Data / IA
Google Cloud Summit : au-delà de la course à l’IA agentique, le défi de la maturité opérationnelle
Par Jade Berre, publié le 12 juin 2026
« Retrouve-t-on réellement ce “switch” entre la phase pionnière de l’innovation autour de l’intelligence artificielle et le déploiement de celle-ci ? ». Dès l’ouverture du Google Cloud Summit ce 4 juin 2026, Anthony Cirot, VP EMEA South de Google Cloud, et Guillaume Grallet, auteur de « Pionniers : voyage aux frontières de l’intelligence artificielle », posent les jalons de la réflexion au cœur de cette journée : Les organisations sont-elles réellement passées de l’expérimentation de l’IA à son déploiement opérationnel à grande échelle ? Et comment peut-on encadrer son déploiement ?
Dédié à l’écosystème de Google Cloud (ESN, intégrateurs, éditeurs de logiciels, décideurs et utilisateurs finaux), le Google Cloud Summit révèle deux dynamiques : d’un côté, des innovations technologiques de pointe ; de l’autre, des niveaux de maturité très hétérogènes parmi les organisations qui cherchent à déployer l’intelligence artificielle. Quels enseignements retenir de cette journée ?
20% de déploiement en production
« Combien d’entre vous ont déjà déployé des agents IA ? » questionne le chroniqueur tech Anicet Mbida, animateur de l’événement. En réponse, seulement 20% des participants de la salle plénière lèvent la main. Ce constat contraste avec la transformation de l’Accor Arena par Google en une vitrine de ses produits pour favoriser le déploiement de l’IA agentique.
À l’image d’un couteau suisse, Google Cloud se présente comme un facilitateur capable d’adresser l’ensemble de la chaîne de valeur de l’IA avec ses TPU v8i, optimisés pour l’inférence et le reinforcement learning. Il propose également une multitude de services destinés à accélérer le déploiement de l’IA : automatisation des processus métiers, développement d’agents et gestion des données et des modèles avec Gemini 3.5 Flash, Agent Runtime, Agent Identity ou encore Agent Observability.
Un défi qui reste opérationnel
Pourtant, alors qu’un florilège d’outils semble répondre à la plupart des problématiques technologiques, plusieurs témoignages viennent nuancer cette impression. Nacim Rahal, VP Data & AI chez Doctolib, intervenant lors du Summit, rappelle les limites rencontrées dans son quotidien professionnel. « En majorité, les agents sont à destination des patients et pour l’instant, on en est au balbutiement, c’est-à-dire qu’on a une version bêta où on va avoir des infos sur les utilisateurs, l’accès aux soins, etc. […] aujourd’hui, quand on déploie les agents, on reste toujours confronté à l’unification de la donnée, sa sanctuarisation et son alignement aux règles de sécurité et de conformité », clarifie-t-il. Derrière les promesses de l’IA agentique, le défi est surtout opérationnel. Comme le décrit le VP Data and AI de Doctolib, la donnée reste encore le principal facteur limitant du passage à l’échelle.
Gartner nous avait déjà mis en garde. « Plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027 », écrivait le cabinet d’études. Tout en précisant dans une autre étude que « 63% des entités n’ont pas ou ne savent pas si elles disposent de bonnes pratiques de data management pour l’IA ». Aussi, comment ces technologies peuvent-elles trouver leur place au sein d’entreprises qui peinent encore à exploiter pleinement le potentiel de leurs données ? Au-delà des capacités technologiques, la question porte d’abord sur le ciblage des cas d’usage, la méthodologie de déploiement et la formation des collaborateurs.
Avant même d’innover, il convient de revenir aux fondamentaux de tout projet IA et de questionner non pas les outils, mais ce qui en constitue la « substantifique moelle » : la donnée. C’est d’ailleurs l’approche défendue par Rémi Maumon de Longevialle, directeur général de Vinci Airports, qui invite systématiquement ses équipes à se poser une question préalable : « quel est le niveau de maîtrise de la data dont on dispose en input ? ».
« Des champions fédérateurs »
En duo avec le CEO de Vinci Airports, l’approche de Hiba Farès, Présidente du Directoire de la RATP DEV, dans le déploiement de l’IA s’est révélée à la fois pragmatique et frugale. Chez RATP Dev, l’intégration de l’IA a d’abord reposé sur une démarche prudente de type POC et test and learn, ainsi que sur la valorisation de “champions fédérateurs” plutôt que de profils strictement métiers, IT ou techniques, afin d’identifier les cas d’usage les plus pertinents. Cette logique a accompagné un passage progressif d’une approche bottom-up à une structuration plus top-down.
De l’autre côté, Rémi Maumon de Longevialle a souligné la nécessité de faire des « cas d’usage très opérationnels, ciblés par la suite et tout particulièrement dans le domaine de la customer expérience et des interactions avec les voyageurs […] pour développer les collaborateurs et gagner leur adhésion ».
Prioriser les cas d’usage opérationnels
Parallèlement, Hiba Fares souligne également que le déploiement de l’IA varie fortement selon les géographies, les niveaux d’adhésion du management et les cultures d’entreprise, qui influencent directement la perception et l’adoption des outils. A contrario d’un Summit qui priorise l’innovation technologique, l’approche frugale et la rationalisation a aussi été amenée par les utilisateurs finaux qui composent son audience : ne peut-on pas optimiser ses ressources humaines et matérielles ? Doit-on nécessairement cadrer cela avec de l’IA ? Comment cibler ses cas d’usage ?
C’est notamment ce même motif qui est apparu dans les témoignages de Jean-Daniel Guyot de Memo Bank et Nassim Rahal. Le premier cherche à recentrer les banquiers sur la relation client en automatisant certaines tâches amont, tandis que le second mise sur des assistants de consultation capables de générer des résumés, structurer du code et organiser les données médicales.
Une supervision humaine encore prédominante
Une constante se dégage. Avant d’envisager le déploiement d’agents à grande échelle, les organisations restent confrontées à des enjeux structurels de gouvernance, de qualité de la donnée et d’interopérabilité. Comme le rappelle un intervenant, « 80 % du système d’évaluation repose encore sur l’humain », ce qui souligne que la supervision des systèmes reste largement manuelle.
Dès lors un décalage apparaît. Alors que Google Cloud affiche sa puissance technologique à travers la richesse de son écosystème et la multiplication de ses outils, les retours du terrain invitent à nuancer le discours. Avant de déployer l’IA agentique à grande échelle, ne faut-il pas d’abord consolider leurs fondamentaux opérationnels ? Ne faut-il pas déplacer le curseur du débat sur la maturité opérationnelle des organisations plutôt que sur l’outillage ?
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
