Les PME accumulent des captures d’écran, démonstrations produit, photos de chantier, vidéos de formation et enregistrements commerciaux. Ces contenus restent souvent dispersés dans des dossiers dont seuls les créateurs connaissent la logique. Un projet open source montre comment l’IA locale transforme cette masse visuelle en ressource interrogeable, sans imposer son transfert vers un service cloud.

Des archives visuelles enfin interrogeables

Le projet SCM propose une recherche approfondie dans les photos et vidéos stockées sur macOS. Son approche est dite local-first : l’indexation et l’inférence s’exécutent sur le Mac, sans compte utilisateur ni téléversement annoncé vers une infrastructure distante.

La recherche ne repose pas uniquement sur les noms de fichiers. Le logiciel commence par repérer les correspondances textuelles, puis utilise un modèle de vision pour rapprocher une requête du contenu des images. Une demande comme « présentation avec un tableau blanc » peut ainsi retrouver un visuel même si son fichier porte un nom générique.

Pour la vidéo, le projet analyse les scènes et renvoie vers le passage correspondant. Il exploite aussi le texte détecté par reconnaissance optique et les transcriptions vocales. L’utilisateur peut donc rechercher une expression affichée dans une capture d’écran, une phrase prononcée pendant une démonstration ou un élément visuel présent dans un plan.

Cette combinaison intéresse directement les équipes commerciales et opérationnelles. Un vendeur retrouve plus facilement une démonstration adaptée à un secteur. Le support identifie une capture illustrant une erreur. Une équipe terrain récupère une photo d’installation sans parcourir manuellement toute l’arborescence. Le bénéfice ne vient pas d’un nouveau contenu généré, mais d’un meilleur accès au patrimoine déjà produit.

Du dossier partagé au contexte CRM

Une recherche multimédia n’est pas un CRM et le projet ne décrit pas de synchronisation native avec les outils commerciaux. Il fournit néanmoins une brique utile pour enrichir les processus existants. Les résultats peuvent servir à retrouver une preuve de livraison, une séquence de démonstration, un visuel envoyé par un prospect ou un extrait exploitable dans une réponse client.

La valeur dépend alors de la qualité du classement métier. Un moteur sémantique retrouve des ressemblances, mais il ne connaît pas spontanément le statut d’une opportunité, les droits attachés à une image ou la version validée d’une présentation. Les dossiers, noms de projets, règles de conservation et métadonnées CRM restent indispensables pour replacer chaque résultat dans son contexte.

Le projet distingue utilement plusieurs formes de correspondance. Une recherche visuelle ne présente pas la même fiabilité qu’une expression trouvée littéralement dans un texte ou une transcription. Cette distinction doit rester visible dans tout usage professionnel : un résultat proche facilite l’exploration, tandis qu’une preuve contractuelle ou une parole attribuée exige une vérification dans le fichier d’origine.

L’exécution locale change aussi l’équation économique. Elle limite la dépendance à des appels distants facturés à l’usage, mais reporte une partie des contraintes sur le poste de travail : capacité matérielle, mises à jour, sauvegarde, assistance et contrôle des versions. Cette logique complète les pratiques présentées dans notre analyse sur le plafonnement des dépenses API et SaaS.

Elle rejoint également une tendance plus large vers l’IA exécutée sur les appareils, évoquée dans notre article sur la stratégie IA d’Apple et ses enseignements pour les PME. Le choix entre traitement local et cloud devient une décision d’architecture, liée aux données manipulées et au niveau de service attendu.

Local ne signifie pas sans gouvernance

L’absence de téléversement réduit une surface d’exposition, sans supprimer les obligations de sécurité et de protection des données. Des photos de clients, captures de messagerie, adresses électroniques visibles ou transcriptions de réunions peuvent contenir des données personnelles. La CNIL rappelle les principes applicables aux systèmes d’intelligence artificielle, notamment la définition d’une finalité, la maîtrise des données et l’information des personnes concernées.

Le logiciel sait aussi détecter du texte visible et faire ressortir des coordonnées électroniques. Cette fonction facilite la recherche, mais rend des informations auparavant enfouies beaucoup plus accessibles. Les droits d’accès au moteur doivent donc être au moins aussi stricts que ceux appliqués aux dossiers indexés. Un index local mal protégé ne devient pas neutre simplement parce qu’il reste sur un ordinateur.

L’ajout optionnel d’un modèle conversationnel local mérite la même vigilance. Le projet indique que ce modèle répond à partir d’éléments déjà extraits et fournit des renvois vers les sources. Cette traçabilité facilite le contrôle humain, sans transformer la réponse générée en vérité documentaire. Le cadre européen distingue les obligations selon les usages et les risques, comme l’expose la Commission européenne dans sa présentation du règlement sur l’IA.

Avant tout déploiement, une PME peut sélectionner un corpus limité et non sensible, nommer un responsable métier, définir les personnes autorisées, fixer une durée de conservation de l’index et préparer des requêtes de test. Cette expérimentation encadrée permet de mesurer l’utilité réelle pour les ventes ou les opérations tout en documentant les règles de sécurité avant d’étendre l’accès.