première année pour les solutions concurrentes.
| Plateforme | Petite université | Université moyenne | Grande université | Modèle tarifaire |
|---|---|---|---|---|
| Bolt AI Assistants | $30K-$50K | $50K-$80K | $80K-$110K | Abonnement annuel |
| Capacity AI | $30K-$55K | $55K-$85K | $85K-$120K | Utilisation + frais de plateforme |
| Coveo AI | $40K-$70K | $70K-$100K | $100K-$140K | Contrat d'entreprise |
| Intercom (Education) | $45K-$75K | $75K-$110K | $110K-$150K | Utilisation + sièges |
| Ivy.ai | $45K-$75K | $75K-$110K | $110K-$145K | Abonnement annuel |
| Mainstay (AdmitHub) | $35K-$60K | $60K-$95K | $95K-$135K | Abonnement annuel |
| Ocelot | $20K-$40K | $40K-$65K | $65K-$90K | Abonnement annuel |
| Verge AI | $25K-$45K | $45K-$75K | $75K-$120K | Contrat d'entreprise |
| Zendesk Answer Bot | $25K-$45K | $45K-$75K | $75K-$105K | Tarification par agent |
| COMPAiSS (Univ. moyenne) | - | A1 : 30 000 $ A2 : 26 000 $ A3 : 27 000 $ | - | Projet pilote institutionnel axé sur la gouvernance — frais de mise en œuvre, révision à 6 mois, tout compris |
1. La tarification des concurrents reflète des estimations publiques du marché et des analyses comparatives. Tous les fournisseurs utilisent des modèles à devis personnalisés ; les chiffres représentent les fourchettes institutionnelles typiques pour le déploiement d'une université de taille moyenne.
2. La tarification reflète un déploiement institutionnel de taille moyenne, dimensionné pour environ 5 000 à 8 000 étudiants équivalents temps plein, avec un mandat initial en Services aux étudiants projeté à environ 12 000 sessions annuelles. Les établissements situés en dehors de cette fourchette font l'objet d'une soumission distincte établie en fonction de la portée du déploiement, de la population étudiante et du volume de sessions prévu.
3. COMPAiSS est dimensionné pour le périmètre de déploiement spécifique. L'avantage tarifaire se réduirait à grande échelle ; cependant, l'architecture de gouvernance pré-inférence de COMPAiSS demeure unique dans l'ensemble concurrentiel, quelle que soit l'échelle.
4. Les plateformes de cette comparaison appartiennent à deux catégories architecturales : les systèmes basés sur la FAQ qui associent les requêtes à des bibliothèques de réponses prérédigées, et les chatbots axés sur l'inférence qui génèrent des réponses à partir de modèles d'IA sous-jacents sans couche d'autorisation préalable. COMPAiSS n'appartient à aucune de ces catégories. Son portail d'exécution signifie que l'inférence ne se produit pas tant que l'autorisation pré-génération n'est pas satisfaite — une distinction structurelle par rapport à tous les concurrents identifiés, qui traitent uniformément la gouvernance comme un filtre post-génération ou une couche de restriction de contenu.
Gouvernance pré-inférence
La validation des sources et l'application du périmètre se produisent avant la génération IA. Aucun concurrent n'opère à cette couche architecturale. Chaque plateforme ci-dessus applique le filtrage après l'inférence — ce qui signifie que le contenu halluciné est produit en premier et supprimé ensuite.
Intégration TI minimale
S'intègre directement au site Web existant de l'institution. L'authentification unique optionnelle nécessite une seule inscription d'application dans Azure AD — aucune installation de serveur, migration de base de données ou modification d'infrastructure requise.
Prêt pour l'approvisionnement
L'autorisation pré-inférence signifie que chaque interaction suit un chemin de gouvernance documenté et reproductible. Compatible avec les exigences des comités de gouvernance IA, les cadres d'EIA et les normes d'approvisionnement gouvernementales.
