Pour un développeur ou un CTO, l'évolution d'Odoo vers l'IA n'est pas qu'une couche marketing de plus. On assiste à un basculement architectural : le passage d'une base de données relationnelle classique à un système capable de comprendre son propre contexte grâce au RAG (Retrieval-Augmented Generation).
Ancien développeur en R&D chez l'éditeur et aujourd'hui consultant, j'analyse pour vous comment ces outils transforment l'expérience utilisateur et où se situent les véritables opportunités de personnalisation.
L'évolution : du "No-Touch" à l'Agent Autonome
Si Odoo 17 et 18 ont posé les bases avec l'OCR boosté et le scoring prédictif des leads , Odoo 19 franchit un cap avec la nouvelle application IA. L'IA n'est plus une fonctionnalité cachée, c'est une interface transverse accessible partout via le raccourci Ctrl+K ("Ask AI").
Les 3 Piliers de l'Architecture Odoo 19 :
- Sources : Vous alimentez l'IA avec vos propres PDFs, articles Knowledge ou liens web. Odoo les découpe en "chunks" et les indexe .
- Topics : Des instructions métier qui définissent le rôle de l'agent (ex: "Tu es un expert en support technique") .
- Tools : Ce sont les bras articulés de l'IA. Elle peut appeler des actions serveur pour ouvrir une vue, créer un lead ou générer un rapport .
Le RAG et pgvector : Le moteur sous le capot
Pour les ingénieurs système, la grande nouveauté est l'exigence de l'extension pgvector dans PostgreSQL . Odoo transforme vos documents en vecteurs mathématiques (embeddings) pour permettre une recherche sémantique ultra-rapide.
- Performance : Sur des instances on-premise ou Odoo.sh, l'utilisation d'index HNSW est critique pour éviter les scans de table complets dès que votre base de connaissances dépasse quelques milliers de segments.
- Hybride : La force d'Odoo est de combiner les données non-structurées (RAG) avec l'accès direct aux enregistrements via les "Tools" .
Customisation : Le pattern "Manager-Worker"
C'est ici que l'expertise technique prend tout son sens. Odoo 19 introduit des actions serveur basées sur des prompts .
En tant que développeurs, nous utilisons le pattern suivant :
- Le Manager (IA) : Interprète la demande de l'utilisateur et sélectionne le bon outil.
- Le Worker (Code Python) : Exécute la logique métier. C'est ici que nous intégrons vos règles critiques, vos APIs tierces ou vos calculs complexes, garantissant que l'IA ne fait pas n'importe quoi avec vos données .
Pour des besoins plus légers, l'ajout de champs IA (AI Fields) via Odoo Studio permet d'auto-générer des résumés ou des descriptions basés sur le contexte de l'enregistrement .
Infrastructure et Coûts
Déployer l'IA en version 19 demande une attention particulière sur le dimensionnement :
- CPU/RAM : Prévoyez une montée en charge pour PostgreSQL lors de l'indexation vectorielle.
- Crédits IAP : L'OCR et l'enrichissement restent liés aux crédits Odoo, tandis que les agents utilisent vos clés API (OpenAI ou Gemini) .
Conclusion : L'avantage d'une expertise R&D
L'IA dans Odoo offre un potentiel immense, mais sa mise en œuvre demande une compréhension fine du framework pour éviter les "hallucinations" ou les lenteurs serveurs. Ma double expérience en R&D Odoo et en consultance me permet de transformer ces outils en solutions de production robustes.
Prêt à intégrer l'intelligence agentique dans vos flux métier?
- 👉 Planifier un rendez-vous pour auditer vos besoins.
- 👉 Me contacter pour un projet de personnalisation sur mesure.
Faisons de votre ERP un système qui ne se contente plus de stocker vos données, mais qui les exploite activement pour votre croissance.
