Réinventer sa stratégie data avec l'IA

Dans les entreprises, plus question d’ignorer les données, il faut les exploiter et leur donner de la valeur. Lors du dernier salon Big Data & AI, qui s’était déroulé en octobre dernier, une multitude d'entreprises utilisatrices, de Kiloutou à Euromaster en passant par le Crédit Mutuel Arkéa et le Groupement des Mousquetaires, avaient témoigné de leur expérience dans la valorisation de leurs données. Pour cela, elles exploitent des plateformes de data science d’acteurs reconnus comme Databricks, Snowflake, Starburst ou encore d’Alteryx et de Microsoft, boostées à la GenAI et au machine learning et reliées à un entrepôt de données unifié. Non seulement ces outils facilitent l’agilité organisationnelle et l’accessibilité de la donnée aux équipes métiers mais ils répondent aussi aux enjeux liés à la conformité et à la régulation, notamment le RGPD et l’AI Act européen. Bien sûr, dans ces projets de data science, l’efficacité du datalake ou du data hub est essentielle dans la préparation et l'analyse des données, de pouvoir se connecter à toutes les données sans les déplacer. Ces plateformes permettent ainsi une gouvernance des données intégrée et proactive. « Notre plateforme chez Databricks fonctionne avec des API ouvertes justement pour faciliter l’interaction avec des outils tiers car nous sommes qu’un maillon parmi tant d’autres d’un écosystème très large. Nous multiplions aussi les partenariats pour faciliter le partage des données. Il faut bien comprendre que la gouvernance des données est un travail permanent car le business évolue et les réglementations aussi », explique Nicolas Maillard, AVP technical general manager field engineering pour la région SEMEA chez Databricks.

Sur le terrain, les entreprises avancent et multiplient les projets, prenons l’exemple du groupe Legrand qui a récemment témoigné dans un séminaire organisé en ligne par Microsoft sur la thématique « Passez vos cas d’usage IA à l’échelle avec Azure AI Foundry ». L’entreprise, spécialisée dans les infrastructures et matériels électriques, s’est ainsi alliée à Microsoft et son partenaire Artefact pour améliorer son support client. En effet, le groupe cherche à optimiser la gestion de ses 300 000 références produit à l’échelle mondiale en améliorant la qualité, leur descriptif, la traduction et la mise à jour des informations pour ses clients. Pour ce faire, la société a développé Gaia et Elia, deux outils IA, en s’appuyant sur Azure OpenAI Service, Azure AI Search et Azure Data Lake Storage où se concentrent toutes les données et qui allient la puissance d'un système de fichiers (HDFS) compatible avec Hadoop. 

Apporter de la valeur aux données

Ainsi, depuis ce lac de données, Legrand, via ses outils IA, va mieux gérer et analyser ses données pour in fine améliorer son support. Les résultats sont visibles pour Christophe Sirieix, Data & AI Manager chez Legrand : « Grâce à Gaia, un client peut facilement rechercher une documentation produit spécifique ou trouver une référence dans la description d'un produit. L'outil guide aussi le client pas à pas dans l'installation des produits. » Gaia a ainsi réduit de 60 % le temps de génération des données sur les produits. Pour Julien Ho Tong, managing partner chez Artefact, Gaia a même obtenu un taux de 83 % de satisfaction sur son contenu généré par rapport au contenu préalable généré manuellement. De son côté, Elia est un assistant IA qui facilite l'accès à l'information sur les produits et simplifie leur installation pour les utilisateurs (détaillants, techniciens, installateurs et consultants). Elia couvre actuellement 10 % du catalogue de produits Legrand. L'objectif est de couvrir 100 % du catalogue d'ici la fin de l'année. Autre exemple dans cette approche de gouvernance des données et de création de valeur, c’est celui de Proxiserve qui déploie des services à l’habitat. L’entreprise a opté, cette fois-ci, pour l’implémentation de Snowflake en partenariat avec Orange Business. Sylvain Bourdette, DSI de Proxiserve, et Nicolas Saumande, expert Conseil chez Orange Business, ont d’ailleurs expliqué en détail ce projet lors du dernier événement de Snowflake à Paris en mars dernier. En résumé, Proxiserve a migré sa plateforme de remontée d’information existante basée sur Hadoop/Cloudera - qui s’est révélée vieillissante et de moins en moins fiable (un incident par jour) et qui ne crée pas de valeur - vers celle de Snowflake pour profiter de fonctionnalités plus avancées afin de transformer les données en un levier stratégique de décision. Dans cet article, Sylvain Bourdette revient ainsi sur les vrais gains de performance et donne en exemple les alertes pour une fuite qui prenaient deux jours auparavant et qui sont désormais traitées en quasi temps réel. 

