Retour aux études de marché
COMET fournit des logiciels et des services de signalement d’incidents, d’enquête, d’analyse des causes racines, d’audit et de contrôle des fournisseurs. Son module Supply Chain gère les informations fournisseurs, les évaluations, les documents et les actions correctives. COMET Signals analyse les dossiers de santé, sécurité, environnement et qualité ; son AI Assistant aide les enquêteurs à préparer et analyser les enquêtes. Ses clients comprennent des exploitants de l’énergie, du ferroviaire, des services collectifs, du bâtiment et d’autres secteurs exposés à des dangers opérationnels importants. (1, 2, 4, 5)
Note globale supply chain : 4.9/10.
| Dimension | Note |
|---|---|
| Profondeur en supply chain | 4.2/10 |
| Substance décisionnelle et d’optimisation | 4.0/10 |
| Intégrité du produit et de l’architecture | 6.0/10 |
| Transparence technique | 5.4/10 |
| Sérieux de l’éditeur | 5.0/10 |
La substance de COMET réside dans l’organisation des enquêtes et l’amélioration de l’apprentissage tiré des défaillances. Son module fournisseurs étend cette démarche à la qualification et à l’évaluation des risques. L’affirmation d’optimiser toute la supply chain dépasse largement le mécanisme : des évaluateurs configurent les notes, examinent les fournisseurs et attribuent des actions. Aucun calcul publié ne sélectionne les achats, les fournisseurs ou les quantités de stock selon leurs conséquences économiques attendues. (2, 3)
La principale faiblesse de Signals tient au passage de régularités dans les dossiers à des affirmations sur les causes et l’efficacité des interventions. Une requête peut s’appuyer correctement sur les rapports et pourtant étayer une conclusion opérationnelle erronée. Suivre un indicateur avant et après une action ne suffit pas, en soi, à établir que cette action a causé le changement. (4)
COMET face à Lokad
Supposons qu’un fournisseur livre régulièrement des pièces défectueuses. COMET peut organiser les rapports, les relier aux audits, examiner les contrôles défaillants, actualiser l’évaluation des risques du fournisseur et attribuer les travaux correctifs. Cela répond à un problème organisationnel important : les défaillances se répètent souvent parce que l’information reste dispersée et que personne ne suit les actions jusqu’à leur terme. (2, 3, 4)
Le choix de supply chain associé est différent : combien commander à ce fournisseur, faut-il en qualifier un autre, et quel stock conserver pendant que les corrections produisent leurs effets ? Ces choix dépendent de taux de défaut, de dates de réception et d’une demande incertains, ainsi que des coûts de remplacement, des capacités et de la trésorerie. L’approche d’optimisation des stocks de Lokad entretient une logique décisionnelle numérique pour évaluer économiquement ces engagements. Ses Supply Chain Scientists développent et révisent cette logique, qui produit régulièrement des décisions exécutables.
COMET entretient un processus d’enquête et de contrôle ; Lokad entretient un processus de décision pour les flux de marchandises. Ni une catégorie de risque ni une étiquette de cause racine ne fournit les probabilités et les arbitrages monétaires nécessaires au second. La perspective d’Introduction à la Supply Chain est utile ici : une information supplémentaire justifie son coût lorsqu’elle améliore une décision. Une enquête approfondie peut alimenter ce calcul, mais le calcul reste à construire.
Contrôle des fournisseurs et limites des scores de risque
La page Supply Chain décrit l’intégration des fournisseurs, l’examen des certifications et documents, les évaluations et la gestion des actions. Son système de notation personnalisable tient compte des dépenses, de l’impact environnemental, de la sécurité, de la sûreté et d’autres critères définis par l’entreprise. Les écrans montrent des niveaux de risque et une matrice de probabilité et de gravité. Les évaluateurs produisent un score global du fournisseur à partir de la configuration du client. (2)
Ce sont des mécanismes de workflow et de classification. Un fournisseur classé à haut risque n’est pas automatiquement celui auquel il faudrait acheter moins. Un fournisseur unique de pièce critique, un fournisseur remplaçable de produits banalisés et un sous-traitant à faible volume peuvent porter des étiquettes de risque similaires tout en exigeant des réponses très différentes. La décision économique a besoin du coût et de la faisabilité des alternatives, de la quantité exposée, de la durée d’une perturbation et de la probabilité qu’une mesure d’atténuation change le résultat.
