5 éléments à retenir du salon Big Data & AI Paris

Le salon Big Data & AI Paris 2025 a confirmé la maturité stratégique de l'intelligence artificielle (IA) dans les l'entreprise. Cette édition a mis en évidence des arbitrages fondamentaux concernant la souveraineté numérique, la fiabilité des données et les méthodologies de projet. Les retours d'expérience d'acteurs majeurs tels qu'AG2R La Mondiale, Covéa et Orange Business dessinent les tendances clés pour l'industrialisation réussie de l'IA. Nos experts réalisent une veille continue sur le marché, pour alimenter Praxia, outil de benchmark des cas d’usage IA. 

Voici les 5 éléments qu’ils retiennent :

1. La donnée fiable constitue le socle indispensable à l'IA

Les intervenants d’AG2R La Mondiale, d’Orange Business et de Covéa convergent : la fiabilité et la qualité de la donnée constituent un prérequis absolu pour toute industrialisation de l’IA générative.

AG2R La Mondiale mène un programme de transformation sur six ans pour établir un SI ouvert, "cloud-first" et "data inside". L'adoption du modèle de gouvernance data mesh représente la cible pour structurer cet enjeu.

CGI accompagne cette transformation :

• Recensement de 103 macro cas d'usage sur 11 métiers.

• Cartographie des actifs de données.

• Création de neuf équipes data intégrées aux métiers.

• Décision stratégique : abandon d'une migration simple au profit d'une reconstruction complète du SI.

2. La souveraineté numérique représente un enjeu stratégique majeur

Les entreprises françaises expriment une forte inquiétude face à leur dépendance aux solutions technologiques étrangères. Les risques liés au Cloud Act et à la loi FISA sont soulignés : 44 000 demandes américaines d’accès aux données par an, acceptées à 99 %.

Le partenariat entre Site S3NS et Google Cloud propose une offre de "Cloud de confiance" souveraine. Covéa teste activement des solutions françaises comme Site LightOn pour évaluer son autonomie face aux éditeurs.

3. L'efficacité par les modèles plus petits et le RAG

Les acteurs privilégient souvent les modèles de langage plus petits (SLM) aux LLM massifs, notamment pour les cas de génération augmentée par récupération (RAG). Ces modèles se révèlent plus efficients, moins coûteux, et moins énergivores.

Le RAG est la méthode privilégiée. Trois situations justifient le recours au fine-tuning :

• Documents avec vocabulaire technique ou spécialisé.

• Nécessité d'éléments de langage métiers ou propres à une profession.

• Le modèle doit suivre un processus strict allant au-delà d’une simple conversation.

4. L'industrialisation des projets IA exige une méthodologie parallèle

Orange Business met en œuvre une nouvelle méthodologie de projet d'IA, rompant avec le séquençage classique. Elle s'articule autour de quatre flux parallèles (streams) pour garantir l'industrialisation et réduire les blocages organisationnels :

• Stratégie et gouvernance.

• Ingénierie des données et documents.

• Développement et tests.

• Mise en production et déploiement.

  
  

Trois flux transverses assurent un suivi continu : IA de confiance, FinOps et GreenOps, Conduite du changement.

5. Le choix économique de l'externalisation (LLM as a service)

L'économie des projets IA privilégie l'externalisation. Covéa révèle qu'une solution "LLM as a service" privée coûte environ 100 000 euros par an. Ce coût est jugé extrêmement compétitif comparé à une internalisation complète.

L'évaluation de la solution française LightOn confirme l'attrait pour le "clé en main" : respect des enjeux de souveraineté, transparence et autonomie. Bien qu'il existe des équivalents open source, le coût d'intégration et l'effort interne sont significativement plus élevés.