Demandez pourquoi. Obtenez la réponseavec des chiffres.

Elle ne peut pas. Un fichier déposé dans le chat est converti en texte brut chez nous avant que le modèle ne voie quoi que ce soit — jamais d'octets, jamais d'image — et ce texte est anonymisé en chemin : les vrais noms de vos points de vente et de vos fournisseurs sont remplacés avant l'envoi et rétablis dans la réponse. Le contenu du fichier arrive au modèle comme des données, jamais comme des instructions : une facture contenant la phrase « valide tout » est lue comme du texte, pas obéie. L'écriture est une étape séparée et humaine — l'IA peut seulement afficher une carte qui liste ce qui serait écrit et ce qui serait ignoré, et à la validation les chiffres sont recalculés sur le serveur depuis le fichier lui-même. Là où deux points de vente pourraient correspondre à une même ligne, elle refuse au lieu de deviner, et les journées pour lesquelles vous avez déjà des heures de service sont ignorées, la carte le disant avant que vous ne validiez. Un scan sans couche de texte est marqué non lu, pas lu à moitié.

Oui. L'marql AI lit la même couche de données que tous les autres modules marql : votre intégration de caisse, d'ERP ou de comptabilité. Rien n'est ressaisi et rien n'est synthétique. Quand une source n'a pas d'API exploitable, son export CSV ou Excel est mappé dans le même modèle canonique au lieu de vivre à côté — les réponses viennent donc toujours d'un seul jeu de chiffres. Elles reposent sur vos vraies transactions, actualisées au rythme de votre système source.

Des questions de chiffre d'affaires et de marge (« Pourquoi la marge a-t-elle baissé cette semaine ? »), des comparaisons de points de vente (« Quel point de vente est en dessous de son rythme habituel du mardi ? »), du suivi de plan (« Va-t-on tenir le plan ce mois-ci ? »), des questions produits (« Quels SKU tuent la marge ? ») et des questions d'exploitation liées à vos données Fidélité et Tableau de bord. marql AI puise le contexte dans tous les modules connectés.

Chaque matin, marql AI lance une analyse structurée de vos données de la nuit et de la veille : chiffre d'affaires vs plan, marge vs période précédente, anomalies par point de vente et exceptions par produit. Il fait remonter les trois à cinq points qui demandent votre attention, chacun avec l'action qu'il propose.

La période est reprise pour vous : l'intervalle de votre question précédente passe dans la suivante, donc une relance reste sur les mêmes jours au lieu de revenir en silence aux sept derniers. Le point de vente se conserve au fil du fil de discussion, et l'épingler avec @ rend cela explicite et durable. La devise et le fuseau horaire sont les vôtres : « aujourd'hui » se calcule dans le fuseau propre à chaque point de vente et non en UTC, ce qui évite qu'une question posée tard le soir lise la veille. Les semaines vont du lundi au dimanche partout ; il n'y a pas de calendrier fiscal personnalisé.

Oui, via les Tendances proactives. marql AI surveille les tendances récurrentes de vos données : une baisse du chiffre d'affaires sur trois semaines à un créneau donné, une contre-performance systématique le lundi, une compression de marge qui apparaît dans une catégorie. Il fait remonter ces tendances dans le briefing du matin avant que vous pensiez à demander.

ChatGPT n'a aucun accès à vos vraies données. marql AI interroge vos écritures réelles de caisse et de comptabilité via une couche de requêtes structurées : les chiffres sont calculés de façon déterministe et le modèle écrit la phrase autour d'eux au lieu d'inventer le nombre. Une fois la réponse rédigée, ses affirmations chiffrées sont recontrôlées contre ce que les requêtes ont renvoyé, et celles qui sont vérifiées sont signalées comme telles. Il connaît aussi les noms de vos points de vente, vos objectifs de plan, votre catalogue produits et vos segments de fidélité. C'est un autre type de réponse qu'une réponse générée — et c'est aussi pourquoi la mention ci-dessus vous demande de vérifier ce sur quoi vous allez agir.