1) Contexte et objectif

En séance 1, nous avons établi que l’Intelligence Artificielle (IA) est un sujet de pouvoir et de souveraineté numérique : déployer de l’IA, c’est créer des dépendances (technologiques, économiques, juridiques) et accepter des arbitrages structurants.

En séance 2, l’objectif est de comprendre ce qui rend l’IA contraignante dans le réel (ressources, coûts, exploitation) et pourquoi des choix techniques deviennent des choix stratégiques.

• Partie 1 (Enseignant) : méthode de décision et trajectoire de déploiement (valeur, coûts, exploitation, dépendances, réversibilité).
• Partie 2 (intervention de Simon Jamelin) : réalité infrastructurelle de l’IA en 2026 et contraintes concrètes (détails techniques et opérationnels).

2) Ce que vous verrez avec moi (Partie 1)

Fil rouge

• Valeur : gains mesurables (productivité, qualité, vitesse, réduction de risques, nouveaux revenus).
• Risque : fiabilité, sécurité, conformité, réputation, responsabilité.
• Dépendance : verrouillage fournisseur, réversibilité, souveraineté, continuité d’activité.

Les 3 questions structurantes de la séance 2

1. Qu’est-ce qui rend l’IA contraignante dans le réel ? (ressources, coûts, production)
2. Quelles dépendances crée-t-on ? (fournisseurs, données, architecture, compétences)
3. Peut-on sortir proprement ? (réversibilité, coût de sortie à 24 mois)

3) Trajectoire de déploiement d’une stratégie IA

L’IA ne se « déploie » pas en une seule étape. Une organisation construit une trajectoire progressive, du court terme vers une capacité durable.

Modèle général de trajectoire

• Approche pragmatique (court terme) : déploiement rapide de solutions accessibles pour générer des gains immédiats (Quick Wins) sur des données non sensibles.
• Socle transverse (expérimentation) : cadre commun pour tester, comparer et capitaliser (critères d’évaluation, sécurité, gouvernance, méthodes).
• Approche productivité (moyen terme) : industrialisation progressive des usages à valeur, intégration au système d’information, pilotage par les processus.
• Plateforme souveraine (long terme) : capacité maîtrisée (gouvernance, infrastructure, sécurité, réversibilité) permettant de choisir ses dépendances et de soutenir des cas critiques.

Trois approches opérationnelles (comment ça se matérialise)

• Approche pragmatique (court terme) : assistants / coproductivité, centrés sur des données non sensibles, pour initier l’usage et produire des gains rapides.
• Expérimentation maîtrisée (moyen terme) : preuves de concept (Proof of Concept, POC) sur des cas plus complexes, y compris avec des données sensibles, dans un cadre sécurisé et contrôlé (Sandbox).
• Approche productive (long terme) : intégration profonde de l’IA dans les processus métiers avec une culture process mature. Objectif : fiabiliser et automatiser des workflows avec des exigences de service.

Trois principes de construction (à retenir)

• Analyse et diagnostic : maturité numérique, cas d’usage, contraintes techniques, sensibilité des données, gouvernance.
• Démarche progressive : commencer par le pragmatique puis monter en complexité (éviter le « grand soir »).
• Appropriation : montée en compétence des équipes + capitalisation des retours d’expérience.

4) Cartographie des acteurs (qui fait quoi)

Acteurs côté organisation (entreprise / administration)

• Sponsor exécutif (Direction générale / Direction métier) : fixe la priorité, arbitre valeur/risque, alloue budget.
• Responsable métier (Business Owner) : définit le problème, la valeur attendue, les critères de réussite.
• Product Owner IA (AI Product Owner) : transforme le besoin en produit/processus, pilote la feuille de route.
• Direction des systèmes d’information (DSI) : intégration, architecture, exploitation, cohérence du système d’information.
• Architecture / Urbanisation : choix d’architecture, découplage, portabilité, dépendances.
• Équipe Data (Data Owner, Data Engineer, Data Steward) : accès, qualité, gouvernance, traçabilité des données.
• Sécurité (Chief Information Security Officer, CISO) : exigences sécurité, gestion des risques, contrôles.
• Conformité et données (DPO) : Règlement général sur la protection des données (GDPR), analyses d’impact, règles d’usage.
• Juridique / Achats : contrats, clauses de réversibilité, responsabilités, négociation fournisseurs.
• Exploitation (Ops / Run) : supervision, incidents, continuité d’activité, gestion des niveaux de service.
• MLOps / LLMOps : mise en production, monitoring modèle, dérive, versioning, qualité.
• Utilisateurs : adoption, retours, signaux faibles, amélioration continue.

Acteurs côté écosystème (fournisseurs)

• Fournisseur de modèle : modèle propriétaire ou open source maintenu.
• Fournisseur d’infrastructure : informatique en nuage (Cloud Computing) ou hébergement/centre de données.
• Éditeurs d’outillage : observabilité, sécurité, orchestration, bases de connaissances.
• Intégrateur / Cabinet : déploiement, architecture, sécurité, conduite du changement.
• Audit / Certification : (selon secteurs) contrôle et attestations.

5) Comment on “déploie” une IA (étapes & acteurs)

Objectif : comprendre la chaîne complète, de la décision au service en production.

6) Notions obligatoires (définitions rapides)

Familles d’IA

• Analyse décisionnelle (Business Intelligence, BI) : analyse structurée (reporting, tableaux de bord).
• Apprentissage automatique (Machine Learning, ML) : prédire/classer/recommander à partir de données.
• Apprentissage profond (Deep Learning, DL) : ML basé sur réseaux de neurones.
• Intelligence Artificielle générative (Generative Artificial Intelligence, GenAI) : produire texte/images/code.
• Grand Modèle de Langage (Large Language Model, LLM) : GenAI centrée sur le langage.

Phases d’usage

• Entraînement (Training) : apprendre un modèle (coûteux).
• Ajustement fin (Fine-tuning) : adapter un modèle.
• Inférence (Inference) : servir des réponses en production.

Coûts et pilotage

• Dépenses d’investissement (Capital Expenditure, Capex) : investissement (matériel, infra).
• Dépenses d’exploitation (Operating Expenditure, Opex) : coûts récurrents (cloud, énergie, équipes).
• Coût total de possession (Total Cost of Ownership, TCO) : coût complet sur 24–36 mois.

Production

• Accord de niveau de service (Service Level Agreement, SLA) : disponibilité, latence, temps de rétablissement.
• Surveillance (Monitoring) : mesure continue performance/erreurs.
• Réponse aux incidents (Incident Response) : gestion des pannes.

Dépendances

• Verrouillage fournisseur (Vendor Lock-in) : difficulté à changer (technique/données/contrats/compétences).
• Réversibilité (Reversibility) : capacité à migrer/arrêter à coût et délai raisonnables.

7) Ce que vous verrez avec Simon Jamelin