20 févr. 2025 | 11:00 - 12:00
Quels sont les Projets I.A des Entreprises (enquête 2025) ?
En ligne
Pour ma première venue sur le site, je dois d'abord créer un compte
Pour m'inscrire aux événements et voir les replays, je me connecte
Description
Quels sont les projets I.A les plus significatifs des entreprises internationales en 2025 ?1- L'étude (Méta Analyse) : les Projets d'I.A des Entreprises en France et à l'International
Nous avons rassemblé les études les plus récentes sur les projets d’Intelligence Artificielle actuellement en production ou en planification dans les entreprises françaises et internationales ; sur l’ensemble des domaines potentiellement concernés par l’I.A :
- Marketing
- Relation Client
- Organisation du travail et productivité
- Finance (DAF)
- Achat & Procurement
- Supply Chain
Une question essentielle se pose quant aux technologies mises en œuvre par les entreprises pour déployer ces projets d'IA. Nous ferons le point sur les solutions techniques privilégiées :
- Solutions disponibles dans le Cloud : Adoption du cloud public pour des solutions IA flexibles et évolutives.
- Approche multi-cloud et multi-LLM : Comment les entreprises combinent plusieurs plateformes cloud et modèles linguistiques (LLM) pour garantir des résultats plus pertinents et mieux adaptés à leurs besoins spécifiques.
- Utilisation d’un LLM privilégié via API sécurisée : Le rôle des API sécurisées pour faciliter l'intégration de modèles de langage dans des systèmes existants.
- Utilisation de progiciels dédiés : Les logiciels spécialisés dans l'IA, utilisés pour des applications sectorielles spécifiques.
La qualité des données est une composante cruciale dans la réussite des projets IA. Nous explorerons les méthodes utilisées par les entreprises pour :
- Sélectionner et organiser les données : Critères de typologie des données utilisées pour les projets IA, et comment elles sont traitées pour maximiser leur valeur.
- Assurer la conformité des données : Les bonnes pratiques pour garantir la conformité des données aux normes réglementaires, notamment en matière de sécurité et de protection de la vie privée.
- Évaluation de la qualité des résultats : Les tests et protocoles mis en place pour vérifier la précision et la fiabilité des résultats générés par les modèles IA.
Jean-Noël Gouillou, Group Data Procurement Manager chez Engie, présentera un cas concret de projet d'IA appliqué à la gestion des achats. Ce projet de catégorisation des achats pour l'ensemble des filiales à l'international concerne un volume d’achats extérieurs initialement mal ou non catégorisés. Grâce à l’IA, 95% des factures ont pu être correctement attribuées à une catégorie, avec un taux d'échec inférieur à 5%.
Au-delà des résultats, nous discuterons de la durée du projet, de la collaboration entre la data et les métiers (ici les achats), ainsi que de la mise en place de tests permettant d’évaluer et de réduire les erreurs.
5. Le rôle des CDO, Data Scientists, Data Managers et gestion des projets IA
Dans le cadre des projets IA, de nouveaux métiers ont émergé, en particulier les Chief Data Officers (CDO), les data scientists et les data managers, présents désormais dans tous les départements des entreprises. Nous aborderons :
- Le rôle du CDO : Comment la Direction Data centrale pilote les projets IA à l’échelle de l'entreprise, coordonne les équipes et assure la gouvernance des données.
- Les responsabilités des Data Scientists et Data Managers : Quels sont leurs rôles dans la mise en œuvre, l’analyse des données et la gestion des projets IA ?
- La gestion des projets IA : Les méthodologies adoptées pour gérer des projets IA complexes, de la phase de conception à la mise en production.
L'un des défis majeurs des projets d'IA réside dans l'optimisation de la coopération entre les équipes techniques (data) et les métiers. Nous examinerons comment les entreprises :
- Identifient les projets IA : Comment les départements métiers définissent leurs besoins et collaborent avec les équipes data pour concevoir des projets d'IA adaptés ?
- Planifient et budgétisent ces projets : Les processus utilisés pour évaluer les besoins en IA, établir les priorités et allouer les budgets.
- Assurent la réussite de la collaboration : Les bonnes pratiques pour garantir une communication fluide et une compréhension mutuelle entre les équipes techniques et métiers.
