La gouvernance, la confiance et la valeur sont les 3 piliers qui font la différence pour que les promesses de l’IA se matérialisent durablement. Il est donc essentiel de maîtriser le dessous des cartes : les fondamentaux indispensables au déploiement à l’échelle que sont l’explicabilité, la frugalité et le capital humain.
Matinale Data & IA
Paris 15 Déc 2026 08h30 – 14h00Le succès de l’IA dépend moins de la technologie que de la clarté de la vision et de la robustesse de la gouvernance. Le constat de Mick Levy, Directeur Stratégie & Innovation chez Orange Business, est sans appel : si 80 % des projets échouent à passer à l’échelle, c’est avant tout un « problème de gouvernance de nos entreprises ».
Ce diagnostic est corroboré sur le terrain. Juliette Bechdolff, Head of Data & AI de Chaumet, explique que pour convaincre le Comex, le Chief Data & AI Officer (CDAIO) doit parler le langage business et apporter des réponses aux défis de croissance rentable de l’entreprise.
Alignement stratégique et refonte des processus
De son côté, Julie Pozzi, Data & AI Officer d’Air France-KLM, affirme que l’IA agentique est par nature un sujet qui doit être porté au plus haut niveau, par le comité exécutif Comex. Pourquoi ? Car elle implique de repenser les processus fondamentaux de l’entreprise.
L’IA n’est pas seulement un sujet IT, mais un véritable levier de transformation et de création de valeur business qui exige un sponsorship au plus haut niveau. Cette exigence s’accroît encore avec l’IA agentique et le GEO (Generative Engine Optimization) qui nécessitent de revoir des processus critiques de l’entreprise. Il s’agit donc d’un sujet de transformation métier : il faut documenter et « nettoyer » les processus pour qu’ils soient exécutables par une IA.
Le succès de l’IA dépend moins de la technologie que de la clarté de la vision et de la robustesse de la gouvernance.
L’IA agentique est perçue comme la prochaine frontière de l’automatisation, mais sa nature même fait l’objet d’un débat stratégique. S’agit-il d’une orchestration de processus complexes de bout en bout, comme le voit Mick Levy, ou d’une orchestration plus pragmatique de tâches spécialisées, selon la vision de Luc Julia ?
Quoi qu’il en soit, son déploiement réussi est soumis à des conditions strictes, comme l’énonce Julie Pozzi : repenser les processus, engager les fonctions support (juridique, risque), et s’attaquer à la gouvernance des données non structurées.
Elle ajoute un levier stratégique majeur souvent oublié : anticiper la transformation RH à long terme. « Dans 10 ans, 40 % des actifs vont partir à la retraite. Quelle stratégie adopter ? ». L’IA agentique devient alors un outil de continuité et de rétention de la connaissance, mais aussi une boussole pour guider les recrutements et la formation.
L’IA agentique : une révolution sous conditions
Chez Air France-KLM, l’approche suivie pour l’agentique est à la fois globale et métier. La compagnie a identifié un nombre restreint de processus critiques à révolutionner, puis lancé un travail de fond pour les documenter et les « penser afin qu’ils soient agent-ready ». Ce travail d’alignement est colossal, car comme le note Julie Pozzi, pour un même processus, « si on demandait à chacune des personnes de l’équipe, on obtiendrait autant de processus différents que d’individus. »
L’ère de l’IA agentique fait en outre émerger le chantier des données non structurées. Si Air France-KLM maîtrise ses données structurées, avec un « data warehouse depuis 2001 », il en va autrement de ses données non structurées. Il incombe donc aux Chief Data Officers (CDO) d’étendre leur périmètre à ces gisements de données.
Le défi posé par l’agentique est aussi RH, comme souligné précédemment. Il s’agit pour des entreprises comme Air-France-KLM d’anticiper quels postes seront impactés, c’est-à-dire remplacés ou assistés par des agents, mais aussi d’identifier les compétences clés pour demain.
Explicabilité et frugalité : deux piliers de l’IA de confiance
La confiance, prérequis à l’adoption de l’IA, repose sur des principes techniques et éthiques. L’explicabilité est incontournable pour nombre d’usages, comme le prouve le projet de l’Institut Curie sur la détection de cancers rares : expliquer une décision est aussi important que la décision elle-même.
La frugalité devient un impératif face à l’impact environnemental de l’IA. Luc Julia dénonce la « boulimie énergétique » des grands modèles, qui consomment des quantités phénoménales d’énergie et d’eau tout en émettant des quantités non moins phénoménales de gaz à effet de serre. « Lors des récents incendies en Californie, les pompiers manquaient d’eau pendant que les datacenters de Meta continuaient d’en consommer massivement pour leur refroidissement. »
Il se montre très critique envers la mentalité californienne. Il affirme avec son franc-parler que dans la Silicon Valley, les entreprises, et même les jeunes, « ne sont pas intéressés » par l’environnement, contrairement à l’Europe où la culture RSE (Responsabilité Sociétale des Entreprises) est beaucoup plus ancrée.