Retour sur investissement
Ajustez les curseurs selon votre établissement et calculez votre rendement annuel estimé.
Santé et systèmes hospitaliers
Combler l’écart entre les robots FAQ limités et l’IA générale non gouvernée.
Les hôpitaux font aujourd’hui face à deux problèmes concurrents. D’une part, les patients, les familles et les visiteurs se tournent de plus en plus vers des systèmes d’IA à usage général, ChatGPT, Gemini, Copilot, Claude, Perplexity, pour obtenir des réponses sur les services hospitaliers, la préparation à la chirurgie, l’éducation des patients, les références et les politiques de visite. Ces systèmes n’ont pas été conçus pour répondre exclusivement à partir de l’information autorisée d’un hôpital, et peuvent produire des réponses tirées de connaissances générales d’entraînement ou de sources que l’établissement n’a jamais approuvées.
D’autre part, les robots FAQ traditionnels sont sécuritaires précisément parce qu’ils ne répondent qu’à une liste limitée et préétablie de questions, mais cette même limitation laisse de nombreux utilisateurs incapables de trouver ce dont ils ont besoin, les repoussant tout de même vers l’IA à usage général.
Plutôt que de générer une réponse puis de tenter de la contraindre après coup, COMPAiSS autorise le contenu institutionnel avant que l’inférence ne commence. Si une réponse ne peut être appuyée par des sources hospitalières autorisées, COMPAiSS ne répond pas à partir de sources externes.
Étude de cas : le CUSM et la nouvelle lacune de gouvernance de l’IA en santé
L’architecture de COMPAiSS destinée au secteur de la santé a été mise à l’épreuve à partir d’un cas réel et documenté publiquement : le Centre universitaire de santé McGill. Le trafic mesuré vers le site muhc.ca a diminué d’environ 16 000 visites mensuelles en un seul mois.
Des essais en direct fondés sur de véritables questions de patients ont révélé que quatre systèmes d’IA à usage général largement utilisés, ainsi que l’aperçu généré par l’IA de Google, répondent avec assurance à des questions cliniques individualisées sans aucun lien avec les directives autorisées d’un hôpital. L’étude de cas documente directement ces résultats, ainsi que l’architecture de gouvernance conçue pour combler cette lacune.
Lire l’étude de cas complète sur la gouvernance de l’IA en santé →
Applications typiques en santé
Les organisations de santé déploient COMPAiSS pour soutenir un large éventail de services d’information publique, notamment :
- Éducation des patients et information sur la santé
- Préparation à la chirurgie et conseils de rétablissement
- Plans de l’hôpital, stationnement et orientation
- Information sur les cliniques, départements et médecins
- Heures de visite et politiques des visiteurs
- Carrières et recrutement
- Recherche et programmes universitaires
- Politiques institutionnelles et avis publics
- Information sur la fondation et la communauté
Aucune intégration au dossier de santé électronique n’est requise. Aucun dossier de patient n’est consulté. Les sites Web existants de l’hôpital demeurent la source faisant autorité de l’information institutionnelle.
Avantages institutionnels
IA publique plus sécuritaire
Fournit des réponses exclusivement à partir de l’information autorisée par l’hôpital plutôt que des connaissances générales d’entraînement de l’IA.
Réduit la dépendance à l’IA générale
Offre aux patients et aux familles une solution institutionnelle fiable, alternative à l’IA à usage général, pour les questions propres à l’hôpital.
Améliore l’accès à l’information existante
Aide les utilisateurs à trouver l’éducation des patients, les guides de chirurgie et les services hospitaliers par une conversation naturelle plutôt que par la seule navigation sur le site Web.
Réduit les demandes courantes
Fournit des réponses immédiates à de nombreuses demandes publiques répétitives, contribuant à réduire la demande sur les standards téléphoniques et les lignes d’information.
