Retournez

Interviews

Blog externe

6 min de lecture

Du battage médiatique à l'habitude : comment faire en sorte que l'IA fonctionne réellement

Par

Carla Hetherington

Publié le

January 12, 2026

Mis à jour le

June 25, 2026

EN CONVERSATION AVEC

Roy Steunebrink‍

Responsable du développement et de la mise en œuvre, vendredi

‍

Lisez le blog

Tout le monde voulait participer à la ruée vers l'or de l'IA. Peu de gens ont demandé ce que cela coûterait. En quelques mois à peine, l'IA générative est passée du statut de curiosité marginale à celui de phénomène de première page. Les salles de conférence regorgeaient d'idées. Les pilotes ont été lancés pendant la nuit. Et des outils tels que ChatGPT ont été salués comme des baguettes magiques au service de la productivité et du profit. Mais alors que la poussière commence à retomber, une question plus honnête se pose : qu'est-ce qui fonctionne réellement ? Roy Steunebrink, responsable du développement et de la mise en œuvre chez Friday, une agence numérique néerlandaise spécialisée dans les solutions technologiques personnalisées, a passé les deux dernières années à transformer l'IA générative d'un mot à la mode en une habitude commerciale. Il a été témoin du battage médiatique, a relevé les défis et a découvert où se situait la véritable valeur. Dans ce blog, nous présentons les principales informations que Roy a partagées lors de son entretien, en mettant fin à l'engouement pour découvrir ce que l'IA apporte réellement et les domaines dans lesquels la plupart des entreprises se trompent encore.

L'essor de l'IA générative

L'IA générative a connu son apogée avec le lancement de ChatGPT par OpenAI fin 2022. En cinq jours, il a atteint 1 million d'utilisateurs, un exploit qui a pris 3,5 ans à Netflix. Début 2023, GPT-4 était sur place, surpassant la plupart des humains aux examens standardisés et apparaissant sur presque tous les blogs, salles de conférence et fils LinkedIn du secteur. Roy Steunebrink explique :

Au début, cela ressemblait à une astuce numérique, mais lorsqu'elle a eu accès à des données en temps réel et à des fonctionnalités d'intégration, nous avons réalisé que nous ne recherchions pas simplement un outil. Nous étions confrontés à un changement de paradigme. »

Roy Steunebrink
Responsable du développement et de la mise en œuvre, vendredi

L'accessibilité a joué un rôle important dans ce changement. En intégrant un puissant modèle d'IA dans une interface de discussion simple, ChatGPT a démocratisé l'expérimentation. Tout à coup, n'importe qui, responsable marketing, responsable ou développeur junior, pouvait prototyper des idées grâce à l'IA. Mais la même facilité qui l'a rendu populaire l'a également rendue trompeuse.

‍

Difficultés liées à la mise en œuvre de l'IA et comment les éviter

L'une des principales raisons pour lesquelles tant de projets d'IA ont été bloqués, et continuent de le faire, est l'hypothèse selon laquelle l'IA est prête à l'emploi. Spoiler : ça ne l'est pas. En fait, la plupart des projets d'IA ne génèrent pas de valeur commerciale, principalement en raison de mauvaises pratiques en matière de données et de l'absence de définitions claires des cas d'utilisation. Roy soutient que le véritable problème n'est pas l'IA, mais le manque de structure, de vision et de préparation dans la plupart des organisations.

Pour éviter ce sort, les entreprises ont idéalement besoin de quatre éléments fondamentaux :

1. Compétences essentielles en matière d'IA

Le succès de l'IA ne dépend pas uniquement des outils que vous utilisez, mais des personnes qui savent comment les utiliser. Les entreprises doivent soit développer des capacités d'IA en interne, soit collaborer avec des partenaires de confiance pour combler leurs lacunes en matière d'expertise.

L'ingénierie rapide, autrefois un concept marginal, est désormais une compétence de base. Cela nécessite de comprendre comment interagir efficacement avec les grands modèles de langage (LLM) pour obtenir des résultats cohérents, précis et sûrs. De même, la conception de systèmes agentiques, dans lesquels les agents d'IA accomplissent des tâches de manière autonome sur de multiples applications, exige une maîtrise des cadres d'orchestration, des intégrations d'outils et une autonomie responsable.

