Big Data & AI Paris 2025

• Bilan du rapport parlementaire de 2018 sur l'IA, jugé « étonnamment pertinent » (Nicolas François). Le taux de mise en œuvre rapporté diverge : 50 % des recommandations suivies selon Your Legal Angel, un tiers complètement mises en œuvre selon IA Tech Travel Café. Les manques cités : inclusion et coopération européenne.
• Souveraineté : l'échelon européen reste « indispensable, pour des questions de taille de marché ». La concentration du marché par les géants américains « est contraire à toutes les doctrines d'économie du marché, y compris la doctrine libérale sincère, et fait courir un risque politique », lancé « d'un ton véhément devant un auditoire exceptionnellement attentif » (Alliancy).
• Il qualifie la dépendance d'« insupportable », sans anti-américanisme, et rapporte une phrase entendue en off au forum d'Alpbach : « quand est-ce que vous comprendrez que l'Amérique n'est pas votre amie ? » (IA Tech Travel Café).
• Écologie : en 2025, « résolument, l'IA n'est pas une bonne nouvelle pour l'écologie », par sa consommation mais aussi par la diversion de capitaux qui auraient pu financer la transition (IA Tech Travel Café).
• Passer de la « cathédrale réglementaire » (AI Act, DSA, DMA) à des actions industrielles concrètes. À une question sur le contrôle de conformité, il répond qu'il faut auditer les processus (transparence des données, biais, normes) plutôt que rêver d'un contrôle total des sorties (Your Legal Angel).
• Lecture des participants : « L'IA est un sujet total » et « l'Europe doit arrêter de penser que la réglementation suffira » (Nicolas François).

• Prolonge l'ouverture de Cédric Villani : « il y a un risque d'ingérence de puissances étrangères » et « le cloud est devenu un enjeu aussi stratégique que l'énergie » pour les comités exécutifs et les DSI (Alliancy).
• Le risque de « shutdown », coupure des services par une puissance étrangère, doit être anticipé par des solutions dimensionnées pour la résilience (Your Legal Angel).
• Trois piliers : souveraineté des données, souveraineté technologique (OVHcloud assemble ses serveurs, infrastructure européenne) et souveraineté opérationnelle (centres de données localisables en France ou en Europe) ; approche « souverain by design », hors législation extraterritoriale.
• Plaidoyer pour une certification européenne exigeante (EUCS) réservée aux acteurs réellement souverains.
• Lecture critique : message porté par un fournisseur qui en est le premier bénéficiaire ; Your Legal Angel le relaie avec enthousiasme, sans contradiction rapportée.

• Échange d'ouverture de la salle de conférences 1 (800 places) avec la maîtresse de cérémonie, en introduction des après-midi « IA Use Cases » (Barbara Haddad).
• Thèse rapportée par Secrets de Data : la maîtrise de l'IA est comparable à la décision du général de Gaulle de doter la France du nucléaire, un choix de souveraineté et pas seulement une opportunité économique.
• Enjeu : ne pas devenir une « colonie numérique » des États-Unis ou de la Chine ; ne pas être leader de l'IA, « c'est prendre le risque de sortir de l'histoire » (formulation du récapitulatif).

• Présentée en amont comme la session à ne pas rater par la directrice du salon et par Mick Lévy lui-même (speaker) : un algorithme conçu par la chercheuse Sarah Watson pour identifier l'origine des cancers rares, qui touchent 6 à 7 000 personnes par an en France et qu'on soigne mal tant qu'on ne connaît pas leur source (live du 10/09).
• Résultat retenu par Secrets de Data, qui y voit « sans doute le cas d'usage le plus marquant du salon » : la survie globale des patients doublée, de 10 à 20 mois.
• Format : échange sur scène entre la maîtresse de cérémonie, Mick Lévy et Sarah Watson, le 1er octobre à 14h25 en salle 1.
• Lecture critique : seul le chiffre de survie circule, sans détail sur le protocole ni sur la taille de la cohorte dans les sources lues ; Orange Business est partenaire du projet et de l'événement.