Soutient directement les agents des centres d’appel
Les agents subissent la même pression que les patients : une réponse rapide est nécessaire, avec une source qui semble faire autorité à portée de main. Sans option gouvernée, le personnel qui cherche une réponse qu’il ne connaît pas déjà n’est pas à l’abri des mêmes outils d’IA générale non gouvernés qui alimentent le problème du côté des patients. COMPAiSS offre plutôt aux agents un premier arrêt fiable et gouverné, ce qui importe encore plus que pour le libre-service des patients : la réponse d’un agent est livrée comme la voix institutionnelle de l’hôpital, et non comme une recherche privée qu’un patient aurait faite de son côté.
Préserve l’autorité institutionnelle
Chaque réponse institutionnelle demeure fondée sur du contenu approuvé par l’hôpital, sous le contrôle de l’organisation.
Traçabilité complète
Chaque réponse peut être retracée jusqu’aux sources institutionnelles autorisées, ce qui simplifie la révision, la correction et la gouvernance.
Soutien bilingue et multilingue
Soutient la communication publique dans les langues dont votre population de patients a réellement besoin, gouvernée de la même façon peu importe la langue.
Information cohérente sur tous les canaux
La même base de connaissances gouvernée dessert les patients, les familles, les visiteurs, les fournisseurs référents et le personnel, de sorte que la réponse ne change pas selon qui pose la question ou quel canal a été utilisé.
Profils de déploiement typiques
Les déploiements en santé sont établis individuellement selon la complexité organisationnelle et les besoins en information publique.
| Organisation | Déploiement typique |
|---|---|
| Hôpital communautaire | Information publique sur un seul site, éducation des patients, services aux visiteurs |
| Réseau hospitalier régional | Déploiement multi-sites avec éducation des patients partagée, services multilingues et gouvernance centralisée |
| Centre de santé universitaire | Vaste bibliothèque d’éducation des patients, recherche, plusieurs hôpitaux, information publique multilingue |
| Autorité de santé provinciale / régionale | Déploiement d’entreprise dans plusieurs réseaux hospitaliers et services de santé |
Impact sur la gouvernance
Les organisations de santé sont de plus en plus en concurrence avec l’IA à usage général comme première source d’information du public. Une évaluation d’impact sur la gouvernance examine le trafic du site Web public, la complexité de l’information institutionnelle et la probabilité que les utilisateurs cherchent des réponses auprès de l’IA générale plutôt que des sources hospitalières autorisées.
Cette évaluation vise à quantifier l’exposition en matière de gouvernance, et non le rendement financier. Elle répond à « dans quelle mesure cet établissement est-il exposé », et non « combien cela permet-il d’économiser ». Voir Impact opérationnel ci-dessous pour l’estimation en dollars.
Demandez une évaluation d’impact sur la gouvernance adaptée au trafic public et à l’empreinte de contenu de votre établissement.
Demander une évaluation d’impact sur la gouvernance →Impact opérationnel et RCI
Ajustez les curseurs pour correspondre au volume d’appels de votre hôpital et voir votre rendement annuel estimé. Ce calculateur est basé sur l’activité du centre d’appel, et non sur le trafic du site Web, voir la note ci-dessous.
Ce calculateur estime l’impact opérationnel en fonction de l’activité du centre d’appel, et non du trafic du site Web. Le trafic du site Web est un signal d’exposition en matière de gouvernance (voir Impact sur la gouvernance ci-dessus), et non un intrant direct de cette estimation en dollars; les deux mesurent des choses différentes et sont délibérément gardés séparés. Tous les chiffres sont des estimations à des fins de planification; les chiffres finaux sont établis par une évaluation ciblée.
Retour sur investissement — Centres d’appel et secteur public
Modélisé sur la bêta en direct de Service Canada. Ajustez les curseurs selon votre centre d’appel pour estimer vos économies annuelles.
Au coût d'interaction confirmé de 0,02 $ — contre 8,33 $ par appel traité par un agent — COMPAiSS offre une réduction des coûts de 416× par interaction. Dévier 30 % du volume total d'appels de Service Canada permet d'économiser environ 19,94 M$ annuellement, tandis que les agents demeurent entièrement disponibles pour les cas complexes, les appels et les interactions sensibles avec les clients.
