🎙️ Conférences

L'Agentic AI inaugure une nouvelle ère de l'IA en entreprise, où une intention humaine unique peut être automatiquement décomposée, planifiée, orchestrée et exécutée à travers des systèmes complexes. Au-delà de la prédiction ou de la génération de contenu, les systèmes agentiques transforment un objectif clair en sous-buts coordonnés, en usage d'outils et en actions adaptatives. Rendus possibles par des protocoles d'agents modernes et des connecteurs sécurisés aux systèmes d'information, l'Agentic AI transforme la stratégie en exécution, tout en laissant à l'humain l'intention, le jugement et la responsabilité.

Objectifs : Repartez capable de distinguer un agent d'un chatbot, de nommer les trois ou quatre tâches de vos opérations à confier en premier à un agent, et de poser les bonnes questions sur l'orchestration, l'évaluation et les garde-fous avant d'en lancer un.

IA en entreprises

Le risque agentique ne vient pas d'une conscience ni d'une volonté de la machine. Il vient des symboles, de l'optimisation, des outils, des permissions et des boucles de rétroaction. Cette conférence donne aux dirigeants un cadre sobre et non catastrophiste : le produit du risque (capacité x autonomie de la boucle x criticité de l'environnement x étendue des permissions x faiblesse de la supervision), la façon dont un système détourne discrètement ses propres objectifs (loi de Goodhart et détournement de récompense, sans la moindre mauvaise intention), la frontière de sûreté qui devient linguistique (une injection de prompt transforme une mauvaise réponse en mauvaise action), et le passage d'une gouvernance de ce que la machine est censée « penser » à une gouvernance des actions qu'on l'autorise réellement à faire. La gouvernance n'est pas le frein qui ralentit l'innovation en entreprise ; ce sont les freins qui vous permettent de lancer l'IA la plus avancée à pleine vitesse tout en la gardant acceptable.

Objectifs : Repartir avec le produit du risque, la matrice autonomie-permissions-gouvernance (cinq degrés), les sept règles de l'agenticité instituée (séparation des pouvoirs, journalisation, validation humaine de l'irréversible, tests adverses, exercices d'arrêt, ouverture graduée) et l'argument de souveraineté du groupe électrogène open source.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

L'IA remplace votre code planche par planche. Est-il encore le vôtre ? Lui faites-vous encore confiance ? Deux moitiés reliées par le bateau de Thésée. D'abord, coder avec des assistants agentiques, où le nouveau goulot d'étranglement est la revue et la vérification, pas la frappe. Ensuite, le vide du test : le logiciel classique disposait d'une pile qualité mature parce qu'il était déterministe ; l'IA probabiliste a brisé ces hypothèses. Nous comblons le vide par l'évaluation-comme-tests et le red-teaming automatique.

Objectifs : Une vue lucide de la productivité du code agentique, du goulot revue-et-vérification, et de la manière de tester des systèmes probabilistes avec métriques d'évaluation, jeux de référence et analyse de vulnérabilités en intégration continue.

IA de recherche
IA en entreprises

L'IA est partout. Comment la mesurer avec bon sens dans nos cas d'usage : produits, outils, gestion, santé, divertissement, art et vie publique ? Si l'IA génère une valeur mesurable, comment faire sourire les clients ?

Objectifs : Des cadres concrets et des exemples de l'idée au sourire du client, et comment déployer des chaînes d'outils IA adaptées aux développeurs et aux citoyens autour d'une valeur mesurable chez le client.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

L'heure la plus réutilisable de l'IA en entreprise. Avant d'optimiser quoi que ce soit, mesurez à quel point vous êtes mauvais, dans la monnaie de votre métier. Comprendre un client, c'est chiffrer le coût de ses erreurs, et les deux façons de se tromper (un oubli ou une fausse alerte) ne coûtent jamais pareil. Avec un stylo et sans mathématiques, vous construisez une matrice de confusion pour compter, une matrice business pour chiffrer chaque cas en euros, et vous les superposez en un indicateur que vous possédez.

Objectifs : Construire votre propre indicateur métier à partir de la matrice de confusion et de la matrice business, distinguer un problème Hawkeye (précision) d'un problème Hulk (rappel), et comprendre pourquoi un simple taux d'exactitude ment.