Une matrice ordinale ne fournit pas ce calcul. Des étiquettes comme probable ou catastrophique exigent une définition opérationnelle, un horizon temporel et un lien avec l’exposition. Les combiner aux dépenses et à d’autres scores peut masquer les arbitrages plutôt que les résoudre. COMET publie le déroulement de l’évaluation, mais ni calibration des scores fournisseurs par rapport aux pertes ultérieures, ni règle de décision répartissant un budget d’atténuation entre fournisseurs.
Les affirmations de la page sur une solution complète de supply chain et l’optimisation de tout le processus sont donc excessives. Le logiciel standardise le contrôle des fournisseurs. Il ne documente pas la projection stochastique de la demande future, des délais, des défauts et des interruptions qui permettrait d’optimiser les achats ou les stocks en tenant compte du risque.
Mécanismes d’enquête et affirmations causales
COMET Investigate organise les preuves dans une grille Significant Investigation Data, examine les barrières défaillantes ou absentes, analyse les facteurs humains et code les conclusions à travers cinq Root Maps : communication, environnement opérationnel, management, équipement et formation. Les tableaux de bord Power BI exposent les régularités, la performance des enquêteurs, les délais de clôture et la cohérence de sélection des causes racines. (3)
Cette méthode peut rendre les enquêtes comparables et empêcher qu’une conclusion superficielle, telle qu’une erreur d’opérateur, mette fin à l’analyse. Ses exigences pratiques apparaissent dans un cas de Lloyd’s Register de décembre 2020 : une défaillance de tige de forage avait entraîné environ 24 jours improductifs ; l’enquête associait dossiers de forage, procédures, expertise métallurgique indépendante et détachement d’un enquêteur expérimenté. L’examen de six semaines a produit quatre facteurs COMET, neuf causes racines associées et dix recommandations. Ce sont des résultats d’enquête documentés, et non des réductions mesurées des pertes de forage futures. (17)
Signals 2.0 classe les dossiers et répond aux requêtes. Il décrit la vérification des sources, les évaluations de confiance, l’abstention, les prompts versionnés et le rejeu historique après modification de la taxonomie. Cela rend l’analyse plus inspectable et plus facile à réviser. (4)
Toutefois, la cohérence avec un dossier ne valide pas son interprétation causale. Un rapport peut omettre un précurseur, répéter l’explication erronée d’un enquêteur ou refléter une pression pour choisir une catégorie acceptable. Un vérificateur peut confirmer que l’explication figure dans les preuves sans établir qu’elle explique la défaillance. Prévoir un incident futur exige aussi d’évaluer les alertes sur les dossiers disponibles avant cet incident, en incluant les événements manqués et la charge de travail due aux fausses alertes. Les documents examinés ne publient pas cette évaluation.
Mesurer une intervention demande plus qu’un changement d’indicateur
Signals rattache aux actions des preuves, des responsables, des dates, des coûts et des mesures suivies. Il présente les indicateurs avant-après comme preuve d’efficacité : une traçabilité utile des mesures, mais un test causal faible. (4)
Par exemple, le nombre d’incidents peut baisser après un arrêt simplement parce que moins d’heures ont été travaillées. Une nouvelle campagne de signalement peut augmenter les déclarations de quasi-accidents tout en améliorant la sécurité. Une intervention introduite après un pic inhabituel peut sembler réussie lorsque le nombre revient dans sa plage normale. L’analyste doit distinguer ces effets de l’action évaluée. Le contexte opérationnel aide, mais l’afficher à côté d’un graphique ne résout pas l’attribution.
