L’IA en entreprise : retour d’expérience sur les cas d’usage, les défis et les évolutions à venir 

Interview croisée Lovell x Dimitri Foucault (TsunamIA / intégralité Consulting)

A propos de cette interview

Lovell initie une série de 3 articles sur l’IA en entreprise, visant à présenter des cas d’usages concrets, un retour sur les pratiques de gouvernance et les enjeux de sécurité et de souveraineté, ainsi qu’un RETEX d’une mission d’accompagnement auprès d’un de nos clients pour piloter ses activités d’Intégration de la Sécurité dans ses Projets (ISP) d’IA .  

Pour ce premier épisode, nous avons échangé avec Dimitri Foucault, fondateur de TsunamIA et d’Intégralité Consulting, qui accompagne au quotidien des PME, ETI et grands comptes dans leur adoption de l’IA générative. 

Cet entretien est dense (plus d’une heure de discussion). Nous l’avons découpé en deux parties : la première traite des cas d’usage actuels, des profils d’entreprises, des freins et de la gouvernance ; la seconde aborde les tendances à venir (agents, applications sur mesure, cybersécurité, position de la France, soutenabilité du marché).

A propos de Dimitri Foucault

Dimitri Foucault accompagne les entreprises dans leur transformation IA via TsunamIA (podcast, formation, conseil) et Intégralité Consulting. Ancien RSSI et IT Risk Officer (BNP Paribas, TechnipFMC), il combine une expertise terrain en cybersécurité et gouvernance avec une pratique active de l’IA générative auprès de grands comptes (AT&T, Amadeus, Groupama, Sopra Steria, Savills, Cogedim, AG Real Estate, AEW, etc.). Il anime un podcast hebdomadaire (plus de 100 épisodes) et une newsletter sur les usages concrets de l’IA en entreprise. 

En savoir plus : integralite.co (cabinet de conseil et d’intégration IA) | tsunamia.fr (podcast, newsletter, formations Qualiopi) 

Partie 1 : cas d’usage, profils d’entreprises et gouvernance

Lovell : Quels types d’entreprises sollicitent aujourd’hui le plus de conseil sur l’IA, et leur approche est-elle différente ?

Toutes les entreprises s’y intéressent, mais leur approche varie fortement selon leur taille. Pour donner un ordre de grandeur de ce que je vois en mission : sur les grands groupes (typiquement BPCE, où je suis intervenu pour une filiale de 500 personnes dans l’immobilier), on est sur des sujets très IT, très encadrés par la DSI groupe. Le cycle de validation est long, l’expérimentation est lente, et les outils sont souvent bridés par souci de conformité. Sur les petites structures (30 à 100 personnes, souvent en infogérance), on va à l’inverse beaucoup plus vite, avec des outils sur étagère bien choisis. 

Ce que je vois clairement, c’est que les boîtes qui s’en sortent le mieux sont celles qui partent sur les meilleurs outils du marché bien intégrés (Claude d’Anthropic avec connecteurs vers Microsoft 365 ou Google Workspace, le CRM, l’ERP, les outils internes de gestion de projet). Là, on révolutionne réellement la boîte. À l’inverse, dans certains grands groupes qui ont massivement investi dans une IA maison, les licences Copilot sont distribuées au compte-gouttes (10 ou 15 licences pour 500 personnes), parce qu’on cherche à protéger l’investissement interne. Résultat : l’outil maison ne tient pas la route (connecteurs mal faits, limites de pièces jointes à 5 Mo, pas de connexion à la boîte mail), et les utilisateurs qui ont touché à Claude ou ChatGPT chez eux le contournent.

 

Lovell : Quels secteurs sont les plus porteurs et quels cas d’usage reviennent le plus dans tes audits ?

Côté secteurs, je vois trois grands blocs : 

• Les cabinets d’avocats : ils manipulent énormément de texte, d’analyse documentaire, de recherche jurisprudentielle. C’est un terrain naturel pour l’IA. 

• L’immobilier au sens large (promoteurs, foncières, agences, parfois petits réseaux d’agences à 30-50 personnes) : analyse de marché, estimation de biens, comparaison de devis travaux, structuration d’offres marché, production de DPGF (décomposition du prix global et forfaitaire) et de rapports. 

• Les fonctions marketing et commerciales, qui ont plus de flexibilité que les autres métiers : production de contenu, analyse de prospects, personnalisation. Dans certaines boîtes qui interdisent ChatGPT en général, ces équipes ont une dérogation, parce qu’elles ramènent des prospects et des clients. 

L’industrie est encore en retrait, plus parce que les cas d’usage sont très spécifiques (computer vision, modèles fine-tunés sur des images industrielles) et nécessitent souvent du machine learning fait maison. 