Selon le Rapport du Forum économique mondial sur l'avenir de l'emploi (2023), les compétences en IA, en apprentissage automatique et en mégadonnées figurent parmi les cinq compétences les plus demandées par les employeurs. Cependant, la pénurie de talents en matière d'IA reste un obstacle : Estimations de McKinsey que seulement 10 % des entreprises disposent des talents d'IA dont elles ont besoin pour faire évoluer leurs solutions de manière efficace.

En bref, pour rester compétitives, les organisations doivent améliorer les compétences de leurs équipes existantes, attirer des talents doués en IA ou travailler avec des fournisseurs spécialisés capables d'accélérer l'adoption tout en garantissant les meilleures pratiques.

2. Directives éthiques pour une utilisation sûre de l'IA

La mise en œuvre de l'IA sans supervision constitue un risque de conformité et de réputation imminent. La prochaine loi de l'UE sur l'IA, qui devrait entrer en vigueur en 2025, constituera le premier cadre réglementaire complet pour l'IA au monde. Il classe les systèmes d'IA en quatre catégories de risque : inacceptable, élevé, limité et minimal, et impose des exigences strictes en matière de transparence, de supervision humaine et de gouvernance des données.

En vertu du Règlement général sur la protection des données (RGPD), l'IA qui traite des données personnelles doit également respecter les principes d'équité, de responsabilité et d'explicabilité. Cela implique de donner aux utilisateurs le droit de comprendre et de contester les décisions automatisées, une préoccupation croissante dans les applications à haut risque telles que la notation de solvabilité, le recrutement ou la reconnaissance faciale.

Les entreprises doivent agir dès maintenant pour :

Définissez des politiques d'utilisation acceptables pour les outils d'IA génératifs.
Mettez en œuvre des protocoles de minimisation et d'anonymisation des données.
Définissez des garde-fous internes pour l'accès aux modèles, l'audit et la responsabilité décisionnelle.

3. Une stratégie de données solide

Les données sont le carburant de tout système d'IA, mais toutes les données ne sont pas créées de la même manière. Si vos données sont incohérentes, mal étiquetées ou bloquées dans des silos organisationnels, l'IA ne sera pas simplement sous-performante, elle risque d'échouer complètement.

Des études récentes ont montré que jusqu'à 80 % du temps consacré aux projets d'IA est consacré à la préparation des données: nettoyage, déduplication, annotation et normalisation. Pire encore, près de 55 % des données collectées par les entreprises ne sont jamais utilisées, ce qui suggère des inefficiences généralisées dans la manière dont les données sont stockées et présentées.

Une stratégie de données d'IA réussie doit inclure :

Meilleures pratiques en matière d'approvisionnement de données: sélection de jeux de données pertinents, représentatifs et spécifiques au domaine.
Flux de travail d'annotation intelligents: combinaison de l'étiquetage assisté par machine automatique et de l'évaluation humaine pour garantir l'exactitude.
Partage de données dans le cloud: permettant un accès sécurisé et en temps réel entre les équipes et les systèmes.

4. L'état d'esprit d'un investisseur en IA

L'IA n'est pas un achat ponctuel ; il s'agit d'une capacité stratégique qui s'accroît au fil du temps. Pourtant, de nombreuses organisations le considèrent comme une solution miracle. Cet état d'esprit à court terme explique pourquoi la plupart des initiatives d'IA sont bloquées après la phase pilote. Roy Steunebrink plaide pour une vision plus durable :

En matière d'IA, il faut de la patience, pas de panique. »

Roy Steunebrink
Responsable du développement et de la mise en œuvre, vendredi

Un retour sur investissement significatif de l'IA a tendance à se concrétiser en 3 à 5 ans, en particulier dans des secteurs complexes tels que l'industrie, la santé et la finance.

