Notre équipe de data scientists était présente à l’édition 2026 de Vivatech, le plus grand évènement tech et innovation d’Europe. Elle partage ici son regard sur les conférences auxquelles elle a assisté, les stands visités et les réflexions que cette dixième édition lui inspire.
Premier constat : l’IA est perçue désormais comme une transformation de l’entreprise
Le ton général a changé par rapport à l’an dernier. L’IA n’est plus une technologie que l’on teste en multipliant les cas d’usage, avec le souci de prouver que l’on sait travailler avec elle. Le défi posé par l’IA est devenu humain, organisationnel et stratégique, bien plus que technique.
Trois convictions largement partagées :
1-L’avantage concurrentiel se joue sur l’exécution, et non plus sur la technologie
Si la technologie est mature, les organisations ne le sont pas, ou du moins pas encore. Cet écart s’explique par des freins et des faiblesses dans l’exécution, et non par un déficit technologique. Les modèles les plus performants étant accessibles à tous, la distinction entre les entreprises qui réussissent leur transformation par l’IA et les autres réside dans la capacité à utiliser l’IA pour refondre l’ensemble des processus de bout en bout, à connecter les données et à générer de la valeur mesurable.
Exemples :
-La SNCF a créé une plateforme innovante pour capter les données sur les comportements des usagers dans les gares (ce qu’ils regardent, comment ils se déplacent) afin d’optimiser les flux.
–Engie a mis en place un conseil digital pour accompagner ses clients dans leur rénovation énergétique.
2- Le facteur clé, à la fois moteur et limitant, est humain et organisationnel :
L’adoption est déterminante. Elle repose sur deux leviers : la formation des équipes et la refonte des métiers (définition des process, skill-up, operating model et outillage).
Le goulot d’étranglement, nommé explicitement par plusieurs acteurs de la tech et entreprises, c’est le leadership. Il ne s’agit pas de multiplier les projets pilotes, mais de placer l’IA au cœur de la stratégie d’entreprise. Cela suppose d’inscrire le sujet à l’agenda du Comex et de repenser l’organisation : sa structure hiérarchique, ses modes de prises de décisions, sa culture.
3- La souveraineté devient un axe stratégique à part entière :
L’Europe a un atout majeur que d’autres zones géographiques n’ont pas : la capacité énergétique nécessaire pour faire fonctionner l’IA à l’échelle. C’est une condition préalable à toute ambition de souveraineté.
La souveraineté se construit sur trois plans :
- La data : savoir où elle est, qui y accède, comment elle est exploitée, la connecter entre les systèmes pour pouvoir exploiter tout son potentiel. Il s’agit de considérer la donnée comme un actif stratégique et non comme un sous-produit de l’activité.
- Les modèles et services : développer et soutenir des modèles européens (Mistral en tête) et conserver la capacité de basculer d’un modèle à l’autre selon les cas d’usage, les besoins de performance et les contraintes réglementaires. L’objectif est de ne pas dépendre d’un seul fournisseur américain ou chinois.
- Le compute : localiser la puissance de calcul en Europe. Investir dans les data centers sur le continent. Maîtriser l’endroit où s’exécutent les calculs.
Exemple :
BNP Paribas qui privilégie les déploiements on-premise pour garder le contrôle sur les données et les traitements, a orienté le choix des modèles sur la possibilité de changer de fournisseurs à tout moment, afin de préserver son autonomie stratégique.
Les enjeux pour demain :
Ce consensus nous inspire les axes de réflexion suivants :
- Si tout le monde utilise les mêmes outils, comment une entreprise peut-elle se différencier ? La question stratégique devient : que reste-t-il de singulier (données propriétaires, expérience client, savoir-faire) ?
- La réduction des coûts et l’automatisation obtenues grâce à l’IA ne constituent pas à elles seules un avantage concurrentiel. Les gains de productivité doivent être réinvestis là où le travail humain apporte de la valeur.
Par exemple :- Carrefour a automatisé la production des pré-études marché et financières, permettant aux équipes en charge des projets d’expansion du réseau de points de vente, de se concentrer sur les opportunités stratégiques ;
- Royal Canin a fait passer sa direction Achats d’une posture réactive à proactive puis prédictive, en combinant machine learning et IA générative pour améliorer l’analyse de risque et éclairer la prise de décision.
- Aujourd’hui, la valeur la plus mesurable vient souvent des modèles prédictifs (anticiper une demande, un risque, un prix). Et pourtant, c’est l’IA générative qui occupe le devant de la scène. Notre conviction : combiner les IA prédictive et générative selon la valeur réelle attendue.
- Deux sujets majeurs n’ont pas reçu toute l’attention qu’ils méritent. La cybersécurité, d’abord : à mesure que les agents gagnent en autonomie et en accès aux données, l’impact des risques augmente. La mesure de la performance, ensuite : comment évalue-t-on réellement la création de valeur d’une entreprise transformée par l’IA, au-delà des gains de productivité affichés ?
- Notre conviction : à l’heure de l’intelligence artificielle qui bouleverse les organisations et les remodèle, les dirigeants sont amenés à questionner la priorisation de leurs enjeux, à repenser la définition de leur stratégie et à concevoir une mise en œuvre de transformations qui sauront être créatrices de valeur plurielle (économique, sociale et environnementale).
Décryptage co-réalisé avec Pierre Chrétien, Head of Data Science & AI, Kéa et Oualid Essaid, Senior Data Scientist, Kéa