Côté cas d’usage, j’ai un exemple récent qui illustre bien le potentiel : une boîte de 30 personnes avec un comptable qui passait une demi-journée à une journée par semaine à récupérer toutes les factures fournisseurs, à les renommer (nom du fournisseur, date, montant) et à faire les rapprochements comptables. On a mis en place Claude Cowork bien configuré, avec des compétences dédiées. Résultat : il télécharge tout, renomme tout, organise tout. Dès le premier coup, le résultat était quasi parfait. Le gain de temps est massif sur une tâche pénible. Et ce n’est pas du temps libéré, c’est du temps réinvesti sur l’analyse, la relation client, la prospection. 

Sur l’immobilier, je vois beaucoup d’usages autour des recherches approfondies (Deep Research sur ChatGPT, Claude ou Copilot) pour analyser un marché local quand on n’a pas le terrain, et autour de la consolidation d’estimations multiples. Plus généralement, l’IA permet de standardiser des pratiques où chacun avait ses propres tableaux Excel et ses propres méthodes. 

Lovell : Quels outils dominent aujourd’hui et que penses-tu des outils spécialisés (les fameux « wrappers ») ?

Pour les usages en entreprise, le marché est aujourd’hui dominé par trois acteurs : OpenAI, Anthropic et Google. Mistral fait du sur-mesure on-premise pour de très grosses entreprises (infrastructure dédiée, RAG sur les données internes, ingénieurs Mistral en mission). C’est un positionnement intéressant mais ce n’est plus la même cour : il y a un facteur d’environ 100 entre Mistral et les leaders américains sur les revenus et les fonds disponibles. 

Pour les cas d’usage en entreprise, celui qui a le plus d’edge aujourd’hui, c’est Anthropic avec Claude. Le 7 avril 2026, Anthropic a annoncé avoir franchi les 30 milliards de dollars de revenus annualisés (depuis 9 milliards fin 2025), passant pour la première fois devant OpenAI (autour de 25 milliards). Ce qui est marquant, c’est que cette croissance vient très majoritairement de l’usage entreprise et non du grand public, ce qui confirme que les entreprises sont prêtes à payer parce que ça leur fait vraiment gagner du temps. Le seul vrai frein côté Anthropic, c’est la localisation des données aux États-Unis. C’est gérable juridiquement (DPA fourni, RGPD compliant), mais il faut être pragmatique : Microsoft France a exactement le même problème vis-à-vis du Patriot Act. Les data centers Azure en Europe peuvent faire l’objet de demandes du gouvernement américain. Donc se croire protégé parce qu’on est « Microsoft Europe » est largement une illusion. 

Sur les wrappers, mon avis est tranché : la plupart sont condamnés à terme. Le principe est simple : ils prennent l’API d’OpenAI ou d’Anthropic, ajoutent une interface, parfois une base de données publique (Légifrance, Data.gouv…) et facturent 30 euros par mois au lieu des 20 euros du modèle sous-jacent. Sauf que les données partent au même endroit, sont traitées par le même modèle. Et il y a maintenant des connecteurs natifs Légifrance et Data.gouv compatibles avec Claude. Pourquoi payer un intermédiaire qui va perdre l’accès aux mises à jour majeures du modèle dès qu’il y en aura une ? 

Il y a quand même deux exceptions où le wrapper a du sens : 

• Quand la valeur repose sur la donnée propriétaire (cabinets d’avocats qui donnent accès à leurs analyses internes des textes de loi). 

• Quand le cas d’usage est très spécifique et nécessite un modèle dédié (computer vision sur des images industrielles, machine learning sur des données métier, infrastructure on-premise dédiée).

Pour tous les métiers de service (PowerPoint, Excel, mails, comptes-rendus, rédaction), les modèles généralistes d’Anthropic et d’OpenAI suffisent largement. 

Lovell : Quels sont les principaux freins à l’adoption ?

Le premier frein, c’est un arbitrage stratégique que doit poser chaque dirigeant : aller vite et accepter une part d’incertitude (données traitées par des prestataires américains, outils qui évoluent toutes les semaines) ou rester prudent et accepter de prendre du retard concurrentiel. Les boîtes qui s’en sortent le mieux sont celles dont les dirigeants ont fait ce choix en conscience : ils sont convaincus qu’ils ne peuvent pas se permettre de passer à côté de cette rupture. 

Le deuxième frein, c’est paradoxalement la perception du risque. Beaucoup d’entreprises pensent se protéger en faisant du local, du on-premise ou du « made in France » alors qu’elles n’ont pas la maturité cyber pour sécuriser correctement ces infrastructures. Les startups françaises et européennes ont régulièrement des fuites de données précisément parce que ce sont des startups, pas des hyperscalers. Les infras des grands acteurs américains sont souvent mieux sécurisées qu’une infra maison montée à la va-vite. 

Le troisième frein est organisationnel : multiples niveaux de validation, DSI qui encadre fortement, projets qui avancent à petite échelle. Et le quatrième est humain : peur du remplacement, scepticisme, manque de compréhension des outils. 