IA de recherche
IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Un tour d'horizon honnête et daté du paysage : le cycle du hype de Gartner lu avec ses dates de sortie, le paysage actuel des modèles (frontière et poids ouverts), l'outillage agentique, et l'état du RAG face au GraphRAG. Pour qui veut aller plus loin, un cursus gratuit et sélectionné. Le message est simple : plus tôt vous apprenez, mieux c'est.

Objectifs : Un sens calibré de ce qui est réel par rapport à ce qui est survendu en ce moment, et un chemin gratuit pour continuer à apprendre l'IA.

IA en entreprises

L'IA d'aujourd'hui ne pourrait exister sans un miracle industriel qu'aucune autre industrie n'a produit : l'open source. PyTorch, scikit-learn, les transformers, et même des poids de modèles entiers, les briques de pointe sont publiques. Imaginez l'aéronautique ou la pharma publiant gratuitement leurs plans les plus avancés ; cela n'arrive pas, mais en IA, si. La conséquence pour un dirigeant n'est pas de l'idéalisme, c'est de la gestion du risque : l'algorithme n'est pas un avantage concurrentiel, vos données et votre compréhension du client le sont, et l'open source est votre groupe électrogène contre la dépendance à un fournisseur.

Objectifs : Comprendre pourquoi l'avantage réside dans vos données et votre compréhension du client, pas dans le modèle, et comment héberger, forker et auditer une IA open source achète souveraineté et continuité d'activité.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Découvrez comment les grands modèles de langage (LLM) vous aident à transformer vos processus métiers, en passant d'une simple compréhension du langage à la génération de dialogues intelligents, contextuels et performants. De l'automatisation des interactions client à l'aide à la décision, les LLM permettent une communication fiable, évolutive et fluide au cœur de vos fonctions stratégiques.

Objectifs : Repartez capable de choisir entre un LLM simple, le RAG et le fine-tuning pour un processus donné, et de cadrer votre équipe sur le coût, les besoins et les risques de chacun avant de vous engager.

IA en entreprises

Maîtrisez la tokenisation et les embeddings, domptez l'attention des Transformers, et déployez des solutions LLM performantes et éthiques en entreprise.

Objectifs : Repartez capable d'expliquer embeddings et attention à un collègue au tableau, et avec une check-list concrète de fine-tuning, RAG et gouvernance pour passer un LLM en production.

IA de recherche

Découvrez les outils d'IA que vous pouvez utiliser au quotidien, au travail comme à la maison, pour renforcer votre productivité, votre créativité et parfois même vous décupler.

Objectifs : Repartez avec une poignée d'outils à ouvrir dès le lendemain matin pour gagner une heure sur l'écriture, la recherche et l'organisation — au travail comme à la maison.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Trois génies de l'IA générative : le génie de l'écriture, le génie de la programmation et le génie artistique. Ils réécrivent les règles de la production, technique comme artistique, et ne retourneront pas dans la lampe.

Objectifs : Repartez avec une liste courte et à jour des outils d'écriture, de code et d'image qui valent votre temps, et sachez laquelle de vos tâches hebdomadaires chacun raccourcit vraiment.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Une plongée technique pour ingénieurs et managers techniques. Gravissez l'échelle de maturité conversationnelle : le LLM, puis la génération augmentée par récupération (RAG), puis le contexte long, puis RAG plus LLM, puis le GraphRAG. Chaque étape est un personnage. Nous relions les causes de l'hallucination à leurs antidotes : ancrage, graphes de connaissance et règles symboliques, pour qu'un système raisonne sur vos faits, et non à côté.

Objectifs : Repartez capable de dessiner l'échelle du RAG au GraphRAG, d'associer chaque cause d'hallucination à son antidote, et de repérer les failles de sécurité qu'un système RAG ouvre et qu'un simple LLM n'a pas.

IA de recherche
IA en entreprises

Montrez-moi vos données et je vous dirai votre IA. Les algorithmes d'IA apprennent à partir des données, par apprentissage non supervisé, supervisé et par renforcement. Cette conférence démystifie la Palette de l'IA, la famille des méthodes, sans jargon, en reliant chacune aux données dont vous disposez déjà dans votre entreprise.

