Où en sont vraiment les entreprises ?

Une transition en deux phases

• Premiers chatbots conversationnels
• Outils d’assistance à la rédaction
• Expérimentations isolées

• IA adaptées aux métiers spécifiques
• Meilleure acculturation des équipes
• Déploiements mesurés et gouvernés

Les chiffres qui comptent

• 80% des entreprises n’ont pas une vision claire des usages de l’IA dans leur organisation (Baromètre Privacy 2026)
• Les coûts au token ont été divisés par 100 à 1000 en 3 ans
• L’objectif moyen de gains de productivité : 2h/jour par collaborateur

Priorité #1 : Mesurer avant d’investir

Le défi de l’évaluation

La méthode du « LLM-as-a-Judge »

1. Définir vos règles métier et faire annoter les résultats par des humains
2. Créer un modèle « juge » (LLM judge) qui évalue automatiquement les performances
3. Calculer l’accord inter-annotateur entre humains et juge pour mesurer la fiabilité
4. Automatiser la surveillance tout en concentrant vos équipes métier sur des tâches à plus haute valeur

• Évaluation continue sans surcharger les équipes
• Feedbacks sémantiques explicables
• Applicable RH, finance, synthèses, rapports

Priorité #2 : Sécuriser les données dès le départ

Les 3 piliers de la sécurité IA

1. Data Residency

• Vos données ne doivent jamais franchir les frontières réglementaires sans consentement explicite
• Choisissez une infrastructure qui garantit la localisation géographique

2. Isolation des prompts

• Avec des solutions comme Amazon Bedrock, les prompts ne sont ni stockés ni transmis aux fabricants de modèles
• Le fabricant du modèle n’a aucun accès technique aux questions ou réponses

3. Cloisonnement de l’information

• Appliquer la « Rule of Two » (double validation)
• Ne pas exposer certaines données sensibles aux utilisateurs finaux

La démarche « Threat Modeling » en 3 phases

• Définir les personas susceptibles d’utiliser les applications
• Identifier les vecteurs d’attaque potentiels

• Tester selon les normes de sécurité
• Supervision humaine pour les décisions critiques

• Cloisonner les informations sensibles
• Appliquer des politiques de contrôle d’accès strictes

• Déploiement on-premise totalement déconnecté
• Instance isolée chez un cloud provider sans connexion au fournisseur du modèle
• Modèle hybride avec gouvernance centralisée

Priorité #3 : Construire la bonne infrastructure

Les 4 critères de sélection d’infrastructure

L’approche matérielle moderne

• Partir du cas d’usage, pas du matériel
• Avoir une solution modulaire : du PC portable au data center
• Garantir la portabilité : ce qui fonctionne en dev fonctionne en prod

Priorité #4 : Aborder les agents IA sereinement

Le message essentiel : Ne paniquez pas

Qu’est-ce qu’un agent IA ?

• Envoyer un mail à votre place
• Faire une transaction financière
• Réserver un billet
• Exécuter des actions de manière autonome

Les 3 questions avant de déployer un agent

1. Quel est l’objectif de cet agent ?
2. Quels sont les microservices qu’il va utiliser ?
3. Quel est l’environnement de données auquel il aura accès ?

Stratégie de déploiement recommandée

• Faire des démos rapides avec vibe coding
• Tester avec des cas d’usage réduits
• Obtenir des retours utilisateurs immédiats

• Solidifier et fiabiliser les outils que les agents vont orchestrer
• S’assurer que chaque outil fait exactement ce qu’on attend
• Créer des contrats clairs entre outils et agents

• Dans quelques années, une entreprise gérera des milliers d’agents (comme elle gère des milliers d’applications)
• Anticiper les questions de responsabilité : qui est responsable si un agent fait une erreur ?
• Utiliser des frameworks de gouvernance (ex: Amazon Bedrock Agents Edison)

Priorité #5 : Maîtriser les coûts par l’architecture

L’équation économique évolue rapidement

• Division par 100 à 1000 en 3 ans
• Plusieurs modèles de pricing coexistent : au token, au forfait mensuel, par utilisateur

• Les éditeurs changent parfois de modèle en cours de route
• Difficulté de comparer les offres

Stratégie de maîtrise des coûts

1. Mesurer d’abord

• Établir une baseline : combien coûtent vos processus actuels ?
• Mesurer le coût de développement
• Suivre le coût en production (run)

2. Optimiser l’architecture

• Dans un système multi-agents, un agent « routeur » sélectionne dynamiquement le modèle le plus adapté
• Distribution intelligente selon la complexité de la tâche
• Modèles légers pour les tâches simples, modèles puissants uniquement si nécessaire

3. Calculer le ROI par token

• Déterminer à partir de combien de tokens vous êtes rentable
• Exemple : si vous êtes rentable à partir de 300 tokens, tout dépassement crée de la valeur
• Comparer le coût/token avec votre seuil de rentabilité

4. Explorer les modèles hybrides

• Plutôt qu’un abonnement pur, partager certaines données d’entraînement
• Évaluation de la valeur de vos données spécifiques
• Modèle encore en construction, mais à surveiller

Comment convaincre et former les métiers ?

Pour les profils techniques : vulgariser efficacement

• Tracer les étapes cognitives du travail (évaluation heuristique)
• Comprendre le processus sous-jacent
• Identifier où l’IA décharge les tâches répétitives

2. Accepter que vulgariser est un travail

• Se mettre au niveau de l’interlocuteur
• Parler son langage, pas celui du technicien
• Le plaisir doit être partagé, pas uniquement technique

3. Faire des démos rapides

• Vibe coding pour créer des interfaces en quelques minutes
• Montrer un mini-problème résolu immédiatement
• Donner la main à l’utilisateur : « Regarde, est-ce que ça te plaît ? »

Message aux métiers : l’IA augmente, ne remplace pas

Checklist :
Les 5 actions prioritaires pour les dirigeants

1. Gouverner dynamiquement

• ❌ Pas une politique unique figée
• ✅ Une gouvernance par produit, par métier, évolutive

2. Sécuriser dès le départ

• Data residency respectée
• Isolation des prompts garantie
• Threat modeling réalisé

3. Mesurer avant d’investir massivement

• Baseline établie
• LLM judge déployé ou en test
• ROI calculé par cas d’usage

4. Expérimenter les agents (sans précipitation)

• Cas d’usage identifiés
• Outils sous-jacents fiabilisés
• Gouvernance à l’échelle anticipée

5. Optimiser les coûts par l’architecture

• Mesure en continu
• Multi-agents avec routage intelligent
• Calcul du ROI/token

Conclusion :
L’exécution prime sur la stratégie

Les 3 vérités du terrain

1. Tout le monde en est au même stade sur les agents IA — vous n’êtes pas en retard
2. La gouvernance n’est jamais « finie » — c’est un processus continu
3. L’évaluation reste complexe — acceptez 12 mois d’essais-erreurs

Et maintenant ?

• Diagnostic IA : identifier vos cas d’usage prioritaires en 2-6 semaines
• Architecture & Sécurité : construire le socle IA gouverné
• Déploiement d’agents : de l’idée à la production en 3 semaines
• Formation & Adoption : transformer l’IA en réflexe de travail

Prochaine étape recommandée : évaluer objectivement votre maturité IA avant d’investir davantage.
Effectuez un premier diagnostic IA gratuit.