En amont du Sommet pour l'action sur l'IA, la DGE (Direction générale des entreprises), rattachée à Bercy, a lancé un appel visant à recueillir les cas d'usage de l'IA au sein des entreprises et administrations. Parmi les 600 dossiers reçus, l'administration française a retenu 100 lauréats, censés « montrer l'étendue du pouvoir de transformation » de la technologie.

Parmi ces organisations distinguées, CIO a sélectionné 12 cas d'usage dont l'approche apparaît la plus novatrice ou prometteuse au sein des grandes organisations, privées et publiques (les éditeurs et autres fournisseurs de technologie ont délibérément été exclus de notre sélection). La principale surprise de la sélection de la DGE : le poids assez modéré de la GenAI, de nombreux projets reposant plutôt sur des approches plus classiques, notamment basées sur du Machine Learning ou du Deep Learning.

1) ADP

Nom du projet : Passenger Flow Monitoring Solution

En s'appuyant sur les données de capteurs 3D Lidar, Aéroports de Paris exploitent des algorithmes d'IA pour évaluer les flux de passagers au sein de ses plateformes aéroportuaires. La solution vise à mieux gérer les opérations - en optimisant l'allocation des ressources par rapport aux files d'attentes ou aux perturbations -, à améliorer l'expérience des voyageurs et, évidemment, à renforcer la sécurité, via la détection de comportements suspects.

2) Air Liquide

Nom du projet : LIM

Le projet LIM exploite l'IA pour optimiser la planification de la supply chain, de la production à la livraison, en fonction de diverses contraintes et objectifs. Le système exploite de multiples sources de données : systèmes Scada pour la production, suivi des livraisons, historique d'approvisionnement, données de distribution et de vente.

3) Autorité des marchés financiers

Nom du projet : Fish

La finalité de Fish consiste à détecter des signaux faibles sur le web afin de fournir régulièrement, à des analystes humains, une liste de sites pertinents à analyser, avant que les épargnants ne soient victimes des escroqueries que portent ces services. Les sites suspects sont soumis à un modèle prédictif qui évalue leur caractère frauduleux.

4) Ayvens

Nom du projet : PredictIA

La filiale de la Société Générale spécialisée dans le leasing automobile utilise un outil statistique maison pour prédire les prix de revente des véhicules d'occasion, sur ses canaux B2B et B2C, et leur associer un score de confiance et un indice de probabilité de vente. La solution, ré-entraînée quotidiennement pour intégrer les dernières tendances, est déployée dans les six principaux pays où opère l'entreprise.

5) Club Med

Nom du projet : GM Copilot

Pour traiter le million de demandes clients qu'il a enregistré en 2024, Club Med a déployé une solution d'IA conversationnelle répondant aux questions les plus classiques. D'abord testé sur WhatsApp, l'outil fournit des devis personnalisés et des informations spécifiques, comme les caractéristiques des villages. Le projet pilote, mené au Brésil, a permis d'atteindre 40 à 50% de réponses automatisées, déclenchant l'extension de l'outil à 6 nouveaux marchés, dont la France. Sur cette base, Club Med prévoit désormais de doter sa plateforme de capacités agentiques.

6) Colas

Nom du projet : Infracare

Dans ce projet, Colas s'appuie sur la vision assistée par ordinateur pour assurer la détection des défauts sur les routes (nids de poule, fissures...), en récupérant les images de caméras légères déployées sur des véhicules. L'enjeu du projet ? Repérer ces défauts dès leur apparition sans attendre leur aggravation, afin de réduire les coûts des interventions et de mieux les planifier.

7) Eiffage

Nom du projet : Alarm Classification and Forecasting

De la maintenance prédictive, mais avec une approche un peu originale. Eiffage Energie Systèmes s'attache à rattacher les multiples alarmes que génère la maintenance d'un grand équipement à des causes précises, en rapprochant les schémas de déclenchement de celles-ci des événements sous-jacents. L'approche est testée sur la maintenance de quatre tunnels autoroutiers dans une grande métropole française.

8) Groupe Pierre et Vacances

Nom du projet : Virtual concierge

L'ambition de Pierre et Vacances consiste à améliorer l'expérience de ses clients, en leur proposant - avec l'IA - des réponses personnalisées en temps réel. Et ce, y compris lors des moments clefs de leur séjour, comme le check-in. La solution s'appuie tant sur les données de réservation, que sur des données opérationnelles (la gestion des tâches au sein des parcs) ou les interactions capturées via l'interface Virtual Concierge.

9) Région Ile-de-France

Nom du projet : Tech Assistant

L'IA générative au service du support IT. La Région a bâti un assistant sur Alfred LLM pour capitaliser sur les connaissances de ses services en matière de support aux utilisateurs (employés ou lycéens), ces opérations étant gérées par un réseau de 19 prestataires. L'assistant, qui a bénéficié d'une phase de fine-tuning sur des données spécifiques, a accès à toute la documentation technique de l'environnement IT, bientôt mise à jour en temps réel via l'intégration prochaine avec l'outil de gestion des tickets. La Région indique avoir vu la productivité des services support progresser de 10 à 30% grâce à cette approche.

10) Renault

Nom du projet : MP4AI Platform

Démocratiser les modèles prédictifs pour dépasser les multiples systèmes spécifiques, souvent déployés à petite échelle. C'est l'ambition de cette plateforme, déjà déployée sur 8 sites industriels pour mettre en oeuvre 50 contrôles par IA, en particulier par analyse d'images. Surtout, MP4AI est une solution en self-service que les équipes en usine peuvent utiliser pour déployer des modèles préconçus, étiqueter leurs données et entraîner de nouveaux modèles sur des cas d'usage spécifiques. Le tout, évidemment, sans écrire de code.

11) Suez

Nom du projet : Autodiag

Face aux défis techniques du tri des déchets recyclables, Suez tente d'automatiser certaines de ses opérations via l'IA. La solution vise tant à surveiller les flux de déchets en temps réel qu'à réduire les coûts, en renforçant l'efficacité du tri et en optimisant l'allocation des ressources au sein des centres. Autodiag s'appuie notamment sur du Deep Learning et de la Computer Vision, afin d'identifier les types de déchets à partir de flux vidéo ou évaluer la composition des flux sur les tapis de tri.

12) Vinci Concessions

Nom du projet : Modelization of vegetation and soil through AI

Pour ses concessions aéroportuaires, Vinci a développé une solution surveillant l'état de la végétation et des sols, afin de vérifier l'atteinte de ses ambitions environnementales, notamment en termes d'artificialisation des sols. Pour ce faire, la multinationale a entraîné une IA sur des images satellites de 50 aéroports et 5 infrastructures routières. La solution permet ainsi de modéliser les tendances et d'identifier les zones où l'entreprise doit renforcer sa vigilance.