Lovell : Comment se construit la gouvernance de l’IA et comment gérer le « shadow AI » ?

Dans la majorité des cas, la transformation part du top management ou du comité de direction, parce que c’est souvent le dirigeant qui est le premier convaincu. Mais elle est aussi souvent rattrapée par le bas : les utilisateurs qui sont déjà avides d’IA font du shadow AI, c’est-à-dire qu’ils utilisent des comptes ChatGPT gratuits depuis leur poste, et envoient des données d’entreprise à leur insu. 

Le problème des comptes gratuits, c’est que par défaut l’utilisation des données pour ré-entraîner les modèles est activée. Donc les données partent. À cela s’ajoute un vrai décalage de performance entre les versions gratuites et les versions payantes : plus d’erreurs, plus d’hallucinations, copier-coller hasardeux par des juniors qui n’ont pas le sens critique pour challenger ce que l’IA produit. On pense gagner du temps, on en perd parfois. 

Ce que j’observe particulièrement dans les grands groupes qui imposent du Copilot : ceux qui ont connu Claude ou ChatGPT à la maison ne s’y retrouvent pas. Copilot a un vrai potentiel grâce à son intégration à l’environnement Microsoft, mais l’ergonomie est nettement moins intuitive que celle de ChatGPT, et sans formation, ça ne marche pas. Si on n’a pas de blocage DNS sérieux, le shadow AI explose et continue à se propager. 

La gouvernance, concrètement, ça repose sur quelques piliers : 

• Une charte d’usage qui définit clairement ce qui est autorisé et ce qui ne l’est pas. 

• Une sélection d’outils validés et de cas d’usage prioritaires. 

• Des règles de gestion des données et de mise à jour de l’inventaire RGPD. 

• Des indicateurs de suivi des usages. 

• Et surtout, de la formation. Définir des règles ne suffit pas, il faut aussi donner aux équipes les moyens de les appliquer. 

Lovell : Comment gères-tu la conduite du changement et les profils dans les équipes ?

On retombe sur la courbe d’adoption de Rogers, qui est très ancienne mais reste totalement valide pour l’IA. Elle décrit cinq groupes : les innovateurs (autour de 2,5 %), les early adopters (autour de 13,5 %), la majorité précoce (34 %), la majorité tardive (34 %) et les retardataires (16 %). 

Pour simplifier, je travaille en trois tranches dans les missions : 

• Les premiers (16 % – innovateurs et early adopters) : ils foncent. Ils sont moteurs mais peuvent aller trop vite, sans toujours respecter les règles ni mesurer les risques. Et contrairement à ce qu’on pourrait croire, ils ne sont pas forcément les bons « champions IA » de l’entreprise. Ils peuvent créer un décalage dans les équipes : « lui il fait tout avec l’IA, j’ai l’impression qu’il bosse plus, et moi je galère ». Il faut parfois les freiner. 

• La majorité (68 % – précoce et tardive) : c’est le groupe qui conditionne le succès. Ils demandent à être convaincus, ils ont besoin de formation, d’accompagnement, de cas d’usage concrets sur leur métier. C’est sur ce groupe qu’il faut investir le plus. 

• Les réfractaires (16 %) : souvent perçus comme un frein, ils jouent un rôle crucial. Ils apportent un regard critique, ils identifient les angles morts, ils mettent en lumière les cas où l’IA hallucine ou se trompe. Or les modèles vont toujours être d’accord avec nous, ils ne nous diront pas qu’il y a un éléphant au milieu de la pièce. Ces profils réfractaires sont précieux pour challenger la production. La règle, c’est de commencer par les tâches répétitives, les moins critiques, et de les embarquer progressivement. 

Lovell : Quel rôle joue la formation, et qu’est-ce qui marche concrètement ?

La formation est le levier central. Sans formation, les outils sont mal utilisés, les résultats sont approximatifs et les bénéfices limités. Mais surtout, ce que je remarque, c’est que toutes les approches ne se valent pas selon les profils. 

Les équipes habituées à travailler à distance, déjà rodées aux conf-calls et aux outils digitaux, peuvent se former à distance via des webinaires. Pour les équipes métiers qui ne passent pas leur journée derrière un écran, c’est le présentiel ou rien. Petits groupes (moins de 15 personnes), cas d’usage très concrets sur leur quotidien, configuration des outils ensemble (assistants, compétences, prompts), pour qu’au lendemain de la formation les gens soient réellement opérationnels. 

La formation joue aussi un rôle d’adhésion. Les sceptiques qui voient en direct un cas d’usage qui leur fait gagner deux heures ou une demi-journée changent rapidement de posture.

Partie 2 : tendances, cybersécurité et avenir

Lovell : L’IA va-t-elle transformer le marché du travail, et que faire des juniors ? 

A retrouver dans la seconde partie de l’article. Suivez notre page LinkedIn pour être notifié de sa sortie !