COMET comprend ce problème dans son propre domaine. Son article d’octobre 2026 sur la sous-déclaration explique comment objectifs, primes et grilles d’évaluation des prestataires peuvent récompenser le silence. Il décrit aussi la surveillance par Signals des baisses de fréquence de signalement et de qualité des récits. C’est une défense substantielle contre les indicateurs trompeurs. Elle devrait limiter l’affirmation bien plus forte du produit selon laquelle un chiffre avant-après prouve l’effet d’une intervention. (15)
Le même critère s’applique aux résultats de l’éditeur. La page du cas McDermott rapporte un processus mondial d’enquête cohérent et l’exploitation de données HSE historiques. Un témoignage distinct sur cette page attribue à COMET une baisse de 29% des cas nécessitant des premiers secours chez Corning en 2022. C’est un résultat rapporté par le client, mais il manque des taux ajustés à l’exposition, un groupe de comparaison et une distinction entre le logiciel et les autres changements. Il précède l’AI Assistant de 2026. (16)
Histoire technologique et intégrité de la feuille de route
L’entreprise est issue du rapprochement de STC Global et INSISO en 2021 et a adopté la marque commerciale COMET en mai 2024. BGF fait état d’un investissement de croissance dans STC INSISO en 2023. Cette trajectoire associe méthodes d’enquête, formation, développement logiciel et travail sur les processus métier. (10, 18)
Les affirmations sur l’IA antérieures à 2023 méritent un examen particulier. En septembre 2022, COMET a annoncé un pilote dans la région sud de Network Rail, utilisant l’analyse du langage naturel sur des dizaines de milliers de dossiers HSE, avec un lancement prévu après la fin du pilote cette même année. En octobre, STC INSISO a acquis le reste de la propriété intellectuelle et du logiciel Signals issu de sa collaboration avec Lloyd’s Register. L’annonce décrivait des pilotes commerciaux chez Network Rail, McDermott et Coca-Cola, et affirmait pouvoir prévoir des causes racines latentes susceptibles de produire des incidents futurs. (8, 9)
La classification de textes et la détection de thèmes récurrents étaient des applications plausibles du machine learning. La promesse plus forte de prévoir les causes exigeait des preuves prospectives que ces annonces ne fournissaient pas. Les documents ultérieurs de McDermott étayent la poursuite de l’utilisation de l’analytique, mais ne quantifient pas ses performances prédictives. L’ambition initiale doit donc être jugée sur les résultats obtenus, plutôt que sur l’usage continu de l’étiquette IA. (16)
Les produits plus récents sont plus précis. La page de l’ancien Companion identifie un chatbot fondé sur OpenAI pour guider l’utilisation du produit, aider à la configuration et renforcer la formation. Le lancement d’AI Assistant du 15 avril 2026 décrit la rédaction au sein des enquêtes et l’analyse du portefeuille d’enquêtes via Companion Plus, avec approbation humaine de chaque modification. Il précise que cette capacité plus récente n’utilise ni OpenAI ni grand modèle de langage public, et exclut de l’analyse du portefeuille les enquêtes protégées par un privilège juridique. Ces capacités portent des noms distincts ; l’éditeur doit clarifier leurs parcours de données et les frontières entre versions. (6, 7)
La feuille de route présente une continuité. Son point faible reste le passage de la détection de régularités à l’affirmation d’une prévention efficace, sans validation correspondante des résultats.
Composition logicielle et architecture
Les éléments les plus probants sur la composition logicielle proviennent de la définition publique du service, de la documentation produit et d’une offre d’emploi datée de l’employeur.
| Couche | Composants documentés | Périmètre |
|---|---|---|
| Hébergement principal | Microsoft Azure dans des régions adaptées au client | Définition du service G-Cloud de 2024 |
| Analytique des enquêtes | Microsoft Power BI | Tableaux de bord décrits pour COMET Investigate |
| Développement web | .NET Core/C#, Angular, React, SQL Server/T-SQL, API REST | Responsabilités de développement d’août 2025 dans la branche technologique de COMET |
| Signals 2.0 | Azure ; ressources par locataire détaillées ci-dessous | Description actuelle de l’architecture produit |
| Ancien Companion | Assistance conversationnelle fondée sur OpenAI | Chatbot de guidage produit, distinct de l’Assistant de 2026 |
L’offre d’emploi couvre les systèmes sur mesure, plateformes et intégrations de COMET. Elle établit des responsabilités de développement réelles, sans préciser l’affectation exacte de ces composants aux différents produits. Les documents publiés montrent une activité applicative largement orientée Microsoft. Les familles de modèles et les besoins de calcul analytique restent non précisés.
