Data / IA
L’IA, urbi et orbi, mais jusqu’où ?
Par François Jeanne, publié le 31 juillet 2025
La vague de l’intelligence artificielle est bel et bien là. L’adoption de l’IA générative par les entreprises, pour optimiser leurs process ou proposer de nouveaux produits, ne faiblit pas. Malgré les signaux d’alerte qui s’allument ici ou là ; et malgré ou peut-être à cause des grandes incertitudes qui pèsent encore sur ces technologies, leurs limites, leur voracité énergétique ou leur capacité à bouleverser en profondeur les organisations et le business. Mais pour les DSI, nul doute possible : il faut qu’elles soient prêtes. Et si possible à tout.
Impossible d’échapper, depuis un peu plus de deux ans maintenant, à la litanie des études qui, les unes après les autres, nous annoncent de nouveaux records battus dans l’adoption des technologies d’IA, en particulier d’IA générative. Nous avons ainsi eu droit aux comparaisons avec le téléphone portable, internet ou, encore plus loin de nous, l’automobile, pour illustrer la vitesse avec laquelle le cap des 100 millions d’utilisateurs avait été franchi, avec ChatGPT par exemple. Les montants investis dans les tours de table finançant les start-up du secteur sont aussi régulièrement brandis comme autant de preuves de l’inéluctabilité du succès de l’IA.
Parmi les derniers en date, les 40 Md$ levés par OpenAI fin mars, portant sa valorisation à 300 Md$. Ou plus modestes – sauf à l’échelle européenne –, les 600 M€ accordés à Mistral AI il y a onze mois – une éternité dans cet univers – pour une valorisation qui s’établirait à 5,8 Md€ aujourd’hui. En attendant l’annonce prochaine d’une nouvelle levée de fonds XXL à la rentrée ?
Les États ne sont pas en reste et font aussi valser les milliards, comme au dernier Sommet de l’IA de Paris en février dernier. Sommet au cours duquel la France, par la voix de son président, a pu annoncer le déblocage de 109 Md€, essentiellement d’origine étrangère et privée, pour tenir son rang dans la course à l’innovation et à la maîtrise d’une certaine indépendance technologique, tandis que la Commission européenne y allait d’une somme avoisinant les 200 Md€.
À l’écoute de ces annonces successives, les plus anciens d’entre nous se sont sans doute maintes fois rappelé la période de la bulle internet. Mêmes discours enthousiastes sur les potentialités, mêmes promesses exaltantes, même mépris aussi pour ceux qui doutent ou veulent réfléchir avant d’agir : « Vous n’avez pas le temps, vous êtes des freins à l’innovation, vous allez nous faire manquer le train. »
Dans ce spécial IA, l’entretien que nous a accordé Giada Pistilli, éthicienne chez Hugging Face, viendra peut-être leur mettre du baume au coeur en même temps qu’il lui fournira des arguments.
Mais il faut aussi reconnaître que la vague promise s’est bien formée. Ainsi, rappelle le dernier rapport annuel d’Amazon Web Services (AWS) « Unlocking Europe’s AI Potential 2025 », 42 % des entreprises européennes adoptent aujourd’hui l’IA de manière systématique, et plus de 90 % d’entre elles constatent une augmentation de leur chiffre d’affaires ou de leur productivité. À ce train-là, sire, ce n’est plus une révolte, mais bien une révolution.
Olivier Denti
Directeur IA & Data chez Capgemini Invent
« La DSI est montée en compétences pour accompagner les métiers sur l’IA et l’IAGen. »
Les DSI ne sont plus « sidérées »
Les cas d’usage se multiplient donc, sous la houlette de DSI qui ont appris à maîtriser les outils pour leurs propres besoins internes de productivité et d’amélioration de la qualité. Ils ont aussi réussi, après la sidération des débuts de ChatGPT, à reprendre la main sur la shadow IA : « Ils cartographient bien mieux les usages en interne, ont identifié les sites qui faisaient peser des risques sur la propriété intellectuelle. Et les utilisateurs sont informés, même s’ils ont encore du mal à appréhender le niveau de risque », note Olivier Denti, directeur IA & Data chez Capgemini Invent. Les DSI ont néanmoins su engager un dialogue fructueux avec les métiers, pour détecter en commun des process candidats à l’utilisation de la technologie, parfois étonnants mais souvent très rentables. Ainsi, à la ville d’Antibes, en imaginant l’automatisation d’un traitement à vocation réglementaire, un projet mené en à peine six mois a permis « d’économiser deux ETP à la direction des finances et d’éviter une centaine de réunions par an », explique le DSI Patrick Duverger (voir encadré).