• Contexte : conciergerie premium 100 % humaine, 24h/24, dont la rétention des contrats cadres dépend de la satisfaction client, indicateur n°1.
• Problème : une analyse des conversations partielle, manuelle et réactive, centrée sur le téléphone ; e-mails et WhatsApp formaient un angle mort.
• Choix pragmatique : rester sur Snowflake, déjà en place, plutôt qu'ajouter un outil (TalkDesk ne couvrait que la téléphonie, Salesforce n'intégrait pas l'audio). Pipeline : ingestion audio, transcription, analyse par LLM de la satisfaction et des thèmes, croisement avec le CRM.
• Résultats rapportés : 100 % des conversations analysées, deux mois entre la réflexion et la mise en production, +10 % d'appels sortants pour traiter les insatisfactions. Piste suivante : une fiche membre synthétique générée par IA.
• Question ouverte par Secrets de Data : comment l'IA peut-elle réinventer le service sans dénaturer un modèle 100 % humain ? (Le rattachement de l'article du 13/10 à la session du salon est déduit du récapitulatif.)

• Point de départ : le shadow AI, usage non contrôlé d'outils d'IA par les collaborateurs, risque de sécurité et de conformité dans une organisation décentralisée.
• Réponse : une charte éthique (Barbara Haddad) et un cadre en cinq principes : traçabilité de qui utilise quoi, évaluation systématique des risques, cadre normatif commun, validation stratégique au plus haut niveau avant mise en production, suivi continu des modèles déployés (Secrets de Data).
• Équilibre recherché : encourager l'innovation via une AI Factory centrale tout en imposant des contrôles stricts.

• Tension centrale : bâtir des champions européens sans subir une distorsion concurrentielle si la régulation pèse surtout sur les acteurs européens.
• Demande d'une application équivalente de l'AI Act aux acteurs européens, américains et chinois, pour éviter que les contraintes retombent sur les PME.
• Gouvernance multi-acteurs (chercheurs, entreprises, associations, pouvoirs publics) : une régulation sans appropriation par les acteurs « reste superficielle ».
• Appel à passer du cadre à l'industrialisation : processus de mise en conformité, outils communs, partage de cas d'usage.
• Les noms des intervenants ne sont pas donnés dans le compte-rendu.

• Problème : les ingénieurs de risques de MSIJ passaient 40 à 60 % de leur temps sur une charge documentaire répétitive.
• Solution : plateforme intégrée qui automatise l'extraction et les synthèses, centralise les données et rend chaque recommandation explicable, en plusieurs langues.
• Résultats annoncés : charge documentaire ramenée à 10 à 15 % du temps, taux de succès opérationnel estimé à 85 %.
• Facteur humain : co-construction avec les équipes pour limiter la résistance au changement. Your Legal Angel y voit « un levier de productivité et de fiabilité » qui respecte l'expertise humaine (chiffres présentés par le prestataire, non vérifiés).

• Méthode en 7 streams menés en parallèle plutôt qu'en séquence : 4 principaux (stratégie, ingénierie des données, développement, industrialisation) et 3 transverses (IA de confiance, conduite du changement, FinOps/GreenOps).
• Ce que le participant retient : traiter gouvernance, éthique et FinOps en continu, alors qu'ils arrivent « trop souvent » en fin de projet, « quand il est trop tard pour ajuster ».
• Chiffre rappelé : 80 % des projets d'IA n'arriveraient jamais en production.
• Réserve : « J'aurais aimé entendre un ou deux cas concrets où ils ont dû adapter cette méthode face à l'imprévu ».