Signals analyse les dossiers de systèmes HSEQ existants. La définition du service de 2024 propose aussi le développement d’API pour connecter des systèmes EHS existants et distingue configuration et modifications sur mesure. Cette frontière crée une obligation permanente de maintenir le sens des champs, les identités, les taxonomies et les intégrations lorsque les systèmes sources évoluent. (4, 12)
La sécurité par les mécanismes
Signals décrit le masquage des données personnelles, des bases, index et files séparés par locataire, ainsi qu’un traitement dans l’environnement Azure du client sans modèle externe. Le lancement de l’Assistant précise aussi que les données clients ne contribuent pas à un modèle partagé et que les enquêtes protégées sont exclues de l’analyse du portefeuille. Ce sont des affirmations de conception significatives sur l’exposition et le cloisonnement. (4, 6)
La définition du service de 2024 prévoit la restauration à un instant donné et le chiffrement, tout en attribuant aux clients la responsabilité de leurs propres archives. Ni ce document ni la description actuelle du produit ne précise l’existence de copies de récupération protégées contre un administrateur compromis, d’un objectif de restauration testé ou des privilèges exacts des agents analytiques. Ces lacunes pratiques demeurent. L’alignement ISO et le discours de conformité ne peuvent les combler. (12)
Les modifications de classification, de requêtes et de comportement des agents demandent des permissions, une revue, une évaluation reproductible et un retour arrière. L’historique des versions aide à diagnostiquer une erreur après sa survenue ; restreindre les outils d’un agent limite les dégâts qu’il peut causer. (4)
Productivité, maintenance et coût total
L’AI Assistant de COMET affirme réduire de plus de 30% le temps de documentation des enquêtes. Il rédige des contenus que les enquêteurs peuvent accepter, modifier ou rejeter, et préserve le jugement humain. C’est une affirmation de productivité délimitée : la documentation peut représenter une charge importante, mais gagner du temps sur cette activité n’établit pas la même réduction du travail total d’enquête. Entretiens, collecte des preuves, analyse technique, revue et suivi des actions correctives subsistent. La page produit ne fournit ni étude de charge ni base d’effectifs mesurée. (5)
La revue humaine a un rôle clair dans les enquêtes contestées ou lourdes de conséquences. La présentation de juillet 2025 décrit les entretiens avec les témoins, l’évaluation de leur crédibilité et l’analyse du contexte opérationnel comme des tâches centrales. Le test pertinent après 2022 est la quantité de préparation, de codage, de recherche et de suivi courant qui peut être supprimée tout en préservant ces responsabilités. Approuver les conclusions de fond n’exige pas de refaire manuellement chaque opération intermédiaire. (19)
Corriger une taxonomie peut améliorer de nombreuses analyses ultérieures. Le travail coûteux consiste à vérifier si les définitions révisées améliorent les décisions, préservent la comparabilité et réduisent les fausses alertes. Un administrateur peut modifier rapidement un champ ; décider ce que ce champ doit signifier est la partie coûteuse. (4)
Cela rejoint l’holimisation : les catégories, les hypothèses opérationnelles et les actions correctives disponibles doivent elles-mêmes pouvoir être révisées. Un système qui classe systématiquement les rapports dans une taxonomie inadéquate peut se tromper efficacement. La validité économique des priorités obtenues reste à évaluer.
Les tarifs G-Cloud publiés en 2024 rendent visibles plusieurs coûts de possession. Un module dans la région Royaume-Uni/Europe coûtait £41 400 la première année ; le barème prévoyait des hausses annuelles standard de 5% et des frais régionaux supplémentaires. Il indiquait séparément £7 500 pour une intégration API et £6 500 pour une formation pratique de deux jours accueillant jusqu’à douze participants. Il s’agit de tarifs historiques d’accord-cadre, pas d’un devis client actuel. Ils montrent pourquoi les seules redevances logicielles mesurent imparfaitement l’investissement. (13)
La définition du service ajoute l’assistance à la configuration, la formation des utilisateurs avancés, le développement des processus, la communication et la conduite du changement. Les coûts récurrents comprennent aussi l’actualisation des dossiers fournisseurs, la maintenance des définitions de risque, la revue des classifications et le suivi des actions. Un guide IA peut réduire les demandes d’aide, mais il ne supprime pas ce travail. Une évaluation de productivité doit additionner les efforts de l’éditeur et du client. (7, 12)
Responsabilité et possibilité d’inspection
Les conditions publiques G-Cloud de COMET de 2024 promettent un fonctionnement substantiellement conforme à la documentation ainsi qu’une compétence et une diligence raisonnables, avec correction des non-conformités aux frais de l’éditeur. Le même document attribue aux clients la responsabilité exclusive des résultats et conclusions, exclut certaines pertes économiques et plafonne généralement la responsabilité cumulée à six mois de redevances ou à un montant inférieur convenu, sous réserve des exceptions prévues. C’est une responsabilité sur le comportement contractuel du logiciel, avec beaucoup moins de responsabilité sur le résultat économique. (14)
Deux autres dispositions influent sur l’évaluation. Les résultats des tests de performance sont confidentiels, ce qui peut entraver la comparaison publique. La clause de sortie exige de demander la dernière sauvegarde des données dans les dix jours suivant la résiliation et autorise des frais raisonnables de restitution. C’est un dispositif de migration plus restrictif que la simple affirmation selon laquelle les clients possèdent leurs données. (14)
Un test commercial plus exigeant relierait chaque intervention à son bénéfice attendu, à son coût réel, à l’exposition opérationnelle et aux preuves ultérieures. Qualifier le mouvement d’un indicateur de preuve d’efficacité, tout en laissant entièrement les résultats à la charge du client, fixe un niveau d’exigence bien inférieur à ce que suggèrent les affirmations de prévention et d’intelligence des risques.
