L'essentiel en 3 points
1. Intégrer l'IA en entreprise se réduit souvent à ajouter un assistant (Copilot, ChatGPT, Claude) aux outils existants. Utile, mais loin du potentiel.
2. La vraie valeur est dans le métier : relier vingt ans d'historiques, de rapports et de références pour rendre l'expérience de l'entreprise accessible à tous.
3. Brancher une IA sur des données incohérentes ne les rend pas compréhensibles. Il faut d'abord savoir sur quoi elle s'appuie, et à quoi on peut faire confiance.
Je suis allé aux Swiss IT Forums le 30 septembre. J'en suis ressorti avec une certaine déception.
Dans les échanges que j'ai eus, intégrer l'IA en entreprise semblait surtout vouloir dire : intégrer Copilot, utiliser ChatGPT ou Claude, ajouter un assistant aux outils existants.
C'est utile. Je m'en sers moi-même. Mais j'espérais découvrir davantage d'usages ancrés dans le métier et les connaissances des entreprises.
Certains prestataires sont certainement beaucoup plus avancés. Je n'ai pas rencontré tout le monde et une journée de salon ne permet pas de juger un secteur entier. Mais cette ambition-là, je ne l'ai pas vue dans mes échanges.
J'ai surtout eu le sentiment que beaucoup répondent à ce que les entreprises demandent, sans suffisamment leur proposer ce qu'elles pourraient faire autrement.
C'est pourtant aussi le rôle du conseil : aider le client à découvrir des possibilités qu'il ne sait pas encore formuler.
Dans l'industrie, par exemple, que pourrait-on apprendre en reliant vingt ans de rapports SAV aux composants, aux fournisseurs et aux changements de fabrication ?
Comment rendre l'expérience accumulée accessible aux équipes, au lieu de la laisser dispersée dans des documents, des applications et la tête de quelques collaborateurs ?
Pour aller dans cette direction, il faut regarder ce qui existe réellement dans les systèmes de l'entreprise.
Des références incohérentes. Des clients présents sous plusieurs identités. Des historiques difficiles à exploiter. Des informations dont personne ne sait vraiment si elles sont encore fiables.
Brancher une IA sur cet ensemble ne suffit pas à le rendre compréhensible.
Il faut retrouver les données, comprendre leur sens, rétablir les liens, identifier les sources fiables et les rendre accessibles aux bonnes personnes.
Pas besoin d'attendre que tout soit parfait. Mais il faut savoir sur quoi l'IA s'appuie et à quelles informations on peut faire confiance.
C'est le travail que je connais : partir de systèmes existants, comprendre les données qu'ils contiennent et en faire quelque chose d'exploitable.
Je suis ressorti de ce salon encore plus convaincu de mon positionnement : préparer les données pour l'IA.
Parce que pour construire une IA d'entreprise qui exploite réellement son métier et ses connaissances, préparer les données est une étape indispensable.
Six signes à vérifier avant de brancher une IA sur vos systèmes. Chaque « oui » est un chantier à traiter d'abord, pas une raison d'attendre.
1. Références. Un même article, composant ou produit porte-t-il plusieurs codes selon le service ou le système ?
2. Clients. Retrouve-t-on le même client sous plusieurs noms, adresses ou numéros ?
3. Historiques. Vos rapports SAV, réclamations ou interventions sont-ils en texte libre, impossibles à relier aux produits concernés ?
4. Fiabilité. Existe-t-il des informations dont personne ne sait plus si elles sont encore à jour ?
5. Source de vérité. Deux rapports donnent-ils deux chiffres différents pour la même question ?
6. Mémoire. Une partie de l'expérience de l'entreprise n'existe-t-elle que dans la tête de quelques collaborateurs ?
Préparer les données, c'est traiter ces points dans l'ordre de ce qu'ils rapportent : retrouver les sources, rétablir les liens, désigner ce qui fait foi. C'est le cœur de notre service data, et la condition pour qu'une IA exploite vraiment votre métier plutôt que de produire des réponses plausibles mais fausses.
Samuel Arnod-Prin, architecte de données et d'IA chez Agilbility. 27 ans à concevoir des plateformes orientées données pour Swatch Group, LVMH, Richemont et l'EPFL. Son profil →
Préparer vos données pour l'IA : retrouver les sources, rétablir les liens, désigner ce qui fait foi. Par Samuel Arnod-Prin, 27 ans d'expérience.
Découvrir →le service qui répondPartir de vos ambitions métier, pas de la technologie : priorités, critères d'arrêt, et une première IA qui exploite vraiment vos connaissances.
Découvrir →Vos données sont-elles prêtes ? Écrivez-nous ou prenez 30 minutes →
Non. Un assistant généraliste est utile pour rédiger ou résumer, mais il ne connaît ni votre métier ni votre historique. Une IA d'entreprise exploite vos propres données : rapports, références, historiques clients et produits. C'est là que se trouve la valeur distinctive.
Parce qu'une IA branchée sur des références incohérentes, des clients en double ou des informations périmées produit des réponses plausibles mais fausses. Il faut savoir sur quelles données elle s'appuie et lesquelles font foi.
Non. Il suffit de connaître la fiabilité des sources utilisées et de commencer par un périmètre utile, par exemple relier l'historique SAV aux composants et aux fournisseurs. On améliore ensuite par étapes.
Par exemple, relier vingt ans de rapports SAV aux composants, aux fournisseurs et aux changements de fabrication pour repérer les causes récurrentes, ou rendre accessible aux équipes une expérience aujourd'hui dispersée dans des documents et la mémoire de quelques personnes.
Des cas concrets, des chiffres, des gestes applicables lundi. Sans blabla.
