Tech Show Paris – Régions Connectées fait étape à Lyon pour une soirée dédiée à l’IA en production

De la gouvernance des données aux arbitrages métier, quatre experts ont partagé leurs retours d’expérience sur ce qui fait – ou non – le succès d’un projet d’IA en production. 

Une nouvelle étape pour Tech Show Paris en région 

Après une première édition à Lille, Tech Show Paris – Régions Connectées faisait escale à Lyon, au cœur de H7, pour une soirée réunissant décideurs, responsables data, experts IA et entrepreneurs autour d’un sujet devenu incontournable : le passage de l’expérimentation à l’IA en production. 

Pensée comme un prolongement de Tech Show Paris, l’initiative Régions Connectées a pour ambition d’aller à la rencontre des écosystèmes technologiques français tout au long de l’année. L’objectif est de créer des rencontres à taille humaine, favoriser les échanges entre pairs et mettre en lumière des retours d’expérience concrets avant de retrouver l’ensemble de la communauté à Paris. 

Animée par Pascale Davies, Senior Tech Reporter chez Euronews, la table ronde réunissait Vincent Faburel, Head of Data & Backend Products chez Interflora, Alexandra Lorenzo de Brionne, Lead Data Scientist chez Michelin, et Abdallah Arioua, ex Chief Data & AI Officer chez Relyens et entrepreneur. 

L’IA en production : un défi d’exécution plus qu’un défi technologique 

Dès les premières minutes, un constat commun s’est imposé. Si les modèles d’IA progressent à un rythme spectaculaire et deviennent toujours plus accessibles, le véritable défi ne réside plus dans la technologie elle-même. 

Créer de la valeur pour les métiers, disposer de données fiables, accompagner les utilisateurs, mesurer l’impact des projets ou encore savoir arbitrer les investissements : c’est aujourd’hui là que se joue la réussite d’une stratégie IA. 

Cette idée a traversé l’ensemble des échanges de la soirée. Chacun des intervenants l’a illustrée à travers son propre retour d’expérience. 

Sans données bien définies, aucun projet IA ne peut réussir 

Alexandra Lorenzo de Brionne est revenue sur plusieurs retours d’expérience illustrant les difficultés rencontrées lors de la mise en production de projets IA. 

Certains projets, pourtant techniquement prometteurs, répondaient davantage à un intérêt technologique qu’à un véritable besoin métier. D’autres se sont heurtés à un problème plus fondamental : l’absence d’une définition commune des données. 

Comme elle l’a rappelé, une même variable peut parfois être interprétée différemment selon les métiers. Sans glossaire partagé, sans métadonnées et sans gouvernance claire, il devient impossible d’obtenir des résultats exploitables. 

Finalement, avant même de parler d’intelligence artificielle, les entreprises doivent d’abord parler le même langage. Ce travail de fond reste aujourd’hui l’une des principales conditions de réussite d’un projet IA. 

Savoir arrêter un projet fait aussi partie de la réussite 

L’un des échanges les plus marquants est venu de Vincent Faburel, qui a partagé un retour d’expérience sur un projet de prévision des ventes. 

Les premiers résultats étaient encourageants à court terme, mais perdaient rapidement en pertinence lorsque l’horizon de prévision s’allongeait. Après plusieurs tentatives d’amélioration, l’équipe a finalement choisi d’abandonner ce cas d’usage et de revenir à une approche plus adaptée. 

Un retour d’expérience qui rappelle qu’industrialiser l’IA ne consiste pas à déployer tous les projets imaginables. La maturité d’une organisation se mesure aussi à sa capacité à reconnaître qu’un cas d’usage ne crée pas suffisamment de valeur et à réorienter ses efforts vers des initiatives plus pertinentes. 

De GPT-3 à aujourd’hui : quand les modèles évoluent plus vite que les organisations 

Abdallah Arioua est revenu sur ses premiers travaux autour de GPT-3, bien avant l’arrivée de ChatGPT. À l’époque déjà, les capacités des modèles de langage laissaient entrevoir une nouvelle manière d’interagir avec l’intelligence artificielle. 

Depuis, les outils ont considérablement évolué. Mais selon lui, les principaux défis ne sont plus uniquement technologiques. Ils concernent désormais l’intégration dans les processus métiers, la maîtrise des coûts, la sécurité, la conformité et la capacité des organisations à transformer ces avancées en véritable valeur opérationnelle. 

L’évolution des modèles est fulgurante. Celle des organisations demande davantage de temps. C’est précisément cet écart qui constitue aujourd’hui le principal défi de l’IA en production. 

Une discussion prolongée par les questions du public 

La soirée s’est poursuivie par une longue session d’échanges avec les participants. 

Les questions ont porté sur les choix de modèles, le passage du POC à la production, les arbitrages techniques, l’adoption par les métiers, la gouvernance des données ou encore les critères permettant de mesurer concrètement le retour sur investissement d’un projet IA. 

Autant de sujets qui témoignent d’une évolution des préoccupations des entreprises. La question n’est plus de savoir s’il faut faire de l’IA, mais comment la déployer durablement au service du métier. 

Une conviction largement partagée 

Cette étape lyonnaise confirme l’ambition de Tech Show Paris – Régions Connectées : faire vivre les conversations tout au long de l’année, au plus près des territoires, avant de retrouver l’ensemble de l’écosystème les 18 et 19 novembre à Paris Porte de Versailles. 

S’il fallait retenir un enseignement de cette soirée, ce serait sans doute celui-ci : l’IA en production n’est plus un défi technologique, mais un défi d’exécution. Les modèles sont désormais accessibles à tous. Ce qui distingue les organisations les plus avancées, c’est leur capacité à identifier les bons cas d’usage, à structurer leurs données, à accompagner les métiers dans leur adoption et à mesurer, concrètement, la valeur créée. 

À Lyon, les échanges n’ont pas cherché à prédire l’avenir de l’intelligence artificielle. Ils ont surtout montré que les entreprises qui réussiront demain seront celles qui sauront transformer une technologie prometteuse en un véritable levier opérationnel.