Note supply chain
La note globale de 4.9/10 est la moyenne arithmétique arrondie de 25 sous-notes de même poids. L’évaluation reconnaît les mécanismes d’enquête de COMET et examine les décisions de supply chain qu’impliquent ses affirmations sur les fournisseurs et les risques.
Profondeur en supply chain : 4.2/10
| Critère | Note |
|---|---|
| Cadrage économique | 4/10 |
| Aboutissement en décisions exécutables | 3/10 |
| Clarté conceptuelle sur la supply chain | 4/10 |
| Indépendance vis-à-vis des doctrines centrales obsolètes | 4/10 |
| Résistance au théâtre des KPI | 6/10 |
Moyenne : 4.2/10.
Cadrage économique. Le calcul manquant est celui de la valeur des différentes mesures d’atténuation : quelle dépense a le plus de chances d’éviter une perte supérieure ? (2, 4)
Aboutissement en décisions exécutables. Les résultats sont des évaluations, enquêtes, recommandations et actions attribuées à des responsables. Aucun calcul documenté ne produit des quantités d’achat ou des allocations d’approvisionnement sélectionnées économiquement. (2, 5)
Clarté conceptuelle sur la supply chain. Le contrôle des fournisseurs et l’enquête opérationnelle disposent de mécanismes clairs. Les affirmations d’optimisation de toute la supply chain dépassent ce périmètre. (2, 3)
Indépendance vis-à-vis des doctrines centrales obsolètes. L’offre évite les mécanismes classiques de stock de sécurité et de S&OP, mais des matrices de risque configurables peuvent encore remplacer un problème économique par des scores subjectifs. (2)
Résistance au théâtre des KPI. L’analyse de COMET sur les signalements étouffés est solide. Son test d’efficacité des interventions demande le même scepticisme envers les mouvements d’indicateurs. (4, 15)
Substance décisionnelle et d’optimisation : 4.0/10
| Critère | Note |
|---|---|
| Profondeur de la modélisation probabiliste | 3/10 |
| Substance propre en optimisation ou machine learning | 5/10 |
| Prise en compte des contraintes réelles | 3/10 |
| Automatisation des décisions et productivité du travail | 5/10 |
| Résilience face à la complexité opérationnelle réelle | 4/10 |
Moyenne : 4.0/10.
Profondeur de la modélisation probabiliste. La confiance dans une classification ne permet pas de chiffrer l’exposition opérationnelle future. Le mécanisme décisionnel publié ne comporte pas ce calcul reliant probabilités et pertes. (2, 4)
Substance propre en optimisation ou machine learning. L’architecture analytique facilite l’inspection et la correction. L’absence d’évaluation prospective empêche de porter un jugement plus favorable sur la valeur prédictive. (4, 8)
Prise en compte des contraintes réelles. Les enquêtes préservent le contexte technique et organisationnel, comme le montre le cas de forage. Le logiciel ne publie pas d’optimisation sous contraintes d’achat, de capacité ou de budget. (2, 17)
Automatisation des décisions et productivité du travail. Le travail préparatoire peut être sensiblement réduit. L’économie annoncée sur la documentation laisse sans mesure la charge complète d’enquête et de suivi. (4, 5)
Résilience face à la complexité opérationnelle réelle. La prévision des événements rares et l’interprétation causale restent vulnérables aux preuves incomplètes et sélectivement rapportées. Le traitement de la sous-déclaration constitue une réponse partielle utile. (4, 15)
Intégrité du produit et de l’architecture : 6.0/10
| Critère | Note |
|---|---|
| Cohérence architecturale | 7/10 |
| Clarté des frontières du système | 7/10 |
| Sérieux en matière de sécurité | 6/10 |
| Sobriété logicielle et coût de possession | 5/10 |
| Compatibilité avec les opérations programmatiques et assistées par agents | 5/10 |
Moyenne : 6.0/10.