50 % d’échecs à cause d’une mauvaise préparation des données ?

Dans ces deux témoignages, la préparation des données reste donc stratégique mais à en croire l’étude menée au premier trimestre 2025 par le cabinet Redpoint Content pour le compte de l’éditeur Fivetran spécialisé dans la centralisation des données, près de 50 % des projets d’IA en entreprise échouent en raison d’une préparation insuffisante de leurs données. Pourquoi un tel résultat ? 

Virginie Brard, directrice régionale de Fivetran pour la France et le Benelux, explique que les données ne sont pas entièrement centralisées, gouvernées ou accessibles en temps réel pour les modèles d’IA : « Les entreprises font ainsi face à des goulets d’étranglement lors de l’intégration jusqu’aux contraintes liées à la maintenance des pipelines. Bref, elles se retrouvent à gérer l’infrastructure plutôt qu’à générer de la valeur grâce à l’IA. » Avec sa plateforme, Fivetran s’efforce justement de rassembler toutes les données en temps réel provenant de différentes sources via ses multiples connecteurs et des API. De son côté, Jennifer Bellissent, Principal Data Strategist de Snowflake, reconnaît effectivement que les entreprises ne sont pas toutes au même niveau : « L’enjeu est surtout d’avoir accès aux données, dans une étude que nous avons menée récemment chez Snowflake, nous avons appris que seulement 11 % des répondants avaient accès à plus de 50 % de leurs données non-structurées. » Pour Cyrille Chausson, research manager, chez IDC Europe, l’accessibilité des données est effectivement primordiale : « Bien sûr, la préparation et la qualité des données font partie intégrante de la gouvernance mais la gestion des accès l’est tout autant, de savoir qui a accès à ce flux de données. » Enfin, Stéphane Roder, PDG de AI Builders, affirme que c’est le côté opérationnel de la gouvernance qui fait défaut : « Le data management prend du temps, on demande aux métiers de produire des données et de les qualifier mais les métiers n’ont pas ce temps. » 

Aujourd’hui, l’IA générative s’invite dans tous les processus métiers et est déjà opérationnelle dans de très nombreuses entreprises. « Sur nos 11 000 clients, 5 200 d’entre eux se servent de nos fonctionnalités IA essentiellement pour des projets de productivité », souligne à ce titre Jennifer Bellissent, Principal Data Strategist de Snowflake. Sur le terrain, ces exemples sont concrets comme par exemple chez AXA. En effet, depuis deux ans, l’assureur a mis à la disposition de ses employés Secure GPT, un outil de GenAI jugé éthique et sécurisé qui sert à générer, résumer, traduire et corriger des textes, des images et des codes. Développé en trois mois, cet outil s’appuie sur Azure Open AI Service où les prompts, les données et les réponses ne sont pas partagés avec des tiers ou d’autres services externes. Une couche de sécurité a été ajoutée pour l’authentification, la traçabilité et la prévention des tentatives de jailbreaking. Aujourd’hui, l’impact de cet outil est positif, il permet déjà aux employés d’améliorer leur productivité tout en respectant les normes de sécurité et de confidentialité, les équipes d’AXA ont d’ailleurs mis en place un programme de formation et une bibliothèque de prompts pour accélérer son adoption. Plus récemment, l’un des concurrents d’AXA, le Groupe Matmut, a doté son entité Matmut Protection Juridique d’une IA conversationnelle (fournie par la startup Predictice) qui permet à ses 200 collaborateurs d’obtenir des réponses fiables, rapides, sourcées et actualisées sur les questions de droit. Et ça fonctionne, car les enquêtes internes réalisées auprès des collaborateurs de Matmut Protection Juridique ont montré une forte adhésion à l’outil se traduisant par une note globale de satisfaction de 4,1/5. Ainsi, cet assistant IA se place déjà en tête des fonctionnalités préférées des utilisateurs. Bruno Barreau, directeur opérationnel de Matmut Protection Juridique, a d’ailleurs rappelé que la technologie reste bien un atout pour renforcer l’expertise humaine et non pour la remplacer. Au sein du groupe Matmut, l’IA ne fait que commencer, déjà, des évolutions sont envisagées avec l’intégration de documents internes pour enrichir encore davantage la base de connaissances de l'IA ainsi qu’un perfectionnement des compétences en prompting pour exploiter tout le potentiel de l’IA conversationnelle. 

