Huit applications sur un seul ensemble de données.
Sous l'opérateur se trouve une vraie plateforme. Un ensemble de données partagé, une IA qui lit et écrit dans l'ensemble, et un seul compteur. Voici ce sur quoi elle repose, pour qui veut regarder sous le capot avant de faire confiance.
Un seul modèle de données, pas huit silos
Les huit applications — Website, Email, Forms, Knowledge Base, CRM, Chat, Developers et Socials — ne sont pas huit produits boulonnés ensemble. Elles lisent et écrivent le même ensemble de données Postgres. Ce qu'un formulaire capture est disponible dans le CRM. Ce que l'IA apprend dans le chat est disponible quand elle rédige un e-mail. Rien n'est copié entre les outils, et rien ne se désynchronise.
L'ensemble est un monorepo polyglotte : TypeScript pour l'API, l'application web, le frontend du site et le service d'IA ; Python pour le traitement du contenu et des fichiers. Fastify avec des schémas TypeBox génère la spécification OpenAPI ; le frontend est React avec TanStack Query et Router. Tout tourne sur Google Cloud — Cloud Run pour le calcul, Cloud SQL sous PostgreSQL avec pgvector pour la recherche par embeddings, Cloud Storage pour les fichiers.
La surface, en chiffres
0
Applications intégrées
0
Outils que l'IA peut appeler
0
Blocs de contenu
0
Types de champs
La pile technique
Des systèmes en production, pas des prototypes. Des milliers de tests automatisés s'exécutent à chaque envoi ; le pipeline de livraison ne promeut en production que lorsque la suite complète est au vert.
Le service d'IA, et comment vous l'atteignez
La génération de contenu tourne aujourd'hui sur la famille Gemini de Google — rédaction, embeddings et génération d'images — le modèle étant choisi par tâche. Un modèle bon marché classe ; un plus puissant génère ; un modèle de vision vérifie la page rendue. Chaque appel passe par une couche indépendante du fournisseur qui peut adopter d'autres modèles par configuration à mesure qu'ils deviennent viables, si bien que la plateforme n'est pas soudée à un seul modèle.
Vous lui parlez dans le client LLM que vous utilisez déjà. Giant Context est natif MCP dès le premier jour — l'IA reçoit ses instructions via Claude ou Cursor, pas un tableau de bord où il faut se connecter. Il y a une console web si vous en voulez une, mais la plupart des jours vous n'y toucherez pas. L'accès machine se fait par clés d'API, cantonnées par organisation et révocables à tout moment.
La façon dont le pipeline de génération ancre réellement un brouillon — faits contre contexte, les garde-fous de qualité, la vérification visuelle — a sa propre page.
Un compteur, un tarif
Le compteur tourne avec l'IA. Quand l'IA s'arrête, le compteur s'arrête. Vous démarrez plafonné à 50 $, et la console affiche chaque opération et son coût.
Vos données, et l'état honnête des choses
Vos données sont à vous. Elles résident dans votre projet sur Google Cloud, en régions américaines aujourd'hui, chiffrées en transit et au repos. Elles n'entraînent aucun modèle public et ne fuitent pas dans le contexte d'un autre client. Vous pouvez tout exporter, en masse, à tout moment. Si vous partez, vous les emportez.
Et la part honnête : c'est un alpha précoce, construit par une seule personne. Pas encore de SOC 2, pas de SSO sur le forfait de base, et pas de SLA formel — tout est au programme, rien n'est livré. La résidence des données en UE est une option entreprise non construite. Si vous en avez besoin aujourd'hui, ce n'est pas votre outil aujourd'hui, et nous préférons le dire plutôt que faire semblant.
Connectez votre client LLM et lancez-vous
L'accès anticipé donne accès à toute la plateforme en bac à sable. Téléversez d'abord vos documents d'entreprise — l'IA ancre tout ce qu'elle produit dans ce que vous fournissez — puis commencez à demander. Si vous voulez lire le détail au niveau du code avant de vous inscrire, demandez dans le chat.