Cohérence architecturale. Dossiers d’incident, enquête structurée, contrôle des fournisseurs et couches analytiques partagent une finalité opérationnelle identifiable. L’acquisition de Signals possède une filiation technique traçable. (1, 8)
Clarté des frontières du système. Les responsabilités de contrôle et d’enquête sont claires. Les acheteurs ont encore besoin d’une carte explicite des mouvements de données entre Companion, Companion Plus et Signals. (4, 6, 7)
Sérieux en matière de sécurité. Les mécanismes de cloisonnement annoncés sont un point positif. L’indépendance de la récupération et les permissions des agents demandent des précisions supplémentaires. (4, 6, 12)
Sobriété logicielle et coût de possession. Le développement orienté Microsoft et la configuration partagée suggèrent une base technique cohérente. Le coût des intégrations, de la formation, des taxonomies et de l’exploitation analytique reste important. (11, 12, 13)
Compatibilité avec les opérations programmatiques et assistées par agents. L’intégration et l’évaluation répétable sont prises en charge. L’exécution récurrente des actions dispose d’une interface publique moins explicite. (4, 12)
Transparence technique : 5.4/10
| Critère | Note |
|---|---|
| Documentation technique publique | 6/10 |
| Possibilité d’inspection sans médiation de l’éditeur | 5/10 |
| Portabilité et visibilité de la dépendance à l’éditeur | 5/10 |
| Transparence de la méthode d’implémentation | 6/10 |
| Densité des preuves derrière les affirmations techniques | 5/10 |
Moyenne : 5.4/10.
Documentation technique publique. L’architecture et la définition du service permettent un examen substantiel. L’évaluation reproductible des modèles et les contrats détaillés d’intégration restent moins accessibles. (4, 12)
Possibilité d’inspection sans médiation de l’éditeur. Les workflows du produit, les éléments techniques publiés par l’employeur et les documents publics de l’accord-cadre peuvent être examinés. Il n’existe pas d’évaluation publique reproductible de la prévision d’incidents ou des recommandations causales. (8, 11, 14)
Portabilité et visibilité de la dépendance à l’éditeur. La propriété du client et l’export sont explicites, tout comme le bref délai de demande à la sortie et les éventuels frais de restitution. L’usage appris de la taxonomie et les classifications historiques ajoutent du travail de migration au-delà de l’export des dossiers. (12, 14)
Transparence de la méthode d’implémentation. Configuration, intégration, formation et ancrage organisationnel sont documentés et partiellement chiffrés. Cela rend la composante humaine plus visible qu’une promesse de déploiement instantané d’IA. (12, 13)
Densité des preuves derrière les affirmations techniques. Les déploiements nommés établissent l’usage opérationnel. Ils laissent largement sans mesure la qualité des prévisions et de la sélection des interventions. (4, 9, 16)
Sérieux de l’éditeur : 5.0/10
| Critère | Note |
|---|---|
| Sérieux technique de la communication publique | 5/10 |
| Intégrité de la feuille de route technologique | 6/10 |
| Clarté conceptuelle | 6/10 |
| Responsabilité économique | 3/10 |
| Pérennité de l’avantage concurrentiel dans un monde de logiciels agentiques | 5/10 |
Moyenne : 5.0/10.
