— Secteurs
Quelques exemples choisis parmi les situations que nous rencontrons le plus souvent. Chacun part d'un besoin métier, met au jour le problème de fond et montre comment nous y répondons.
— Une sélection, pas un catalogue : chaque secteur compte bien d'autres situations que nous traitons. Aucun exemple ne décrit un client en particulier.
Des métiers où la résilience se prouve devant le superviseur et où chaque décision doit pouvoir s'expliquer.
« Prouver au superviseur que nous tenons si un prestataire critique tombe. »
Les dépendances informatiques sont mal cartographiées, le registre d'information est incomplet et les plans de sortie restent théoriques.
Cartographie des fonctions critiques et de leurs prestataires, registre fiabilisé, scénarios de sortie et de bascule testés.
« Accélérer le traitement des sinistres sans perdre la maîtrise des décisions. »
Déclarations, expertises et courriers arrivent sous forme de documents non structurés, ressaisis à la main, avec la crainte d'une IA opaque.
Assistant d'extraction et de pré-qualification appuyé sur vos référentiels, humain dans la boucle, décisions tracées et inscrites au registre IA.
« Ne plus avoir trois chiffres différents pour le même indicateur de risque. »
Finance, risques et reporting recalculent les mêmes indicateurs dans leurs propres outils, et les écarts se rapprochent à la main en fin de trimestre.
Plateforme de données gouvernée, définitions partagées entre métiers, lignage de chaque chiffre jusqu'au reporting réglementaire.
Des données parmi les plus sensibles, et des soins qui ne peuvent pas s'arrêter quand le système d'information tombe.
« Partager les données entre services sans risquer la confidentialité des patients. »
Les dossiers sont dispersés dans des logiciels métiers qui ne se parlent pas ; les échanges passent par des exports manuels et des messageries.
Échanges par API selon les standards d'interopérabilité de santé, hébergement certifié HDS, accès accordés par profil et tracés.
« Continuer à soigner si le système d'information est chiffré par un rançongiciel. »
Sauvegardes jamais restaurées pour de vrai, réseau peu cloisonné, mode dégradé sur papier préparé par personne.
Diagnostic des points de rupture, cloisonnement du réseau, sauvegardes isolées et testées, exercices de crise menés avec les équipes soignantes.
« Soulager les équipes administratives sans exposer les données de santé. »
Codage, courriers et planification prennent un temps considérable, et des outils d'IA grand public sont utilisés en dehors de tout cadre.
Assistants IA hébergés sur un cloud de confiance, données cloisonnées, tests d'attaque avant mise en service et usages encadrés.
Des services publics à moderniser avec des budgets contraints, des données à protéger et l'obligation de rester maître de ses choix.
« Appliquer la doctrine cloud sans tout migrer d'un coup. »
Applications hétérogènes, données sensibles mal classées, et la crainte de dépendre durablement d'un seul fournisseur.
Classification des données, trajectoire par vagues vers des offres qualifiées, clauses de réversibilité et plan de sortie dès le départ.
« Répondre plus vite aux usagers avec les mêmes équipes. »
Les demandes sont répétitives, l'information utile est dispersée entre plusieurs bases et les délais de réponse s'allongent.
Assistant connecté à vos bases de connaissances, réponses sourcées et vérifiables, agents qui gardent la main sur les cas sensibles.
« Moderniser une application critique vieille de vingt ans. »
Code ancien, compétences devenues rares, et une interruption de service impossible à envisager.
Modernisation progressive : exposition des fonctions par API, remplacement brique par brique, sans interrompre le service.
Des environnements cloisonnés, des données qui ne sortent jamais, et une chaîne de confiance à tenir jusqu'au dernier sous-traitant.
« Exploiter l'IA sur des données qui ne doivent jamais sortir. »
Les environnements sont isolés d'Internet et les modèles grand public sont interdits, alors que les équipes en attendent les gains.
Modèles ouverts hébergés en interne, capacité de calcul dimensionnée au juste besoin, chaîne de déploiement fermée et auditée.
« Maîtriser la sécurité de toute la chaîne de sous-traitants. »
Composants logiciels et prestataires sont rarement évalués avec le même niveau d'exigence que les systèmes internes.
Audit de la chaîne logicielle, inventaire des composants, exigences contractuelles et tests d'intrusion ciblés.
« Savoir précisément qui accède à quoi, même entre équipes habilitées. »
Les droits s'accumulent au fil des projets et des secrets techniques circulent entre équipes.
Gestion centralisée des identités et des secrets, moindre privilège, accès limités dans le temps et entièrement tracés.
Des installations réparties sur le territoire, des systèmes industriels désormais connectés, et une continuité de service attendue par tous.
« Connecter nos installations au SI sans ouvrir la porte aux attaques. »
Équipements industriels anciens, réseaux peu cloisonnés, accès distants des mainteneurs ouverts en permanence.