Objectifs : Repartez capable de regarder un problème métier et de dire quelle famille d'IA il appelle, quelles données il exigerait, et si vous les avez déjà — avant le moindre euro dépensé.

IA en entreprises

Une conférence sectorielle bâtie sur des cas réels et sourcés. La réfraction optique où l'IA raccourcit l'examen à prescription égale, le diagnostic in vitro où l'IA remplace du matériel pour une décision troponine qui est de vie ou de mort, et l'asymétrie qui traverse tout cela : un oubli et une fausse alerte ne coûtent jamais pareil en médecine. Cadrée pour les réalités de la réglementation européenne des dispositifs médicaux et du diagnostic (MDR et IVDR), pas pour le battage.

Objectifs : Des schémas concrets d'IA en santé (vision par ordinateur, aide à la décision), comment chiffrer l'asymétrie de l'erreur clinique, et comment la régulation façonne la faisabilité.

IA de recherche
IA en entreprises

De la programmation à l'apprentissage automatique, puis à l'IA générative et aux agents : quatre ères en une ligne. En dessous, une seule idée : rassembler vos X et vos Y, puis deviner la fonction F. Cette conférence enseigne le sur-apprentissage et le sous-apprentissage par l'analogie de l'étudiant (appris par cœur, paresseux, ou vraiment compris) et déploie toute la Palette de l'IA pour que les managers parlent la même langue que leurs équipes data.

Objectifs : Un modèle mental clair de l'entraînement, de la validation et du test, du compromis biais-variance sans équations, et la carte des familles de méthodes en IA.

IA de recherche
IA en entreprises

Une conférence sectorielle où chaque décision porte un signe euro. La détection de fraude comme matrice de coûts (une fraude manquée et un bon client bloqué ne coûtent jamais pareil), le score de crédit et ses pièges d'équité, la prévision de la demande et des sinistres, l'IA générative pour les analystes, et la discipline que le secteur exige avant tout : la gouvernance du risque de modèle. Le fil rouge : l'asymétrie des erreurs, chiffrée honnêtement, est le vrai modèle.

Objectifs : Comment transformer un problème de fraude ou de crédit en matrice de coûts chiffrée, là où les contraintes d'équité mordent, et ce qu'exige réellement la gouvernance du risque de modèle en environnement régulé.

IA de recherche
IA en entreprises

Qu'est-ce que le travail, et que lui fait l'IA ? D'Adam Smith (le travail comme valeur et spécialisation) à Marx (capital, travail, aliénation) à Stiegler (prolétarisation cognitive et vide juridique pour les travailleurs du savoir). Puis la vue longue : l'écriture, l'imprimerie, l'informatique, et maintenant l'IA, chacun le soulagement d'un fardeau intellectuel qui a déclenché une révolution civilisationnelle. Quand Delaroche, découvrant les premières photographies en 1839, déclara la peinture morte, il avait tort et raison à la fois.

Objectifs : Repartez capable de tenir une conversation posée et sourcée sur l'IA et l'emploi — de Smith à Stiegler — et de nommer ce que chaque « soulagement intellectuel » passé a détruit, créé et laissé proprement humain.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Découvrez comment les entreprises peuvent traduire les résultats avancés de l'IA en stratégies claires et exploitables qui génèrent un vrai retour sur investissement et trouvent un écho auprès des parties prenantes humaines. Tout projet d'IA qui en vaut la peine se paie dans l'une de cinq unités de valeur : argent, temps, énergie, soin, ou l'auparavant impossible. Nommez l'unité, et vous saurez piloter le projet.

Objectifs : Repartez capable de dire, pour tout projet d'IA, dans laquelle des cinq unités de valeur il se paie — argent, temps, énergie, soin ou l'auparavant impossible — et d'en faire un chiffre que votre conseil reconnaîtra.