Pour réussir, les dirigeants doivent :

Optez pour l'expérimentation et l'itération, en sachant que tous les projets pilotes ne fonctionneront pas.
Allouez des budgets pour l'amélioration continue des modèles et la reconversion.
Mesurez le succès non seulement en termes d'économies de coûts immédiates, mais aussi en termes de transformation à long terme des processus, d'expérience client et de capacité d'innovation.

Essentiellement, développer la maturité de l'IA, c'est comme construire un volant d'inertie ; cela commence lentement, puis s'accélère à chaque investissement intelligent.

ConCRÉTISEZ VOTRE AMBITION EN MATIÈRE D'IA

Téléchargez le manuel Alumio AI

Portrait of Leonie Becher Merli, Business Development Manager at Alumio

Obtenez une évaluation gratuite de vos besoins d’intégration

Commencez par un appel de découverte

Le rôle de l'IA sur le lieu de travail

Une adoption précoce axée sur la productivité personnelle : e-mails générés par l'IA, plans de blog ou assistance au débogage. Roy Steunebrink entrevoit toutefois un changement plus profond en cours, dans lequel l'IA deviendra un partenaire collaboratif, et non un simple outil :

Traitez l'IA comme un collègue, une personne qui commence sa première journée. Vous devez les intégrer, leur donner du contexte et les aider à comprendre le travail. »

Roy Steunebrink
Responsable du développement et de la mise en œuvre, vendredi

Cette approche, appelée association homme-IA, gagne du terrain. UNE Étude McKinsey a révélé que les employés utilisant l'IA à des fins d'augmentation, et non d'automatisation, ont déclaré une satisfaction au travail 30 % plus élevée. Et le gain ? Des sorties plus rapides, une meilleure cohérence et un plus grand sentiment de contrôle créatif. Roy est d'accord :

« L'IA aide les gens à consacrer plus de temps à des tâches qui les rendent agréables. C'est une victoire qui vaut la peine d'être gagnée. »

Roy encourage les gens à oublier les démos les plus voyantes et soutient plutôt que victoires silencieuses et ennuyeuses sont les domaines dans lesquels l'IA brille vraiment. Les plus gros gains de son équipe ?

Outils d'aide à la rédaction pour la documentation et les propositions
Boosters de communication internes et générateurs d'e-mails
Localisation d'applications multilingues à l'aide de la traduction générative
Résumés de planification des sprints et aides à la génération de code
Intégration accélérée des développeurs juniors

‍

Comment l'IA redéfinit les rôles professionnels

Le vieux récit apocalyptique « L'IA va vous voler votre travail » a perdu son emprise. Dans le monde du travail d'aujourd'hui, la véritable transformation n'est pas une question de remplacement. C'est une question de réinvention. Roy Steunebrink explique :

Les gens s'attendent à ce que l'IA remplace les humains du jour au lendemain. En réalité, cela oblige les gens à repenser leur façon de travailler. »

Roy Steunebrink
Responsable du développement et de la mise en œuvre, vendredi

Cette évolution ne se limite pas à l'apprentissage de nouveaux outils. Cela implique de passer de l'exécution des tâches à l'orchestration des résultats, où les employés se concentrent moins sur le travail ligne par ligne, et davantage sur l'orientation, la révision et l'amélioration de ce que produit l'IA. Il ne s'agit pas d'être remplacé par l'IA ; il s'agit de maîtriser l'IA et d'utiliser cette fluidité pour obtenir de meilleurs résultats. L'ancienne PDG d'IBM, Ginni Rometty, l'a résumé succinctement :

L'IA ne remplacera pas les humains. Mais ceux qui utilisent l'IA remplaceront ceux qui n'en ont pas. »

Ce message trouve un écho plus que jamais, d'autant plus que l'IA est intégrée aux flux de travail quotidiens. Mais pour adopter ce changement, il ne suffit pas de nouvelles technologies. Cela nécessite une réinitialisation culturelle.

Trop souvent, les dirigeants pensent que l'adoption de l'IA se fera de manière organique ou par le biais de mandats hiérarchiques. Ils s'attendent à ce que les employés exploitent instantanément les outils d'IA qui réduisent les coûts comme par magie et stimulent la productivité. Mais nombreux sont ceux qui soutiennent que l'adoption véritable se fait de bas en haut autant que de haut en bas.