• Cas d'usage : traiter de bout en bout la demande d'un client accidenté (déclaration de sinistre, vérification du contrat, véhicule de remplacement).
• Architecture : un orchestrateur qui pilote quatre agents spécialisés (contrat, sinistre, réparation, location), chacun avec sa base et ses fonctions métier, et une validation humaine possible.
• Réserve du participant : « La démo était très fluide, peut-être un peu trop ? » Il aurait voulu voir un cas limite ou une erreur, « parce que c'est dans ces moments-là qu'on voit vraiment la robustesse d'un système agentique ».

Sur scène (transcript)

• Ambition portée par une vice-présidente élue au numérique et à l'IA, « ce qui est assez rare » : la data par tous et pour tous, avec des référents data et IA dans les services, plutôt qu'un laboratoire « tour d'ivoire ».
• Pas de projet cathédrale : cinq domaines partis de vrais besoins (formation, transport, patrimoine, économie, recherche), des tableaux de bord construits par les métiers eux-mêmes ; une « stratégie des petits pas » et un souci de résilience et de souveraineté.
• L'IA arrive par-dessus une gouvernance, une qualité et une appropriation déjà en place : simulation, projection de tendances, aide à la décision, enrichissement de données non structurées.
• Démo (Suadeo) : suivi temps réel des bus scolaires (flux GTFS), prévision de la facture énergétique 2026 ; l'IA n'accède qu'au catalogue, pas aux données, avec tagging et anonymisation automatiques.

Ce qu'en retient le participant

• « La bonne surprise » : une démo live de tableaux de bord utilisés au quotidien, une IA qui « ne remplace pas l'expertise métier ». « Quand une collectivité publique réussit mieux qu'une grosse boîte tech à montrer un cas d'usage IA convaincant, c'est qu'il y a quelque chose de juste dans l'approche. »

• Atelier REX sur le Demo Stage 4. Exclusive Networks (environ 3 000 personnes, 45 pays) voulait remplacer un forecast hebdomadaire chronophage par un forecast prédictif à 3, 6, 9 et 12 mois, avec un objectif de ±3 % par rapport au réel.
• Démarche : un premier workflow simple en POC, plusieurs centaines de tests (modèles ARIMA et ETS, horizons, niveaux groupe ou région), puis un second workflow intégrant taux de change et saisonnalité (pic de commandes en décembre mal capté).
• Constats : la précision tient au niveau groupe et des grandes régions, où l'activité est stable ; elle reste insuffisante à trois mois et sur les business trop erratiques. Il faut retraiter acquisitions et gros clients gagnés ou perdus : « c'est pas de la magie, c'est de la statistique et du trend à long terme ».
• Prochaine étape : utiliser le forecast pour le top management (écart annoncé sous les 3 %) puis pour certaines régions. Session d'exposant, présentée par le client et son intégrateur.

• Pitch d'une start-up rennaise (créée en 2021) sur un angle mort des DSI : prouver qu'un transfert de données a bien eu lieu (« ma facture a-t-elle été envoyée à l'ERP ? »).
• Chiffres avancés par l'éditeur : 50 à 200 heures par an et par application perdues par les référents métiers ; environ 2 heures par ticket de flux, renvoyé du N1 au N3 faute d'outils ; pour 10 millions de transferts par mois, même un taux d'erreur de 0,25 % représenterait jusqu'à 200 jours de travail par mois (le taux courant serait plutôt de 3 à 5 %).
• Session commerciale, chiffres non sourcés ; aucun retour de participant.

• Ouverture de la deuxième journée en salle 1 (Barbara Haddad).
• Pour Secrets de Data, « un rappel à la réalité absolument nécessaire » au milieu de l'enthousiasme agentique.
• Chronologie type d'un agent : 1 mois de POC (facile, impressionnant), 2 mois d'ingénierie pour le brancher aux vraies données, puis 10 mois d'évaluation : tests rigoureux, cas limites, validation métier.
• Message : cette phase d'évaluation, massive et sous-estimée, fait la différence entre « un gadget et un système de production fiable » ; Secrets de Data en fait la quatrième grande leçon du salon.