IA en entreprises

Une conférence sectorielle ancrée dans dix ans d'exploitation. La détection de fraude et l'optimisation du chiffre d'affaires en production, la prévision de la demande qui dimensionne rayons et entrepôts, et le rangement intelligent des entrepôts (smart slotting) où un agent n'est pas qu'un modèle de langage mais un graphe de connaissance plus un solveur, offrant un agencement dont on peut prouver qu'il est optimal. Ici, on vend de la marge, pas du code.

Objectifs : Comment les équipes du commerce et de la logistique combinent prévision, détection de fraude et optimisation par graphe de connaissance plus solveur pour faire bouger de vrais indicateurs d'exploitation et de marge.

IA en entreprises

Découvrez comment les agents d'IA permettent aux entreprises de planifier, d'exécuter et d'adapter des actions à la volée avec un nouveau niveau d'abstraction et de potentiel. Une IA conversationnelle produit des réponses ; une IA agentique produit des actions, orchestrées, intégrées et gouvernées par le système d'information.

Objectifs : Repartez avec une courte grille pour décider si un cas d'usage est prêt pour un agent, et les deux ou trois métriques qui disent qu'un agent peut être déployé en confiance, pas seulement qu'il impressionne en démo.

IA en entreprises

Une conférence sectorielle bâtie sur des cas réels et sourcés. Des moteurs de recommandation qui façonnent l'attention, le départ des abonnés (churn) prédit par l'analyse de survie pour agir avant qu'ils ne partent, l'optimisation des revenus de catalogue avec Ircam Amplify, la promotion et le montage algorithmiques pour les créateurs avec Jellysmack, et l'IA musicale, des pistes séparées à la partition. Où s'arrête l'outil, où commence l'artiste ? La question que la photographie a jadis posée à la peinture, reposée sérieusement.

Objectifs : Des schémas concrets d'IA dans les médias (recommandation, churn par analyse de survie, IA créative), comment mesurer honnêtement attention et rétention, et où se situe la frontière outil/artiste.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Le philosophe Merleau-Ponty a fait du système nerveux une boussole, et cette même boussole trace un projet d'IA de l'idée à la production. Un signal entre par le nerf sensitif (ingestion des données et perception), passe par le cerveau (algorithmes et infrastructure) et ressort par le nerf moteur (action) vers le client. Le manager est au centre, le client toujours en ligne de mire. Le vrai jugement n'est pas un calcul sur des symboles ; c'est une prise concrète et située sur le monde, et c'est précisément pour cela qu'il reste humain. Cette boussole devient une feuille de route : une belle démo n'est pas le but, un vrai problème l'est, alors partez de la douleur, faites le travail de fond (y compris en résolvant le problème à la main d'abord), préférez des données réellement accessibles à une recherche sans fin, et défendez une preuve de concept bâtie autour de la donnée.

Objectifs : Une boussole pour placer données, algorithmes et actions autour du manager et du client, et une feuille de route réutilisable de l'idée à la production : casser les silos, commencer simple et rudimentaire, toujours garder une trace de ce que fait le système, et piloter jalons, livrables et réduction des risques à partir de la douleur du client.

IA de recherche
IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Apprenez comment les moteurs de recommandation exploitent les données des utilisateurs pour personnaliser les expériences, augmenter l'engagement et stimuler les conversions sur les plateformes numériques.

Objectifs : Repartez capable de dire quelle approche de recommandation convient à votre catalogue et à votre trafic, quelle métrique suit vraiment le business (pas seulement les clics), et les pièges classiques qui tuent l'engagement en silence.

IA de recherche
IA en entreprises

Évaluez la faisabilité d'un projet avec un simple cuboïde (une boîte à trois dimensions) : N (combien d'exemples, votre allié quand il est grand), D (dimension des entrées, la malédiction contre laquelle investir) et K (dimension des sorties, là où vit l'IA générative). Puis le recadrage clé : comme en Formule 1, les ingénieurs construisent la machine, mais vous, le manager, êtes le pilote. Vous n'avez pas à devenir ingénieur ; vous devez connaître le circuit, le client et le coût des erreurs.

Objectifs : Évaluer la faisabilité d'un projet d'IA avec le cuboïde N/D/K, reconnaître les cas rares où un financement de la R&D est réellement nécessaire, et comprendre le vrai rôle du manager : affiner des outils génériques pour un domaine.

