Praion AI : une base de données distincte par client

Praion AI est notre propre plateforme SaaS, où chaque client a sa propre base de données. Trois applications (Lead Concentrator, Content Studio, Product Manager) partagent les comptes, les profils d'entreprise et un portefeuille de crédits IA.

Notre propre produit

Secteur	SaaS et technologie · Outils et plateformes internes
Défi	Compréhension du produit
Contexte de décision	Évaluation de produit
Complexité	Élevée
Service	Plateforme

Si vous pensez à un produit SaaS bien à vous, cette étude donne un exemple concret : comment un choix de base, la base de données distincte par client, influence tout ce qui se construit dessus. Praion AI est notre propre produit : nous citons donc son vrai nom.

Praion AI Quelle était la situation de départ ?

Praion AI est notre propre produit ; il est donc parti d'un besoin que nous connaissions bien. Une petite entreprise veut répondre à ses clients dans plusieurs applications de messagerie. Elle veut aussi préparer ses publications et garder les textes de son site organisés, en un seul endroit plutôt que dans trois outils différents. Une agence a le même besoin, pour dix clients à la fois.

La plateforme devait donc servir des clients très différents avec le même code. Une petite boutique et une agence de marketing utilisent le même service, et chacun ne voit que ses propres données.

C'est ainsi que sont nées trois applications. Le Lead Concentrator réunit dans une seule boîte les conversations de Messenger, Instagram, WhatsApp, Telegram et Viber. Le Content Studio aide à planifier et à préparer le contenu des réseaux sociaux. Le Product Manager organise les produits, les pages, les champs SEO et AEO, et les traductions d'un site ou d'une boutique en ligne. Le client choisit l'application dont il a besoin, ou toutes ensemble.

Praion AI Quel problème fallait-il résoudre ?

L'objectif était que chaque client reste séparé, avec un produit qui demeure facile à utiliser. Une entreprise fait confiance à une boîte partagée quand elle sait que ses conversations, ses contacts et ses notes privées lui appartiennent à elle seule. Il en va de même pour les brouillons de publications et les textes des produits.

Il y avait aussi un sujet pratique. Les messages arrivent de cinq services externes, chacun avec sa façon de se connecter et ses propres règles. L'équipe du client devait répondre à chaque conversation depuis un seul écran, sans apprendre cinq outils différents.
Les deux besoins mènent à la même solution. La séparation est construite dans la structure de la plateforme. Le travail quotidien se fait dans un produit unique, pas dans une série d'intégrations distinctes.

Praion AI Quelles contraintes s'appliquaient ?

Quatre contraintes ont déterminé l'essentiel de la conception : des données qui restent séparées, plusieurs personnes dans un même compte, des canaux externes avec leurs propres règles, des fichiers envoyés par des inconnus. Toutes ont été traitées dès la première version, car chacune influence la façon dont toute la plateforme est construite.

Contrainte	Ce que cela signifiait en pratique
Les données de chaque client restent séparées	Une base distincte pour chaque client, pas une table commune avec un filtre
Plusieurs personnes travaillent dans un compte	Des rôles : administrateur (admin) et agent ; l'agent ne voit que les profils d'entreprise (brands) qui lui sont attribués
Les canaux externes ont leurs propres règles	Sur Messenger et Instagram, la réponse n'est permise que dans une fenêtre de temps fixée par Meta, et le produit l'indique clairement
Des fichiers d'inconnus arrivent dans la boîte	Chaque pièce jointe est mise en quarantaine et passe un contrôle antivirus avant que quiconque l'ouvre

Il y a aussi une limite que nous avons choisie en connaissance de cause : les clients rejoignent la plateforme par une inscription publique et créent eux-mêmes leurs projects. Ainsi, chaque nouveau client démarre sans attendre quelqu'un de chez nous.

Praion AI À quoi faisons-nous attention dans la plateforme ?

Dans une plateforme à plusieurs clients, le premier point qui demande de l'attention est la base commune. La séparation y dépend du fait que chaque requête filtre correctement par client. Un seul filtre manquant sur un écran suffit pour que les conversations d'un autre client apparaissent. Dans les tests, cela se voit rarement, car les données de test sont peu nombreuses et bien rangées.

Trois autres points demandent une conception dès le départ. Un client très sollicité peut ralentir ceux qui partagent les mêmes tables. La suppression complète des données d'un client doit être une seule action nette, pas un pénible travail de nettoyage. Un assistant IA qui envoie seul des réponses peut donner une mauvaise réponse à une vraie personne avant que quelqu'un s'en aperçoive.
C'est pourquoi nous avons conçu la solution pour chacun de ces points dès le premier jour. La protection fait partie de la structure depuis le début.