Une IA qui agit comme un humain

Si dans ces deux exemples, la GenAI est surtout perçue comme un outil d’aide à la productivité, certaines entreprises sont déjà passées à une étape supérieure, à savoir une IA plus stratégique, incontournable, offrant une personnalisation poussée de l’expérience client et une productivité optimisée. Stéphane Roder, PDG de AI Builders, reconnaît d’ailleurs que les projets IA deviennent stratégiques pour les entreprises : « Par rapport à nos déploiements, l’IA fait surtout gagner du temps, de l’ordre de 10 à 15 %, quand on est un commercial, ce temps gagné peut se traduire par plus de ventes. » Cette transition stratégique de l’IA, c’est le chemin que prend aujourd’hui Alcatel-Lucent Enterprise (ALE) avec la création de son chatbot ALIE intégré dans sa plateforme de communication cloud Rainbow. Selon Christian Muths, directeur data science chez ALE et Nathan Kroichvili, développeur datascientist, ALIE accélère le traitement des demandes support et améliore en parallèle l’efficacité des interactions entre les partenaires et les clients. Basé sur la plateforme AWS Bedrock et animé aussi par PythiALE, le moteur d'IA générative interne d'ALE, le chatbot ALIE serait ainsi capable de répondre efficacement à une multitude de requêtes d'une manière semblable à celle d'un opérateur humain dans un large éventail de domaines en réduisant les silos d'information. Alie agit donc comme une assistance en 24/7 et est ainsi capable de suivre les commandes de produits, de répondre aux questions techniques, de fournir des informations sur les niveaux de stock et d’offrir un support général. Les utilisateurs peuvent même gérer, depuis Alie, leurs tickets d'assistance en les créant, les mettant à jour et les consultant de manière interactive, tout en recevant des notifications sur l’avancement de leur demande. Au besoin, Alie alerte les équipes techniques lorsqu'une intervention est requise. Il sait tout faire puisqu’il apporte des réponses personnalisées dans la langue d’origine de la requête grâce à sa capacité à rechercher des documents multilingues et à traduire les réponses de manière fluide. Pour ce faire, Alie s’appuie sur une technologie d’apprentissage automatique avancée lui permettant de gagner en intelligence à chaque interaction et d'améliorer, in fine, toujours plus l'efficacité des opérations au fil du temps, aujourd’hui, 4 000 utilisateurs exploitent Alie. De plus, pour le porte-parole d’ALE, le chatbot a été développé selon des pratiques strictes de sécurité des données, notamment dans le respect des normes ISO 27001 (sécurité des systèmes d’information) et ISO 9001 (gestion de la qualité des données). Il est également conforme au RGPD et respecte la législation européenne sur l’intelligence artificielle. Enfin, les informations contenues dans ses bases de données sont chiffrées au repos et en transit avec des sauvegardes automatiques et planifiées pour prévenir toute perte.

Vers une gouvernance des projets IA

Comme nous le démontrons au travers de ces exemples, les investissements des entreprises dans les projets de GenAI sont importants. Pour Cyrille Chausson, research manager chez IDC Europe, les budgets dédiés à l’IA convergent d’ailleurs vers la GenAI. Face à cette tendance, le porte-parole d’IDC Europe recommande même une gouvernance de l’IA : « Comme pour les données, l’IA nécessite une gouvernance, l’un ne va d’ailleurs pas sans l’autre, une faible maturité de la gouvernance des données entraine une faible maturité de la gouvernance de l’IA. Envisager la gouvernance de l'IA, c'est comme observer l'ADN d'une entreprise, entrer dans son modèle organisationnel, toucher du doigt ses processus, entamer un dialogue avec ses forces vives et son effectif, se confronter au traditionnel mais toujours non résolu problème de l'interaction IT/Business. Bref, parler de la gouvernance de l'IA, c'est un peu nous renvoyer directement aux principes essentiels de la loi de Conway qui nous rappellent que les schémas IT en place dans une entreprise sont le miroir de son modèle organisationnel et de communication. » 

Les chatbots IA, bientôt dépassés ? Pas pour l’heure, mais pour Matthieu Bret, responsable Data & AI Go-To-Market chez Microsoft France qui est intervenu dans un récent événement en ligne, les projets autour de l’IA répondront à l’avenir à des tâches plus complexes, et ce, en toute autonomie faisant intervenir plusieurs agents IA qui travaillent ou interagissent ensemble. « Derrière cette notion d’agents IA, l’idée est de se dire, qu’à chaque étape, il est possible de les exploiter pour créer une chaîne de décision et de modifier un événement dans cette même chaîne. Chez Databricks avec Mosaic AI, nous travaillons à sa création en utilisant une multitude de modèles du marché ou ceux des entreprises, nous nous adaptons aux besoins des entreprises », souligne Nicolas Maillard, AVP technical general manager field engineering pour la région SEMEA chez Databricks.

