Transparence IA

Comment Whisperit utilise l'IA

Whisperit porte le label swiss made software + AI. Ce label demande aux entreprises qui le portent d'exposer clairement le fonctionnement de l'intelligence artificielle dans leur produit. Voici donc, sans langage marketing : hébergement, degré d'intégration, technologies, modèles et fine-tuning.

swiss made software + AI, le label de l'industrie suisse du logiciel pour les produits intégrant de l'intelligence artificielle

swiss made software + AI

Le label + AI est décerné par swiss made software aux prestataires suisses qui intègrent l'intelligence artificielle dans leurs produits et publient la manière dont ils le font. Les cinq déclarations ci-dessous sont celles qu'exige le label.

À propos du label + AI
01

Modèle d'hébergement suisse

Whisperit est un service cloud multi-tenant exploité par Whisperit SA : vous ne l'hébergez pas vous-même. Toutes les données persistantes (comptes, documents, transcriptions et embeddings de documents) sont stockées en Suisse. Le calcul, le stockage des documents, l'OCR et la recherche vectorielle s'exécutent sur Microsoft Azure dans la région Switzerland North ; la base de données PostgreSQL et l'application web sont hébergées par Infomaniak à Genève. Les sauvegardes et les répliques restent en Suisse. Le niveau Suisse uniquement est celui par défaut : chaque requête IA reste en Suisse et, si le fournisseur suisse est indisponible, la requête échoue plutôt que d'être redirigée vers une autre juridiction. Deux autres niveaux sont disponibles sur demande : l'un traite via un fournisseur établi dans l'UE, l'autre ajoute un repli international pour la disponibilité.

02

Degré d'intégration de l'IA

L'IA est une fonction centrale de Whisperit, et non une option ajoutée. La dictée et la transcription, la rédaction et l'édition de documents, la synthèse, la recherche sémantique dans les dossiers de l'étude et l'assistance à la recherche juridique reposent toutes sur l'IA ; sans elles, le produit ne remplirait pas son rôle. L'IA n'agit jamais seule. Chaque résultat produit par l'IA est une proposition soumise à l'utilisateur pour relecture, modification et acceptation explicite avant d'être intégrée à un document ou à un dossier. Rien n'est classé, envoyé ou décidé de manière autonome, et chaque accès, modification et export est consigné dans un journal d'audit.

03

Technologies d'IA utilisées

Des grands modèles de langage (LLM) pour la rédaction, l'édition, la synthèse et l'assistance conversationnelle. La reconnaissance automatique de la parole (ASR) pour la dictée et la transcription audio, y compris la diarisation des locuteurs. La reconnaissance optique de caractères (OCR) pour les documents numérisés. Des embeddings textuels associés à une recherche vectorielle, utilisés pour la génération augmentée par récupération (RAG) afin que les réponses s'appuient sur les documents de l'étude plutôt que sur la mémoire d'un modèle. La synthèse vocale pour la lecture des documents.

04

Origine et type des modèles

Whisperit ne développe pas ses propres modèles de fondation. Nous intégrons des modèles tiers dans le cadre d'accords entreprise. Modèles de langage : hébergés en Suisse, sur Microsoft Azure à Zurich et chez Infomaniak Network SA. Parole : les modèles de transcription Azure OpenAI et Azure Speech Services, tous deux en Suisse. Le routage des modèles est configuré par client par nos soins et n'est pas exposé dans l'interface, afin qu'il ne puisse pas être modifié par inadvertance. La liste complète des fournisseurs est publiée sur notre page des sous-traitants.

05

Fine-tuning

Non. Whisperit n'effectue aucun fine-tuning de modèles sur les données clients, et aucun de nos fournisseurs n'y est autorisé. Chaque fournisseur d'IA est lié par un accord entreprise qui interdit contractuellement l'utilisation des données clients à des fins d'entraînement, de fine-tuning ou d'amélioration des modèles ; le traitement est transitoire : rien n'est conservé par le fournisseur au-delà de la durée de l'appel API. Whisperit est adapté au travail juridique par l'ingénierie des prompts et la récupération d'informations dans les documents de l'étude (RAG), et non par l'entraînement d'un modèle sur le contenu des clients.