Sérieux technique de la communication publique. Les exemples opérationnels améliorent la présentation. Les garanties générales d’enquêtes complètes exigent une validation beaucoup plus forte. (4, 5, 17)
Intégrité de la feuille de route technologique. L’historique relie les méthodes d’enquête, l’analytique linguistique de 2022 et les fonctions plus récentes de rédaction et de vérification. La continuité est un point positif ; la promesse prédictive initiale reste sans validation publiée des résultats. (6, 8, 9)
Clarté conceptuelle. Le traitement des barrières défaillantes, du contexte organisationnel et des incitations au signalement est substantiel. Les scores de risque et les indicateurs avant-après remplacent moins bien le raisonnement économique et causal. (2, 3, 15)
Responsabilité économique. Les conditions contractuelles placent les résultats sous la responsabilité des clients, tandis que les affirmations publiques de résultats manquent d’une comparaison complète intégrant les coûts. (4, 14, 16)
Pérennité de l’avantage concurrentiel dans un monde de logiciels agentiques. La méthode opérationnelle, les preuves contrôlées et la classification entretenue peuvent conserver leur valeur. L’assistance par chat et la rédaction documentaire sont des avantages moins durables ; la valeur à long terme dépend de l’amélioration de la qualité des interventions et de la réduction du travail total. (3, 4, 5)
Sources
Les pages non datées ont été consultées le 4 novembre 2026. Les documents G-Cloud sont les pièces de l’accord-cadre de 2024 publiées par l’éditeur ; leurs tarifs et conditions ne sont pas présentés comme les modalités actuelles universelles des contrats clients.
[1] Périmètre du produit COMET
COMET, Présentation de la plateforme. Modules, méthode, secteurs d’activité et frontières du produit.
COMET, Supply Chain. Intégration des fournisseurs, évaluation configurable des risques, documents, actions et affirmations sur l’ensemble de la suite.
COMET, Investigate. Root Maps, organisation des preuves, facteurs humains et analyse Power BI intégrée.
COMET, Analytique de données par IA. Architecture technique et affirmations opérationnelles.
COMET, AI Assistant. Rédaction, analyse du portefeuille, affirmation sur le temps de documentation et circuit d’approbation.
[6] Lancement de l’Assistant en avril 2026
COMET, Présentation de COMET AI Assistant, 15 avril 2026. Répartition des produits, approbation, affirmations sur les frontières des modèles et données, et exclusion des dossiers protégés.
COMET, Companion. Assistance produit fondée sur OpenAI, conseils de configuration et renforcement de la formation.
COMET, Acquisition du produit IA développé avec Lloyd’s Register, 18 octobre 2022. Propriété intellectuelle, périmètre des pilotes, analyse linguistique et affirmations prédictives.
COMET, Pilote Signals chez Network Rail, 23 septembre 2022. Dossiers visés, workflow, autres pilotes et calendrier de lancement.
[10] Histoire de l’entreprise et changement de marque
COMET, STC INSISO devient COMET, 23 mai 2024. Fusion antérieure et adoption de la marque commerciale.
COMET, Développeur full stack, 11 août 2025. Responsabilités définies par l’employeur et périmètre de la branche technologique.
COMET/STC INSISO, Définition du service G-Cloud 14, mai 2024, ODT. Hébergement, récupération, assistance, configuration, intégration, formation et modalités de sortie.
COMET/STC INSISO, Tarifs G-Cloud 14, mai 2024, ODS. Redevances par module et région, hausses annuelles, intégration API et formations.
[14] Conditions contractuelles publiques
COMET/STC INSISO, Conditions générales G-Cloud 14, mai 2024, ODT. Obligations de conformité, responsabilité du client, confidentialité des tests de performance, responsabilité et conditions d’export.
[15] Incitations au signalement et qualité des données
COMET, Sous-déclaration des quasi-accidents, 26 octobre 2026. Distorsion des incitations, qualité des signalements et surveillance par Signals.
[16] Affirmations de déploiement et de résultats
COMET, Étude de cas McDermott. Résumé public du cas et témoignages de Corning et d’autres clients identifiés séparément.
[17] Enquête sur un incident de forage
COMET, Cas de Lloyd’s Register sur la performance de forage, 18 décembre 2020. Périmètre de l’incident, travail d’enquête et recommandations livrées.
[18] Informations de l’investisseur
BGF, Fiche de portefeuille STC INSISO. Mentionne un investissement de croissance en 2023 et l’activité de logiciels et services.
[19] Politique de revue humaine
COMET, IA et jugement humain dans les décisions à haut risque, 24 juillet 2025. Responsabilités d’enquête prévues et limites de l’automatisation.