Data / IA
NaTran crée une task force IA entre sa R&D et son DataLab pour prioriser les projets
Par Laurent Delattre, publié le 19 novembre 2025
Le centre de recherche de NaTran a pour mission de lever les verrous technologiques auxquels sont confrontés les métiers du groupe. Il prête aujourd’hui main-forte au DataLab, submergé par les idées des collaborateurs quant aux usages de l’IA.
Comme dans de nombreuses entreprises françaises, le succès dans le grand public de ChatGPT a eu pour conséquence une véritable pluie d’idées sur la façon dont l’IA générative pouvait être mise en oeuvre dans les différents métiers de NaTran, anciennement GRTgaz. Ses collaborateurs en ont exprimé plus d’une centaine, et le nombre de projets potentiels à analyser a vite dépassé les capacités de son DataLab qui devait déjà mener les nombreux autres en cours liés à la transformation du groupe.
L’idée de créer une task force dédiée entre son centre de recherche NaTran R&I et la DSI a donc rapidement émergé. « Nous avons souhaité unir nos forces pour organiser au mieux la collecte des idées et leurs concrétisations éventuelles », explique Jordan Barreix, responsable de la culture innovation et veille à NaTran R&I. « Il s’agit de créer un entonnoir en amont du DataLab qui reste la seule porte d’entrée pour accueillir de nouveaux projets dans le groupe. À l’été 2024, nous avions une trentaine de projets en cours, aujourd’hui, nous en sommes à plus de 100, même après fusion de ceux qui se ressemblaient le plus. »
Cette task force se compose de cinq membres. Deux d’entre eux sont des représentants du DataLab de la DSI, deux représentent NaTran R&I et une consultante PMO (Projet Management Office) du cabinet de conseil mc2i anime la structure. Son action s’appuie aussi sur des référents pour évaluer les propositions sur le plan data sciences, cybersécurité et architectures afin d’estimer l’effort d’intégration des solutions envisagées avec le SI. Jordan Barreix prévient : « Le rôle de la task force n’est pas de freiner l’action du DataLab, ni les projets. Nous organisons des ateliers d’innovation pour les évaluer et exclure ceux qui ne requièrent pas nécessairement de l’IA. Nous réalisons ensuite un calcul de la valeur et une évaluation de l’impact environnemental du projet. »
GRTgaz est devenu NaTran le 30 janvier 2025, pour se transformer, au-delà de son rôle historique d’opérateur d’infrastructures de distribution du gaz, en acteur de la transition énergétique. L’ancrage dans les territoires et la digitalisation sont les deux leviers majeurs mis en oeuvre pour mener à bien cette transformation.
Une fois les sujets priorisés, ceux-ci passent en phase d’expérimentation auprès du DataLab. Puis, si les résultats sont convaincants et les porteurs de projet toujours aussi motivés, l’expérimentation donne lieu à un déploiement. L’approche n’interdit pas le recours à des solutions d’IA sur étagère comme Microsoft Copilot, les IA des éditeurs de solutions métiers et celles de start-up. « C’est quand nous jugeons qu’il est préférable d’internaliser la compétence, que nous développons une solution sur mesure. La décision est prise selon la sensibilité ou la complexité du sujet. »
Une cartographie des projets montre que les IA se répartissent bien entre les activités opérationnelles et tertiaires. Les opérationnels mettent beaucoup plus fréquemment en oeuvre des modèles de machine learning pour le pilotage, la surveillance et la maintenance. Pour les activités tertiaires, il s’agit plutôt d’assistants personnels, de génération de contenu et d’intelligence documentaire.
Les cas d’usage sont variés. Du côté des opérations, l’analyse d’images est notamment mise en oeuvre pour définir l’origine de différents types de corrosion, un point clé quant on sait qu’il s’agit de la principale cause de fuites dans le réseau. « Nous valorisons aussi certaines images prises dans le cadre de chantiers par nos agents lors de l’installation des compteurs, explique Jordan Barreix. Ces prises faisaient déjà partie de la procédure standard, mais les photos étaient stockées dans un dossier et inutilisées. »
Elles représentent aujourd’hui une mine d’or pour vérifier quels matériaux ont été utilisés, ou identifier la marque et le type du compteur effectivement installé sur un site.
NaTran utilise l’IA générative dans le cadre d’applications de type intelligence documentaire. Des projets ont été lancés dans des domaines comme l’analyse des contrats, celle des réponses aux consultations afin à la fois d’améliorer la rédaction des appels d’offres, et mieux prendre en compte les retours des fournisseurs.
Jordan Barreix
Responsable de la culture innovation et veille à NaTran R&I
« Notre rôle n’est pas de tuer des projets, mais de les prioriser et mettre en avant ceux qui présentent la meilleure valeur ajoutée. »
L’IA Gen est aussi présente pour l’analyse de la réglementation. Comme beaucoup d’industriels, NaTran a commencé à en tirer profit avec la mise en place de chatbots appuyés sur des corpus documentaires spécifiques, et la rédaction de notes de synthèse. Jordan Barreix souligne : « Jusque-là, des experts devaient parcourir tous les documents d’un domaine afin de rédiger une note, ce qui représentait deux heures de travail. Aujourd’hui, cette tâche est réalisée en quinze à vingt minutes, en posant quelques questions au chatbot. »
L’IA générative trouve aussi son utilité dans les activités de veille. NaTran R&I dispose d’un réseau de 70 veilleurs dans les différentes directions métier de l’entreprise, mais a dû faire face au manque de ressources internes pour traiter le flux de 2 500 articles collectés chaque mois qui devaient faire l’objet de synthèses. La technologie accélère ce traitement : « Nous pouvons créer automatiquement des requêtes optimisées pour récupérer des articles pertinents, détaille le responsable. Cela rend le processus de veille plus efficace. De plus, l’IA nous permet d’ajouter des critères de sélection supplémentaires. Par exemple, il est possible de demander si un article traite ou non d’un changement de personnes à la tête d’une entreprise citée. »
L’IA en place est aussi capable de suggérer aux veilleurs des sites internet qui n’avaient pas été initialement identifiés comme des sources d’information intéressantes par l’équipe veille, mais qui proposent des articles pouvant enrichir le corpus de veille avec des contenus extrêmement pertinents, de l’aveu du responsable. Et pour l’exploitation de ces contenus, l’IA générative a démontré sa capacité à créer des résumés automatiques des articles, des traductions et même rédiger des textes pour la newsletter de NaTran R&I.
Jordan Barreix évoque enfin un cas d’usage plus inédit, l’évaluation automatique des start-up lors d’événements. En l’occurrence, lorsqu’un collaborateur de l’entreprise se rend sur un salon, l’IA passe en revue la liste des exposants et analyse la proposition de valeur des pousses présentes sur l’événement. Un calcul de scoring de un à cinq permet de savoir si une start-up présente un intérêt et peut alors guider le visiteur vers les stands les plus intéressants.