Roy est d'accord. Selon lui, les organisations doivent créer des environnements sûrs pour exploiter tout le potentiel de l'IA, des environnements où les équipes sont encouragées à essayer de nouvelles choses, à échouer sans pénalité et à itérer pour obtenir de meilleurs résultats. Cette sécurité psychologique, associée à des conseils et à des garde-fous appropriés, transforme l'IA d'une nouveauté en une alliée quotidienne.

‍

Pourquoi la préparation l'emporte sur la rapidité à l'ère de l'adoption de l'IA

Nous avons dépassé le point de demander si L'IA est importante. La question est maintenant de savoir comment lui donner un sens. Le parcours de Roy Steunebrink révèle une vérité plus profonde : l'IA n'est pas une solution miracle ; c'est une capacité à long terme qui repose sur la clarté, la structure et la confiance. Il ne remplace pas votre équipe ; il lui donne du pouvoir. Cela n'élimine pas la complexité ; cela change l'endroit où vous concentrez votre attention. Et cela ne garantit pas un retour sur investissement du jour au lendemain ; mais cela récompense ceux qui investissent dans les bonnes bases.

Alors que nous entrons dans une phase d'adoption plus mature de l'IA, Roy souligne que les gagnants ne seront pas les adoptants les plus rapides, mais les mieux préparés. Si votre organisation souhaite passer de la phase pilote à la production, de l'expérimentation à l'impact, le moment est venu de faire une pause, de remettre à zéro et de commencer sérieusement les travaux préparatoires. Nettoyez vos données. Améliorez les compétences de vos équipes. Repensez vos flux de travail. Établissez des règles claires. Parce que les entreprises qui réussissent grâce à l'IA ne se contenteront pas utiliser ils le comprendront, l'intégreront et créeront une culture qui évoluera avec lui.

Connectez aux applications populaires!

Aucun article n'a été trouvé.

Sujets de ce blog:

Intelligence artificielle

Carla Hetherington

Rédacteur chez Alumio

Carla est rédactrice chez Alumio, basée aux Pays-Bas. Passionnée par la transformation d'idées complexes en récits clairs et captivants, elle s'attache à rendre la technologie d'Alumio accessible et pertinente pour divers publics.

Carla Hetherington

Rédacteur chez Alumio

Carla est rédactrice chez Alumio, basée aux Pays-Bas. Passionnée par la transformation d'idées complexes en récits clairs et captivants, elle s'attache à rendre la technologie d'Alumio accessible et pertinente pour divers publics.

FAQ

Pourquoi tant de projets d'IA ne tiennent-ils pas leurs promesses ?

La plupart des implémentations d'IA échouent car elles sont déployées comme des outils isolés, sans l'infrastructure de données nécessaire à leur fiabilité. Une intégration ChatGPT incapable d'accéder aux stocks actuels, un moteur de recommandation fonctionnant à partir de données clients datant d'une semaine, ou un modèle de prévision de la demande entraîné sur un historique de commandes incomplet produisent tous des résultats plausibles, mais peu fiables. L'échec ne provient pas du modèle d'IA lui-même : il réside dans le décalage entre les besoins en données de l'IA et les capacités réelles de l'infrastructure d'intégration de l'organisation.

Quelle est la différence entre le battage médiatique autour de l'IA et l'IA qui fonctionne réellement ?

La différence réside dans un déploiement concret : une IA réellement efficace part d’un problème spécifique et mesurable, utilise des données propres et complètes provenant de systèmes sources contrôlés, fait l’objet d’une validation humaine des résultats avant leur application en production et est évaluée à l’aide d’indicateurs de performance précis plutôt que d’une simple impression d’utilité. L’engouement pour l’IA se caractérise par des déploiements massifs sans critères de réussite clairs, des démonstrations impressionnantes qui ne sont pas transposables aux flux de travail réels et la croyance erronée que la capacité du modèle est le facteur limitant, alors que ce sont en réalité la qualité et l’intégration des données qui constituent les contraintes.

De quelle infrastructure de données a-t-on besoin pour que les outils d'IA puissent apporter une valeur commerciale fiable ?