De même, dans sa plateforme de services Fabric, Microsoft permet à des agents IA de fournir des insights granulaires et exploitables sans l'aide d'un analyste, ces agents peuvent ainsi puiser des données depuis OneLake, un entrepôt de données intégré à Fabric et unifié, lequel se connecte à toutes les sources de données de l’entreprise interne et externe. Avec l’usage de ces agents IA, les entreprises franchiront une grande étape dans l’automatisation et la transformation de leurs processus, ces agents joueront notamment un rôle essentiel dans la génération de données puisqu’ils utiliseront leurs interactions avec l'environnement pour collecter, créer et enrichir des données en temps réel, offrant ainsi des informations précieuses et actualisées pour alimenter les processus décisionnels. Stéphane Roder, PDG de AI Builders, partage cet avis : « Les agents IA vont effectivement aider à la gouvernance des données. Chez AI Builders, nous sommes même en train de déployer des projets expérimentaux de ce type, des agents autonomes capables d’opérer le travail des humains dans l’exploitation et dans l’automatisation de tout ou partie du datamanagement. » 

Les grands éditeurs s’engouffrent dans les agents IA

Les entreprises pourront donc tirer parti de ces capacités pour obtenir des jeux de données uniques, personnalisés et adaptés à des besoins spécifiques, améliorant ainsi leurs modèles prédictifs, leurs analyses avancées et leur efficacité opérationnelle. Noel Yuhana, analyste principal chez Forrester, estime toutefois que ce sont surtout les grandes entreprises confrontées à des environnements de données complexes et multiplateformes qui en tireront la valeur la plus importante. Si Microsoft, de par sa position dominante dans les solutions professionnelles d’entreprise et ses avancées dans le domaine des agents IA, est déjà bien positionné, d’autres acteurs sont aussi sur les rangs, pour la grande majorité des leaders comme Salesforce avec Agentforce, Google avec des agents qui se diffusent dans Cloud et construits via Vertex AI Agent Builder ou encore Flows pour la suite bureautique Workspace, sans oublier IBM autour de Watsonx notamment Watsonx Orchestrate, annoncée l'an passé, pour construire des agents IA intégrables, déployables et personnalisables. Citons aussi Snowflake qui en fait une priorité pour les années à venir ou encore Informatica qui a récemment dévoilé ses offres d’agents IA (Claire Agents et AI Agent Engineering) sur sa plateforme de management de données dans le cloud, tout comme Service Now ou encore Pega avec ses nouveaux agents Predictable AI Agents.

Des protocoles pour faciliter la communication entre les agents IA

L’efficacité des agents IA passe par leurs interactions, aujourd’hui, ces dernières sont essentiellement opérées via des API, cela dit, des protocoles apparaissent à l’image de Agent2Agent (A2A) proposé par Google en open source avec une cinquantaine de partenaires dont SAP, Salesforce, Box, Atlassian, etc. Ce protocole est d’ailleurs de plus en plus exploité comme en témoigne cet article rédigé par notre confrère d’IDG/Foundry. Microsoft l’a par exemple adopté dans Copilot Studio et Azure AI Foundry tout comme il le fait avec le protocole MCP (Model context protocol) créé par Anthropic. MCP est une solution ouverte de communication permettant aux LLMs d’interagir simplement avec des ressources externes très variées (APIs, bases de données, fichiers locaux…). Là aussi, ce protocole devient incontournable au fur et à mesure que les éditeurs se tournent vers les agents IA, d’OpenAI ou de Microsoft aux éditeurs de bases de données comme MongoDB, ils sont toujours plus nombreux à ajouter une prise en charge du MCP. Un autre protocole semble prometteur, c’est ACP (Agent Communication Protocol) d’IBM. ACP utilise des modèles HTTP standards pour la communication, ce qui facilite son intégration en production, et fait partie d'un écosystème d'IA dont BeeAI qu'IBM a offert à la Fondation Linux en avril.