Praion AI Quelle approche avons-nous suivie ?

Nous avons construit la plateforme en couches. À la base, chaque client a une entrée, que nous appelons project, qui mène à sa propre base de données. Un compte peut appartenir à plusieurs projects et en choisit un à la connexion. Dans le project, les profils d'entreprise gardent les brands séparés. Chaque application s'ouvre par entreprise.

Pour le flux le plus important, le message entrant, les applications suivent un ordre clair :

Le canal envoie le message à la plateforme, qui vérifie qu'il n'est pas en double.
La plateforme trouve ou crée le contact et ouvre une conversation.
Chaque pièce jointe est mise en quarantaine et contrôlée avant d'être affichée.
L'équipe est prévenue en temps réel. Une conversation sans réponse est attribuée à quelqu'un au bout de cinq minutes.
Si le client l'a activé, une réponse automatique ou l'assistant IA prend le relais.

Avec cette structure, chaque étape a une seule tâche et se contrôle séparément.

Praion AI Quelles décisions ont compté ?

Quatre décisions ont fait l'essentiel du travail. Nous avons donné la priorité à la séparation des données, à l'approbation par un humain et à un catalogue de fonctions exact. Chacune avait un coût, que nous avons accepté en connaissance de cause. Nous les expliquons ci-dessous, une par une.

La base distincte pour chaque client demande plus de travail à l'exploitation, car chaque mise à jour doit atteindre toutes les bases. Nous l'avons choisie parce que la séparation est alors assurée par la structure et non par l'attention de celui qui écrit le code.
L'assistant IA propose une réponse, et c'est un humain qui décide de l'envoi. Seuls les flux Autopilot facultatifs envoient automatiquement. Ils démarrent dans un mode où ils se contentent de proposer et de noter ce qu'ils feraient, sans rien entreprendre tant qu'un humain n'a pas approuvé. Ils s'arrêtent aussi lorsqu'un membre de l'équipe a déjà répondu.
Enfin, le catalogue de fonctions ne décrit que ce qui existe réellement. Les clients rejoignent la plateforme par une inscription publique. Une fonction qui n'existe que sous forme d'étiquette n'est pas présentée comme une fonction.

Praion AI Quel est le résultat ?

Les clients travaillent dans un seul produit au lieu de plusieurs, et leurs données restent dans leur propre base. Nous ne donnons pas de chiffres, car cette étude décrit la construction du produit et non des mesures.

La construction elle-même apporte des bénéfices concrets : cinq canaux dans une seule boîte, un assistant IA qui propose pendant que l'humain décide, des fichiers qui passent un contrôle antivirus avant d'être ouverts. Chaque modification dans la console des administrateurs est consignée.

Si vous prévoyez votre propre plateforme, les questions auxquelles nous avons répondu ici sont le point de départ le plus utile. L'article ce dont une plateforme a besoin avant que le code soit écrit les examine une à une. La page plateformes SaaS et applications métier explique notre façon de travailler. La manière dont nous construisons ces produits est décrite dans le Planner : de la spécification à l'application.

Praion AI : une base de données distincte par client Questions fréquentes

Chaque client a-t-il sa propre base de données ?

Oui. Chaque client, que nous appelons project, a sa propre base de données. Un compte peut appartenir à plusieurs projects, mais les données de chaque project sont stockées séparément. Après l'inscription publique, le client crée lui-même ses projects.

Quels canaux de messagerie la boîte couvre-t-elle ?

La boîte couvre Facebook Messenger, Instagram, WhatsApp, Telegram et Viber, ainsi que les commentaires sous les publications Facebook et Instagram. Messenger et Instagram se connectent avec une connexion via Meta. WhatsApp, Telegram et Viber se connectent avec les identifiants donnés par le fournisseur.

L'assistant IA répond-il automatiquement aux clients ?

Non, pas par défaut. L'assistant propose une réponse, un résumé et une prochaine étape, et un humain les envoie ou les modifie. L'envoi automatique n'existe que dans les flux Autopilot facultatifs. Ceux-ci peuvent d'abord démarrer dans un mode où ils se contentent de proposer et ne font rien tant qu'un humain n'a pas approuvé.

Pouvez-vous construire quelque chose de semblable pour nous ?

Oui, nous pouvons en discuter. Nous partons de vos exigences et non d'une liste d'outils toute faite. Décrivez votre idée dans la demande de projet ou écrivez-nous à info@iwebforyou.com.

Étape suivante: Praion AI : une base de données distincte par client

Lancez votre projet

Envoyez une demande de projet ou vérifiez gratuitement votre site actuel. Nous lisons chaque message nous-mêmes.

Démarrer un projet Vérifier votre site