Avant que les outils d'IA puissent apporter une réelle valeur ajoutée à l'entreprise, celle-ci a besoin : de flux de données synchronisés en temps réel entre les systèmes qui génèrent les données pertinentes (ERP, e-commerce, CRM, PIM) ; de normes de qualité des données garantissant l'exhaustivité et la cohérence des données sources (non seulement au sein d'un seul système, mais dans l'ensemble des systèmes) ; d'une couche d'intégration qui contrôle l'accès aux données pour l'IA et consigne les données traitées ; et de processus de validation qui détectent les erreurs de sortie de l'IA avant leur mise en production. Il s'agit d'exigences d'intégration et de gouvernance des données, et non d'exigences liées à l'IA elle-même. Elles doivent être mises en place avant tout investissement dans l'IA, et non après.

Comment une infrastructure d'intégration aide-t-elle les entreprises à transformer l'IA, de simple effet de mode à habitude ?

Une infrastructure d'intégration performante transforme l'IA, d'un simple effet de mode à une habitude, en fournissant les données fiables dont les outils d'IA ont besoin. Lorsqu'Alumio gère les flux de données entre les systèmes ERP, e-commerce, PIM et CRM, les outils d'IA connectés à ces systèmes reçoivent des données actuelles, cohérentes et complètes, et non des instantanés fragmentés. La plateforme d'intégration assure également la gouvernance de l'accès aux données pour l'IA : journalisation des données traitées, validation des résultats de l'IA avant leur intégration aux systèmes et possibilité de mettre à jour ou de remplacer le modèle d'IA sans avoir à reconstruire les flux de données sous-jacents. C'est cette infrastructure qui rend l'automatisation par l'IA durable et non un projet ponctuel.

Quels sont les cas d'utilisation de l'IA qui offrent le meilleur retour sur investissement pour les entreprises de commerce électronique et B2B ?

Les cas d'usage de l'IA offrant le meilleur retour sur investissement sont ceux où le volume est élevé, la tâche bien définie et le résultat rapidement validable : génération automatisée de descriptions de produits (volume élevé, critères de qualité clairs, tests A/B faciles), traduction multilingue de contenu pour les boutiques en ligne internationales (volume élevé, qualité mesurable), prévision de la demande pour l'optimisation des stocks (précision mesurable par rapport à la demande réelle) et classification des tickets de service client (précision d'acheminement mesurable). Ces cas d'usage bénéficient tous de données propres et intégrées et peuvent démontrer un impact commercial en quelques semaines seulement après leur déploiement.

Quelles questions les entreprises devraient-elles se poser avant d'investir dans des outils d'IA ?

Avant d'investir dans des outils d'IA, les entreprises devraient se poser les questions suivantes : quel problème précis cette IA résout-elle et comment mesurerons-nous son succès ? De quelles données a-t-elle besoin et ces données sont-elles actuellement propres, complètes et synchronisées dans nos systèmes ? Qui examinera les résultats de l'IA et quelle est la procédure d'escalade en cas d'erreur ? Comment cet outil d'IA s'intégrera-t-il à notre infrastructure existante et qui gérera cette intégration ? Et quel est notre plan si le fournisseur d'IA modifie ses tarifs, ses conditions ou son modèle dans l'année ? Ces questions permettent de distinguer les investissements en IA à forte valeur ajoutée de ceux qui produisent des projets pilotes impressionnants et des déploiements en production décevants.

Autres blogs qui pourraient vous intéresser

Interviews

Activer les intégrations d'IA avec Happy Horizon

Découvrez comment Happy Horizon utilise l'iPaaS d'Alumio pour créer des intégrations d'IA avec Gemini afin d'automatiser les processus, d'enrichir les données et de renforcer l'efficacité de l'entreprise.

Interviews

Adopter l'IA avec Hendrik van Zwol : transformer la peur en créativité

Hendrik van Zwol, formateur en IA, explique comment les entreprises peuvent adopter l'IA par curiosité, et non par peur. Découvrez comment la rapidité de l'ingénierie, la créativité et les petites victoires sont les clés de la réussite.