

Data / IA
Au-delà des cas d’usage : comment l’IA peut transformer les opérations et la stratégie d’entreprise
Par La rédaction, publié le 11 juillet 2025
Les capacités inédites des grands modèles de langage bouleversent l’organisation du travail et la circulation de l’information, permettant une orchestration intelligente et transverse des processus métiers grâce à un raisonnement agentique.
Par Roger Goncalves, Responsable des équipes Engineering chez Publicis Sapient France,
et Michaël Debbah, Director of Technology chez Publicis Sapient
Si l’IA offre un immense potentiel, son adoption exige des DSI qu’ils repensent non seulement leur façon de l’utiliser, mais aussi comment l’intégrer dans leur écosystème d’entreprise global. La clé pour réussir cette transformation réside dans la compréhension des véritables capacités de l’IA pour créer une valeur qui va au-delà des paradigmes établis.
Différencier l’IA de l’intelligence humaine
Pendant des décennies, nous avons construit des systèmes d’IA censés imiter l’intelligence humaine. Cependant, l’émergence des grands modèles de langage (LLM) en 2017 a changé la donne. Les LLM diffèrent fondamentalement de la cognition humaine sur un point crucial : ils peuvent gérer des contextes vastes et complexes à travers de multiples domaines d’une manière dont les humains sont incapables.
Un modèle d’IA peut connecter des informations de la page 1 à la page 282 d’un roman, et même les recouper avec du contenu du volume 3 de la série. Peu d’humains peuvent faire cela avec la même rapidité et précision, notre charge cognitive étant limitée. La percée des LLM réside dans leur capacité à gérer d’immenses fenêtres contextuelles — comme les centaines de milliards de paramètres qui alimentent l’IA moderne.
Pourtant, l’approche des entreprises a largement consisté à moderniser en surface sans transformer en profondeur. Elles tentent souvent d’intégrer l’IA dans des processus existants, résolvant des cas d’usage étroits au lieu de repenser comment l’IA peut offrir des possibilités radicalement nouvelles. L’IA se retrouve confinée à des cas d’usage isolés qui améliorent l’efficacité mais manquent l’opportunité d’intégration entre les silos.
L’IA n’est pas seulement un outil pour remplacer le travail humain — c’est une occasion de repenser la structure du travail et l’interconnexion des systèmes. Plutôt que de limiter l’IA à des cas d’usage isolés, les DSI peuvent débloquer de nouvelles opportunités qui s’étendent au-delà des silos organisationnels.
Au-delà des données d’entreprise : la richesse cachée des modèles pré-entraînés
On dit souvent que la qualité des données introduites dans un système d’IA détermine la qualité de la sortie. Bien que ce soit vrai, il existe un aspect sous-estimé : l’immense connaissance intégrée dans les modèles pré-entraînés. Les LLM ont déjà été entraînés sur d’énormes ensembles de données qui englobent des connaissances générales sur le monde.
Marriott Homes and Villas utilise l’IA pour des recherches en langage naturel : “Je cherche une maison acceptant les animaux, proche de la plage et des montagnes”. Cette recherche ne s’appuie pas uniquement sur les données internes de l’entreprise ; elle puise dans les vastes connaissances des LLM.
Il s’agit d’un bénéfice intégré pour les entreprises : les connaissances générales du LLM peuvent être utilisées pour améliorer la valeur offerte aux clients sans que ces connaissances aient besoin d’être construites en interne. Les DSI doivent reconnaître que la valeur de l’IA va au-delà de la simple introduction de données d’entreprise — il s’agit d’utiliser les connaissances préexistantes pour enrichir les insights que l’IA peut fournir.
Agents et raisonnement : la prochaine frontière de l’IA
Il y a 2 ans, les LLM produisaient généralement une réponse rapide et probabiliste basée sur les modèles de leurs données d’entraînement. Mais avec GPT-4 et les modèles plus récents, l’IA a fait un bond en avant en passant du calcul au moment de l’entraînement au calcul au moment de l’inférence. Ce changement a des implications profondes sur sa capacité de raisonnement.
L’IA ne se contente plus d’extraire un token d’une base de données. Maintenant, elle s’autocorrige, valide ses réponses et raisonne pour éviter les incohérences. C’est le fondement de l’IA agentique — des systèmes qui peuvent effectuer une série d’étapes logiques pour résoudre des problèmes complexes.
Le véritable potentiel de l’IA réside dans sa capacité à raisonner et à automatiser l’exécution d’activités métier de bout en bout, intégrant de mieux en mieux contexte et prise de décision à travers les silos organisationnels. Les DSI qui exploitent ce changement pourront débloquer des nouveaux pools de valeur, favorisant efficacité et insights dans leurs opérations.
L’IA raisonnante : pierre angulaire de l’entreprise intégrée de demain
L’IA évolue rapidement, mais la véritable opportunité pour les DSI réside dans la redéfinition de son rôle. Plutôt que de simplement remplacer le travail humain ou résoudre des cas d’usage isolés, les DSI doivent construire des systèmes intégrés qui exploitent la capacité de l’IA à gérer des contextes complexes et à raisonner. En reconnaissant les capacités plus larges de l’IA — connecter des silos, exploiter des connaissances préexistantes et raisonner à travers les processus — les DSI peuvent non seulement surmonter les défis actuels, mais aussi positionner leurs organisations pour un succès à long terme dans un futur soutenu par l’IA.
À LIRE AUSSI :

À LIRE AUSSI :