68 % des start-up ont adopté l’IA, et 37 % d’entre elles s’en servent pour proposer de nouveaux produits (contre respectivement 53 % et 13 % pour les grandes entreprises) selon Amazon : la messe semble dite ? Pas tout à fait.
De grandes incertitudes continuent d’obérer la vision optimiste des fournisseurs, à commencer par un paysage technologique loin d’être stabilisé : LLM ou SLM ? Produits américains ou solutions chinoises ? Principes de précaution réglementaire ou pas ?
Garder un cap et des priorités malgré les incertitudes
Ceci expliquant peut-être cela, seul un quart des entreprises disposent d’une stratégie IA globale, et seulement 3 % l’ont intégrée dans leurs opérations, expliquait récemment Luke Ellery, vice-président analyste chez Gartner. « Le temps où l’intelligence artificielle était considérée comme un simple moyen de résoudre les problèmes de productivité est révolu », admet-il. C’est sans doute parce que « les gains de productivité annoncés par la GenAI sont surestimés par le secteur [les fournisseurs, NDLR], car il s’agit d’un concept difficile à mesurer. (…) Nous constatons qu’il y a généralement une augmentation de la satisfaction des employés si vous déployez un outil d’IA de groupe, mais que vous n’allez pas vraiment gagner en productivité. »
Gartner suggère donc aux entreprises, aux métiers et à leur DSI de se concentrer sur des opportunités ciblées, par exemple des problèmes spécifiques riches en données et qui consomment beaucoup de ressources.
Chez Appian, éditeur d’une plateforme de développement low code, Matthias Kapfer, technical delivery manager, ne dit pas autre chose : « La maturité n’est pas encore installée dans les entreprises, même si elles ont déployé souvent de nombreux cas d’usage. Il y a aussi la certitude qu’il faut utiliser cette technologie. L’enjeu est donc aujourd’hui de trouver les moyens d’en tirer parti sans les risques, par exemple réglementaires ou de confidentialité pour le business, et au meilleur coût. »
Une forme d’attentisme, salutaire alors que les murs ne sont pas encore secs ? En ce milieu d’année 2025, l’IA est certes partout, mais les doutes aussi. Entre le plafond de verre technologique à dépasser, les réglementations à intégrer et les déceptions à digérer avant de passer à l’échelle, il est temps pour un second souffle.
La Ville d’Antibes verdit son budget grâce à trois mini-LLM
En 2024, la Ville d’Antibes avait besoin de « verdir » son budget qui concerne par exemple la rénovation des écoles, l’achat d’ordinateurs ou la culture. Ce travail consiste traditionnellement à imputer un certain pourcentage de chacune des 6 000 lignes de ce budget, aux six axes définis par le décret sur le verdissement – réduction de l’impact sur le climat, gestion et protection de la ressource en eau, ou préservation de la biodiversité, pour n’en citer que trois. Soit un total de 36 000 pourcentages à fixer.
Plutôt que de procéder manuellement ou développer une application classique, la DSI s’est appuyée sur trois LLM basés sur le moteur d’inférence ONNX. L’un est générique, les deux autres ont été spécialisés dans le développement durable grâce à un entraînement en mode fine-tuning, notamment sur les textes décrivant les 17 objectifs définis par l’ONU.
Ces LLM comprennent 100 à 200 millions de paramètres, soit environ mille fois moins que ChatGPT. Leur taille modeste d’environ 100 Mo a permis de les déployer dans le navigateur web de l’utilisateur, avec une exécution en WASM (code binaire proche de l’assembleur). « On évite ainsi d’envoyer dans le cloud des détails très sensibles », précise Patrick Duverger, DSI de la Ville d’Antibes.
En pratique, l’utilisateur injecte le budget dans le navigateur, examine les propositions de chacun des trois modèles puis les valide ou les modifie. « Les imputations suggérées semblent parfois étranges, mais elles tombent souvent juste, si bien que 70 à 90 % sont conservées », note Patrick Duverger, en précisant que les erreurs flagrantes viennent souvent des acronymes qu’il a fallu expliciter en amont.
(Par Thierry Lévy-Abégonli)
À LIRE AUSSI :
