Quelles capacités et quelles décisions l’entreprise peut-elle déléguer à une intelligence artificielle, sur quelles données, avec quel niveau d’autonomie, quels contrôles, quelles responsabilités et quelle possibilité de reprendre la main ? Tel était le fil conducteur de cet atelier. Le jeudi 3 septembre 2026, Serge-Alain Simasotchi (Transform’IT, expert engagé Beeznet) est intervenu durant deux heures trente au sein du Club ParcoursCroisés Elysées. Les membres dui Club avait expressément demandé sa présence pour cette intervention, bravo !! Serge-Alain a pu alterner explications accessibles, analogies , exemples concrets d’entreprise , questionnements, exercices de qualification d’un cas d’usage, mise en perspective …
Une intervention remarquable (évaluations à plus de 95% de satisfaction) … à tel point que les membres souhaitent pouvoir être ajournée régulièrement sur les tendances et perspectives de l’IA.

L’objectif n’est pas de réaliser une simple démonstration d’outils ni de dresser un catalogue des solutions disponibles mais de proposer une lecture à la fois accessible, stratégique et opérationnelle de l’IA, adaptée à des directeurs qualité et responsables de systèmes de management, souvent directement associés aux instances de gouvernance de leur organisation. Le résultat attendu n’est donc pas de transformer les participants en spécialistes techniques, mais de leur permettre d’exercer pleinement leur rôle de décideur, de garant du système de management et, demain, d’architecte de la confiance dans une organisation de plus en plus assistée par l’IA.

Tenant compte du profil des participants, majoritairement directeurs QSE et RSE, un focus a été fait par rapport à leur métier : • Cas d’usage liés au métier : analyse des réclamations, préparation des audits, recherche de preuves, analyse des non-conformités, suivi des actions correctives, détection de signaux faibles, cohérence documentaire, surveillance des fournisseurs, préparation des revues de direction…. • Avenir du métier: certaines tâches de collecte-consolidation-recherche documentaire-préparation d’audits… seront progressivement assistées ou automatisées. La valeur de la fonction qualité devrait donc se déplacer vers la conception des dispositifs de confiance : définir ce qui est acceptable, organiser la qualité des données et des preuves, évaluer les systèmes, assurer la traçabilité des décisions hybrides et garantir que l’organisation conserve sa capacité à comprendre, contester et reprendre la main.

Les principales thématiques abordées ont été les suivantes:

• rappel permettant de construire un vocabulaire commun (différentes « intelligences artificielle », automatisation-apprentissage automatique-IA générative-IA agentique… grands modèles de langage, LLM, token, prompt,
• capacités actuelles de l’IA et ses limites : hallucinations, fragilité sur les chiffres et calculs, dépendance à la qualité des données et du contexte, biais, manque de traçabilité, difficulté à évaluer la fiabilité d’un résultat.
• architecture de l’IA dans l’entreprise :IA verticales, intérêt d’une capacité transverse, risques de dépendance vis-à-vis des éditeurs, réversibilité, interopérabilité, open source, modèles à poids ouverts….
• conditions d’une intégration maîtrisée de l’IA dans l’organisation : choix et qualification des cas d’usage, gouvernance des données, rôles et responsabilités, évaluation des résultats et tests de non-régression, validation humaine proportionnée au risque, cybersécurité des modèles-agents-connecteurs-outils, gestion des fournisseurs et des dépendances, cycle de vie, repères réglementaires et normatifs
• perspectives : évolution vers des systèmes multi-agents, enjeux énergétiques liés au changement d’échelle des usages, et articulation possible entre intelligence artificielle et informatique quantique. Sur ce dernier point, l’objectif sera d’expliquer ce qu’est réellement le calcul quantique, les problèmes auxquels il pourrait répondre et les conséquences que les entreprises doivent déjà anticiper, notamment en matière de cryptographie post-quantique, sans entretenir de promesses irréalistes.

Enfin, des points clés ont favorisé la prise de conscience :

• le contexte donné au modèle et pourquoi une réponse vraisemblable n’est pas nécessairement une réponse exacte.
• IA agentique marque le passage d’une IA qui répond à une IA capable de planifier, d’utiliser des outils et d’exécuter certaines actions. Cette évolution conduit à s’interroger non seulement sur la qualité d’une réponse, mais également sur les droits accordés à l’agent, son niveau d’autonomie, la traçabilité de ses actions et les mécanismes d’arrêt ou d’escalade.
• Identifier où est la valeur de l’entreprise et s’assurer que l’usage de l’IA apporte une valeur complémentaire (sans diffuser/ perdre la valeur) et ne génère pas une dépendance (pouvoir à tout moment de reprendre la main)
• Un modèle est toujours entraîné sur des données. Il faut toujours se poser la question avec quelles données et leur degré de (in)certitude.
• L’énergie, le vrai défi est l’effet d’échelle.