À cette démesure, il oppose la promesse d’IA agentiques plus frugales et spécialisées, pouvant fonctionner localement et respectant la condition indispensable à une IA durable. Spécialisation des modèles et frugalité sont ainsi les clés d’un meilleur usage des ressources.
Au lieu de tout envoyer dans le cloud, des modèles exécutés en Edge Computing – une méthode qui consiste à traiter les données au plus près de leur source – tourneront directement sur nos téléphones ou ordinateurs, éliminant le besoin de centres de données énergivores pour chaque opération, anticipe Luc Julia.
Selon lui, une start-up française comme Mistral AI, pivote déjà vers ces petits modèles performants plutôt que de lutter uniquement sur la taille des modèles. La fin de la course aux milliards de paramètres des LLM (Large Language Model) est-elle proche ?
Des socles techniques performants et une donnée de qualité
Avant de créer de la valeur, il convient de maîtriser la matière première. Pour Aurélie Le Cain, Global Director Data & AI de L-Acoustics, la première étape a été de collecter l’ensemble des données (notamment celles des usines) et de créer des pipelines vers une plateforme centralisée (sur Microsoft Azure) pour disposer d’une vision holistique.
Juliette Bechdolff souligne également la nécessité de migrer vers une Modern Data Stack, une approche qui consiste à remplacer les anciens systèmes de données rigides et coûteux par un ensemble d’outils cloud, plus agiles et modulaires, pour améliorer les capacités de stockage et les performances.
En matière d’architecture et de gouvernance, des actions sont à mener aussi. Pour éviter que chaque métier n’utilise ses propres calculs, L-Acoustics a mis en place une architecture « médaillon » et des modèles sémantiques. Le principe est simple : organiser les données brutes, un niveau « Argent » pour les données nettoyées et structurées, et un niveau « Or » pour les données agrégées et prêtes pour l’analyse métier. Ils garantissent une façon unique de consommer la donnée. De même, Chaumet investit dans des solutions de gouvernance pour assurer la traçabilité, le lignage et la qualité des données.
Cultiver l’expertise et la collaboration
La transformation par l’IA est avant tout une transformation humaine. L’implication des collaborateurs en conditionne la réussite. L-Acoustics, sous l’impulsion d’Aurélie Le Cain, a ainsi nommé des référents métiers, data owners, à travers l’organisation et mis en place une communauté Data pour les fédérer.
Ceux-ci consacrent 15 % de leur temps à la transformation par les données. Pour les former, L-Acoustics s’est appuyée sur sa division learning, une structure interne qui compte plus de 100 collaborateurs dédiés à la création de contenus d’apprentissage.
Historiquement, elle servait à former les clients et partenaires aux technologies de pointe de l’entreprise, certifiant plus de 10 000 personnes par an. La direction Data & IA s’est appuyée sur cette entité pour créer des parcours de certification internes destinés aux collaborateurs.
Ce dispositif a permis de former les référents business (ces employés qui consacrent 15 % de leur temps à la Data) sur des compétences techniques précises comme le data engineering, le dashboarding et la gouvernance des données.
Former et acculturer toute l’organisation
Chez Chaumet, Juliette Bechdolff insiste sur la nécessité de construire une équipe Data aux profils variés, capables de parler au business, et considère à cette fin les RH comme son premier partenaire. Elle met en garde contre l’illusion d’une transformation spontanée.
« Il ne s’agit pas de se dire Data Driven et d’espérer que tous les collaborateurs […] vont d’un coup devenir des super Data Analysts », prévient-elle en rappelant que 99 % des salariés ne sont pas des experts Data.
Il est dès lors essentiel de fournir aux collaborateurs métiers des outils adaptés, sans attendre qu’ils deviennent tous des Data Scientists. Une diversité au sein des équipes (ingénieurs, scientifiques, experts business reconvertis) contribue à enrichir la réflexion et à aligner les outils sur les besoins réels.
Le véritable enjeu est donc de mener un travail de fond sur l’acculturation de toute l’entreprise, en donnant aux équipes les moyens et la formation nécessaires pour faire de l’IA un véritable levier de performance partagé. Par ailleurs, la collaboration transverse, qui exige « d’embarquer très en amont » des fonctions clés comme le juridique, les achats, la cybersécurité et le contrôle interne, est centrale pour passer à l’échelle et pour gérer les risques.
👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn.
Commentaire (0)
Votre adresse de messagerie est uniquement utilisée par Orange Business, responsable de traitement, aux fins de traitement de votre demande et d’envoi de toute communication de Orange Business en relation avec votre demande uniquement. En savoir plus sur la gestion de vos données et vos droits.