• Keynote du 2 octobre (Barbara Haddad), mise en avant en amont par la directrice du salon comme le symbole de « la souveraineté européenne et l'industrialisation à grande échelle ».
• Le laboratoire commun ne vise pas de « simples chatbots » mais des cas complexes : raisonnement sur des données hétérogènes et RAG avancé pour les géosciences (Secrets de Data).
• Secrets de Data y voit « la prochaine frontière de l'IA industrielle ». Le contenu détaillé de la keynote n'est pas rapporté dans les sources gratuites.

• Idée : utiliser les ordinateurs quantiques photoniques non pour tout remplacer mais pour apporter de nouvelles primitives de calcul aux réseaux de neurones.
• Métaphore retenue : ce ne sont pas les GPU qui ont révolutionné l'IA mais des innovations algorithmiques (embeddings, attention, transformers) ; « Et si le quantique pouvait apporter la prochaine innovation algorithmique ? »
• Exemple : un challenge Airbus/BMW gagné en ajoutant une couche quantique à un modèle de traduction d'images jour/nuit, avec meilleure fidélité et moins d'hallucinations.
• Lecture du participant : « C'est loin d'être mature, on est encore au stade de la R&D... mais c'est passionnant ».

• Concept : des agents qui utilisent les interfaces comme un humain, sans API dédiée, même sur un logiciel jamais vu : « Notre agent n'a pas besoin de l'avoir déjà vu. Il va apprendre à l'utiliser comme un humain. »
• Vision : ramener de 70 % à 0 % le temps passé sur des tâches hors de notre « superpouvoir » (le médecin soigne, l'analyste analyse au lieu de copier-coller entre cinq logiciels).
• Revendication : H Company serait devant les acteurs chinois et américains sur les benchmarks de computer use.
• « Un vrai coup de cœur » pour le participant, qui veut creuser le sujet ; les revendications de benchmark ne sont pas vérifiées.

• Tendances de la plateforme de freelances : l'AI Engineer est le nouveau Data Scientist (x5 en 12 mois), les missions RAG explosent (x17), le prompt engineer existe mais on parle déjà aux États-Unis de context engineer.
• Deux profils recherchés : des experts ultra-spécialisés, ou des profils très larges (full-stack, data, low-code), avec un regain du low-code/no-code pour brancher vite les assistants dans les workflows.
• Lecture du participant : « on est encore loin des agents autonomes » ; la majorité des entreprises en sont à l'assistant avec RAG, « moins sexy » mais « pragmatique ».

• Cas clients : un chatbot de vente d'assurance (collecte de documents, génération d'offres), un système e-commerce qui structure les données produits et traduit les demandes, un outil qui transforme des règles de conformité en français en tests automatisés.
• Message : l'IA n'est qu'une partie de la solution et doit s'intégrer au SI, au code et à l'automatisation ; penser une vision globale des cas d'usage, pas un par un.
• Standards émergents cités comme signe de maturité : MCP et A2A.

• Annoncée par la directrice du salon comme un retour sur la façon dont un nouveau data catalogue a permis à Doctolib de se structurer.
• Idée clé retenue par Secrets de Data : la gouvernance offensive, qui cesse d'être un frein défensif pour devenir un accélérateur de la création de valeur.
• Résultat chiffré : en passant d'un catalogue très technique à un outil plus simple, les utilisateurs actifs mensuels ont triplé, de moins de 100 à plus de 300.

• Premiers POC agentiques cités chez Sodexo, Danone et BNP Paribas (Alliancy ; le format exact et la liste complète des intervenants ne sont pas précisés).
• Sur la « mort du logiciel » : « Si le software est une simple interface utilisateur fonctionnant grâce à une base de données transactionnelles, effectivement, il ne servira plus à rien » (Axel Droin, directeur des produits data et IA de Danone).
• Le même se dit inquiet : « J'en attends beaucoup de problèmes ». Sa parade : sensibiliser, jusqu'à « faire peur au comité de direction en leur rappelant que des problèmes IT peuvent bloquer l'entreprise ».
• Engager la responsabilité humaine : placer « une vraie personne en charge, pas un département, un product owner » (Léa Deleris, responsable IA, robotique et technologie, BNP Paribas).