Données de référence — centres d'appel du secteur public canadien
Données Service Canada : environ 8 M d'appels annuels (AE, RPC, SV et autres programmes) à environ 8,33 $ par interaction traitée par un agent (chiffres 2023–24). Coût d'interaction COMPAiSS confirmé à 0,02 $. Les projections d'économies supposent que COMPAiSS traite les appels qui auraient autrement été pris en charge par des agents — les cas complexes, les appels et les interactions sensibles demeurent avec le personnel qualifié. Tous les chiffres sont des estimations à des fins de planification.
Évaluation de l’IA gouvernementale : agent conversationnel GenAI de l’ARC c. COMPAiSS
En juin 2026, COMPAiSS a été évalué par rapport à l’agent conversationnel GenAI de l’Agence du revenu du Canada (ARC) à l’aide de douze scénarios portant sur l’impôt et les prestations. Ces scénarios couvraient les échéances fiscales, les droits des contribuables, les programmes gouvernementaux, l’accès multilingue, l’exactitude temporelle, la gouvernance des sources et la responsabilité dans les services publics.
L’évaluation a relevé des renseignements périmés, des protections offertes aux contribuables qui n’étaient pas mentionnées, des références manquantes à certains programmes fédéraux, des limites importantes en matière d’accès multilingue, ainsi que des différences en matière de transparence des sources et d’exactitude temporelle.
Ces constats sont directement liés à la Stratégie nationale en intelligence artificielle du Canada, notamment à ses objectifs de protection des Canadiens, de sauvegarde de la confiance du public, d’accès équitable aux avantages de l’IA et de renforcement des institutions publiques grâce à une adoption responsable de l’intelligence artificielle.
Activité d'approvisionnement gouvernemental
COMPAiSS figure sur la plateforme CanadaBuys du gouvernement du Canada en tant qu'entreprise intéressée par l'occasion d'approvisionnement de la Liste des sources en intelligence artificielle.
Le profil CanadaBuys présente COMPAiSS ainsi qu'une description de son architecture à exécution contrôlée destinée aux environnements institutionnels réglementés.
Réponses IA du gouvernement du Canada — Résultats des essais publiés
Le Bureau de l'expérience Canada.ca a publié en décembre 2025 les résultats d'essais à l'échelle de l'entreprise menés auprès de l'EDSC, de l'ARC, d'IRCC et de sept autres institutions fédérales. Sur 7 851 questions réparties en trois essais, le système a atteint des taux d'exactitude de 94 à 96,7 pour cent, en puisant exclusivement dans les sites Web du gouvernement du Canada. Chaque réponse portait la mention : « L'IA peut faire des erreurs, vérifiez toujours votre réponse. »
Un taux d'exactitude de 94 à 96 pour cent représente une réalisation significative. Cela signifie également que sur 7 851 questions d'essai, entre 235 et 471 réponses contenaient des erreurs - transmises à des Canadiens cherchant de l'aide sur l'AE, le RPC, les comptes fiscaux et le statut d'immigration. Extrapolé au volume confirmé de Service Canada d'environ 8 millions d'interactions annuelles, un taux d'erreur résiduel de 3 à 6 pour cent représente entre 240 000 et 480 000 réponses incorrectes par année. La mention de mise en garde constitue la couche de gouvernance pour ces erreurs. COMPAiSS aborde le même défi différemment : la porte d'autorisation pré-inférence empêche la génération lorsque des preuves vérifiées ne sont pas disponibles, plutôt que de divulguer après coup que la génération aurait pu être incorrecte.
Lire les résultats des essais Réponses IA du gouvernement du Canada
COMPAiSS est disponible pour une évaluation institutionnelle. Pour planifier une démonstration, discuter d'un déploiement pilote ou demander la documentation de gouvernance aux fins d'examen de l'approvisionnement :
Demander une démonstration →