IA en entreprises

Le biais est un poison, et il est obligatoire. Abordez les défis éthiques et techniques du biais dans l'IA avec une taxonomie en six parties (ingénierie, échantillon, algorithme, culture, mesure, exclusion) et le verdict honnête : détecter un biais est facile, l'éliminer est impossible. L'équité n'est pas une réponse mathématique mais éthique ; nous devons choisir notre biais, en conscience, puis le mesurer.

Objectifs : Repartez capable de nommer les six types de biais dans votre propre système, de mesurer celui qui compte, et de défendre le choix d'équité que vous avez fait — avec des outils open source comme Fairlearn pour le faire.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Retracez le passage des premiers systèmes artisanaux à base de règles aux agents d'IA autonomes d'aujourd'hui capables de prendre des décisions indépendantes, à travers quatre âges : caractéristiques faites main, apprentissage profond, modèles de fondation et agents.

Objectifs : Sortez capable de situer n'importe quel outil d'IA qu'un fournisseur vous présente dans l'un des quatre âges, et de comprendre pourquoi les agents d'aujourd'hui sont une continuité, pas de la magie — pour juger la prochaine vague sans le battage.

IA de recherche
IA en entreprises

Deux post-mortems réels et sourcés, racontés honnêtement. Klarna annonce en 2024 que son assistant IA abat le travail d'environ 700 agents pour une amélioration de profit rapportée proche de 40 millions de dollars, puis fait machine arrière en 2025 et réembauche des humains pour la qualité et la confiance. Zillow Offers a laissé un algorithme acheter des maisons, a mal chiffré un marché qui se retournait, a passé une dépréciation supérieure à 500 millions de dollars et licencié environ un quart de ses effectifs. Lus côte à côte, ils dessinent une seule loi : l'autonomie n'est sûre qu'à hauteur de la réversibilité et du coût d'erreur de l'action qu'on l'autorise à prendre.

Objectifs : Repartir avec la matrice autonomie contre coût-fois-réversibilité, la lecture honnête de deux cas médiatisés (une embauche évitée n'est pas un licenciement de masse ; une dépréciation sur l'achat de maisons par algorithme, ou iBuying, est un échec de modèle de prix), et une grille des décisions qu'un agent peut prendre seul.

IA en entreprises
IA vis-à-vis de l'art, l'éthique et la philosophie

Le débat sur la réalité de l'IA est clos ; vos concurrents ont déjà cessé de l'avoir. La vraie question, celle d'un directeur financier, est le calendrier : pourquoi bouger cette année et pas dans trois ? Cette conférence y répond. L'IA est une bicyclette pour l'esprit, un outil de levier, pas un remplacement. Marc Andreessen disait en 2011 que le logiciel dévorait le monde ; aujourd'hui l'IA dévore le logiciel. Nous séparons le signal qui compose du battage par une lecture honnête de la place d'une technologie sur la courbe, jusqu'à ce qu'attendre cesse de paraître prudent pour devenir coûteux.

Objectifs : Une réponse en une phrase à donner à votre conseil sur pourquoi l'IA n'est pas une mode et pourquoi le calendrier compte, et une méthode anti-battage pour situer n'importe quelle technologie sur sa courbe d'adoption sans prédire de date.

IA en entreprises

Tout le monde garde le dessin du cerveau ; presque personne ne garde le dessin de la tuyauterie. Le modèle est un organe bon marché. Les 90%, c'est l'ingestion, l'annotation, le déploiement, la surveillance et les fils qui portent le signal de bout en bout, et c'est là que les projets d'IA vivent ou meurent vraiment. Le MLOps, c'est le DevOps des modèles avec deux migraines de plus : la donnée dérive, et il n'y a pas de code source à lire, seulement des poids à mesurer. Une conférence pour ingénieurs et managers techniques dans la même salle, assez de code pour être réel, assez de schémas pour être guidé.

Objectifs : Reconnaître chaque tuyau par son nom pour le staffer, le budgéter et l'auditer, comprendre la dérive des données et pourquoi des poids ne sont pas du code source, et voir pourquoi l'algorithme est la partie bon marché d'un système d'IA en production.

IA de recherche
IA en entreprises