Cartographie des flux entre informatique et systèmes industriels, cloisonnement, accès distants contrôlés et tests d'intrusion adaptés.
« Anticiper les pannes plutôt que les subir. »
Les données des capteurs existent mais restent inexploitées ; la maintenance suit un calendrier plutôt que l'état réel des équipements.
Collecte des mesures en temps réel, détection des anomalies, priorisation des interventions selon le risque.
« Prouver notre conformité NIS2 sur des dizaines de sites. »
Chaque site a ses pratiques et ses outils ; les preuves sont dispersées et difficiles à consolider.
Pilotage centralisé de la conformité, contrôles automatisés là où c'est possible, indicateurs communs à tous les sites.
Des lignes de production où chaque minute d'arrêt se chiffre, et un savoir-faire qui repose souvent sur quelques experts.
« Savoir en temps réel ce qui ralentit nos lignes. »
Les données des machines restent enfermées dans chaque atelier et les indicateurs de performance arrivent le lendemain.
Remontée des événements de production en continu, indicateurs partagés entre ateliers, alertes dès qu'une dérive apparaît.
« Capitaliser le savoir des experts avant leur départ. »
Procédures éparpillées, documentation incomplète, savoir-faire transmis à l'oral.
Assistant documentaire connecté aux procédures et aux historiques d'intervention, réponses sourcées, adoption accompagnée sur le terrain.
« Contenir une facture cloud qui grimpe avec chaque projet data. »
Environnements laissés allumés, ressources surdimensionnées, et des coûts que personne ne rattache à un projet.
Mesure et attribution des coûts par projet, optimisation des ressources, règles partagées entre finance, DSI et métiers.
Des réseaux et des services numériques qui doivent tenir en continu, avec des milliers d'équipements à surveiller.
« Tenir le service malgré des milliers d'équipements à surveiller. »
Les alertes arrivent en masse, se recoupent mal, et le diagnostic repose sur quelques personnes expérimentées.
Supervision unifiée, corrélation des événements, agents IA d'aide au diagnostic qui proposent sans agir seuls.
« Maîtriser des coûts d'infrastructure qui explosent avec l'IA. »
Capacités de calcul sous-utilisées, consommation de l'IA non attribuée, budgets dépassés sans explication claire.
Mesure de la dépense par usage et par service, optimisation des ressources, pilotage du coût unitaire.
« Automatiser nos plateformes sans multiplier les failles. »
Scripts d'infrastructure hétérogènes, secrets copiés dans les chaînes de déploiement, contrôles de sécurité faits à la main.
Modèles d'infrastructure sécurisés et réutilisables, coffre-fort de secrets, contrôles automatiques dans chaque déploiement.
Des flux qui ne s'arrêtent jamais, des partenaires nombreux, et des clients qui veulent savoir où en est leur commande.
« Suivre chaque colis ou véhicule en temps réel, de bout en bout. »
Les systèmes des partenaires sont hétérogènes et se synchronisent par lots, avec des heures de décalage.
Architecture orientée événements, capture des changements à la source, API partagées avec les partenaires.
« Réagir aux aléas avant que le client ne les voie. »
Retards et perturbations sont détectés trop tard, et la replanification se fait dans l'urgence.
Détection en continu des écarts, agents qui proposent des replanifications validées par les équipes d'exploitation.
« Rester opérationnels si un système clé tombe. »
L'activité dépend de quelques systèmes centraux et les plans de continuité n'ont jamais été éprouvés.
Analyse des dépendances, scénarios de crise testés, plan d'action priorisé et suivi dans la durée.
Des produits qui doivent être sûrs dès la conception, livrés vite, et rentables même quand l'IA s'invite dans chaque fonctionnalité.
« Être prêts pour le Cyber Resilience Act sans ralentir nos livraisons. »
Pas d'inventaire des composants logiciels, gestion des vulnérabilités manuelle, sécurité vérifiée en fin de cycle.
Inventaire automatique des composants, signature des livrables, contrôles intégrés aux chaînes de déploiement et tests d'intrusion réguliers.
« Intégrer l'IA dans notre produit sans exposer les données de nos clients. »
Plusieurs clients partagent la même plateforme, et l'injection de prompt ou la fuite de données entre clients devient un risque réel.
Architecture cloisonnée par client, garde-fous sur les agents, tests d'attaque avant chaque version majeure.
« Garder une marge saine quand chaque client consomme de l'IA. »
Le coût des tokens n'est rattaché ni au client ni à la fonctionnalité, et la marge s'érode sans que personne ne le voie.
Coût unitaire par client et par fonctionnalité, choix du modèle adapté à chaque tâche, alertes de dérive.
— Votre situation
Votre enjeu ne figure pas ici ?
Ces exemples ne sont qu'un échantillon. Les mêmes approches s'appliquent à bien d'autres besoins et à d'autres secteurs : décrivez-nous le vôtre, nous vous dirons par où commencer.