• L'ESA Data Factory centralise les données de gestion (finances, RH, performance des projets) de huit sites et environ 3 000 personnes, pour un digital boardroom d'une cinquantaine d'indicateurs.
• Enjeu premier : la confiance dans la donnée, car l'agence rend compte aux gouvernements des États membres ; et une confidentialité de bout en bout, une donnée soumise au droit français devant rester tracée jusqu'au tableau de bord en Allemagne.
• Souveraineté et résilience : dépendance aux fournisseurs américains, pannes de datacenters vécues en Europe ; la stratégie on-premise « n'est pas l'enfant pauvre » de la stratégie cloud. Structures data mesh déjà engagées.
• Besoin nouveau : du temps réel pour les décisions tactiques (risques projet, budgets), là où le rafraîchissement nocturne suffit pour le stratégique.
• Seconde partie : démo commerciale de Suadeo (IA qui interroge le catalogue et non les données, sécurité à la ligne, déploiement on-premise). Aucun retour de participant trouvé.

Sur scène (transcript)

• Conviction de Stéphane Allaire (Chief Innovation Officer) : « le changement de l'IA dans une entreprise passera par les collaborateurs ». Trois streams : outiller tous les collaborateurs, des IA par métier, de l'IA pour les clients (Perplexity offert aux clients, répondeurs automatiques dans les box pro).
• Trajectoire : 2024, IA générative documentaire ; 2025, IA agentique avec un Studio IA en production depuis le 1er septembre (plus de 200 collaborateurs, plus d'une centaine d'agents). Les agents héritent des droits du collaborateur via le SSO.
• « IA symbiotique » : une IA qui apprend les gestes d'un collaborateur sur les e-mails clients, n'agit qu'au-delà de 80 % de confiance et sous le contrôle d'une « IA Guardian » ; elle traite plus de 70 % des réponses en autonomie et le collaborateur « devient un manager d'IA ». Conseil : ne pas copier les process existants, les réimaginer.
• Côté Prisme.ai : quatre profils (consommateurs, référents métiers, techniques, gouvernance), suivi des tokens, des coûts et du CO2 par agent, connecteurs réutilisables et MCP.
• Questions-réponses : une IA Factory et un comité régulier ; syndicats et CSE embarqués, avec un argument frontal : les collaborateurs qui ne maîtriseront pas l'IA « risquent de perdre leur job ». Sur la rentabilité, ceux qui gagnent de l'argent sont surtout Nvidia, les fabricants de LLM « et encore ».
• Session d'exposant (vidéo publiée par Prisme.ai en janvier 2026) ; aucun retour de participant trouvé.

• Défi : un processus industriel réparti sur sept usines, avec des données cloisonnées qui empêchaient de tracer un défaut de bout en bout ou d'optimiser globalement.
• Transformation : passer de systèmes isolés à un écosystème big data unifié, connecté et hybride (infrastructure locale et cloud).
• Cité par Secrets de Data comme premier exemple de la « mutation architecturale » de l'édition.

• Problème classique : une équipe data unique qui doit tout gérer et devient le goulot d'étranglement.
• Réponse : le data mesh, rendu concret. L'équipe centrale devient un facilitateur qui fournit aux domaines une boîte à outils en libre-service pour créer, gérer et partager leurs propres produits de données.
• Pour Secrets de Data, c'est l'illustration du passage du data lake monolithique à des architectures fédérées orientées produits.

• Défi : diffuser l'expertise dans un groupe vaste et fédéré.
• Réponse bottom-up : des communautés de pratique qui se forment autour de sujets et se réunissent régulièrement.
• Constat rapporté : elles se sont révélées « bien plus efficaces pour diffuser l'expertise à travers les silos que n'importe quelle directive descendante ».