A partir de ses versions V3 et R1, DeepSeek serait massivement entrainé avec des données synthétiques, elles même générées par d’autres LLM, fait savoir Stéphane Roder, dirigeant de AI Builders, qui souligne la croissance des données synthétiques à venir. Selon le cabinet d’études Gartner, d’ici 2026, 75 % des entreprises utiliseront l’IA générative pour créer des données synthétiques. Ces données permettront aux entreprises de tester des scénarios, de renforcer les modèles prédictifs et de sécuriser les données sensibles en limitant leur exposition réelle. « Dans la définition technique d’une pièce pour le secteur aéronautique, les données synthétiques peuvent servir à interpréter des résultats, notamment pour mesurer l’impact des vibrations », donne en exemple Nicolas Maillard, AVP technical general manager field engineering pour la région SEMEA chez Databricks. Autre exemple, dans le secteur financier avec JP Morgan qui exploite déjà la génération de données synthétiques pour créer plus d’exemples de transactions frauduleuses améliorant ainsi l’entraînement des modèles. Et pour cause, la banque privée a constaté qu’il était difficile d’entraîner efficacement des modèles alimentés par l’IA pour la détection des fraudes en raison du manque de cas frauduleux par rapport aux cas non frauduleux. 

Des éditeurs déjà sur les rails

IBM et Red Hat avancent dans cette voie avec InstructLab qui est capable de générer systématiquement des données synthétiques à grande échelle pour assimiler de nouvelles connaissances et capacités dans le modèle de base, sans écraser ce que le modèle a déjà appris. Cette méthode est moins coûteuse de par l’usage de données synthétiques, le gain de temps est significatif et le résultat bien meilleur. Même son de cloche chez Snowflake, Jennifer Bellissent, Principal Data Strategist, assure que sa plateforme peut générer des données synthétiques à partir d’une table source. « Par exemple, vous pouvez utiliser des données synthétiques pour partager ou tester des données trop sensibles, confidentielles ou soumises à d’autres restrictions pour être partagées avec d’autres personnes ». Les cas d’usages de l’exploitation des données synthétiques semblent se multiplier comme OpenFold, un consortium de recherche en IA pour la biologie et la découverte de médicament (dans lequel Dassault Systèmes est membre) où les données synthétiques permettent aujourd’hui de construire des bras de contrôle en se passant des patients. Dans ce cas, la vraie valeur est d’accélérer le cycle d’innovation, car au lieu de créer des cohortes de patients, avec les données synthétiques, on peut en déduire drastiquement le nombre, l’impact est énorme.

Une IA responsable et éthique est une priorité stratégique pour Stéphane Roder, PDG de AI Builders : « Aujourd’hui, nous sommes dans le commun des extrêmes, le golfe du Mexique devenu le Golfe d’Amérique, imaginons une transposition de cette décision unilatérale dans le monde des datasets ! Il faut donc des modèles qui soient conformes à nos valeurs, c’est d’ailleurs une valeur ajoutée, d’où la nécessité d’avoir Mistral en France, les équipes sont d’abord européennes et sont redevables de respecter nos réglementations. » De son côté, Jennifer Bellissent, Principal Data Strategist de Snowflake, l’affirme, les entreprises sont très attentives à exploiter une IA responsable par peur d’impacter leur réputation et leurs revenus. Face aux attentes sociétales et aux réglementations émergentes, les entreprises placeront l’éthique de l’IA au centre de leurs préoccupations et développeront des politiques internes claires pour assurer la transparence, l’explicabilité et l’équité des algorithmes. Cette étique pourrait même faire partie d’une gouvernance encadrée par des experts en IA responsable, elle deviendra essentielle pour prévenir les biais et gérer les risques liés à l’utilisation intensive de ces technologies. Relativisons malgré tout, car l’usage des IA éthiques est surtout soutenu dans les grands groupes qui ont les moyens et cette sensibilité grâce à des comités éthiques déjà existants en interne. Pour les grands éditeurs présents partout dans le monde et qui intègrent l’IA dans leurs solutions, ils sont d’abord pragmatiques à l’image de Databricks : « Suivant les régions du monde et leurs réglementations, nous nous adaptons. Nous avons par exemple investi dans Mistral car des clients français nous le demandent mais nous investissons aussi dans d’autres LLM pour des clients implantés dans d’autres régions du monde », précise Nicolas Maillard, AVP technical general manager field engineering pour la région SEMEA chez Databricks. Un point que partage aussi Jennifer Bellissent : « C’est pour cela que dans notre offre, nous laissons aux entreprises la liberté de choix des modèles ».