Salon Big Data & IA 2025 : entre promesses et réalité terrain

Les 1er et 2 octobre derniers, je me suis rendu au Salon Big Data & IA à Paris avec une question simple : où en est réellement l’intelligence artificielle en France ? Au-delà du buzz et des annonces marketing, j’y ai trouvé des signaux clairs, des doutes et aussi quelques belles découvertes. Et voici ce que j’en retiens.

Jour 1 : Entre vision stratégique et mise en garde

Cédric Villani ouvre le bal 👍

Difficile de rêver meilleure ouverture. Cédric Villani, médaille Fields et auteur du fameux rapport parlementaire de 2018 sur l'IA, est venu dresser un bilan sans concession.

Ce qui m'a marqué :
Contrairement à ce qu'on pourrait croire, son rapport de 2018 reste étonnamment pertinent. Un tiers des recommandations ont été complètement mises en œuvre, ce qui est énorme pour un rapport parlementaire. Mais ce qui m'a vraiment interpellé, c'est sa franchise sur l'impact environnemental de l'IA.

En 2018, on se posait encore la question : l'IA sera-t-elle bonne ou mauvaise pour l'écologie ? En 2025, le verdict est sans appel selon lui : "résolument, l'IA n'est pas une bonne nouvelle pour l'écologie". Pas seulement à cause de la consommation énergétique, mais aussi de la diversion massive de capitaux qui auraient pu servir la transition écologique.

Il a aussi insisté sur la souveraineté européenne. Sans être anti-américain (il a d'ailleurs fait une partie de sa carrière là-bas), il pointe une dépendance devenue "insupportable". Et quand il évoque le fait que des dirigeants américains lors du forum européen d’Alpbach lui ont dit en off "quand est-ce que vous comprendrez que l'Amérique n'est pas votre amie ?"... ça fait réfléchir.

Le message à retenir : L'IA est un sujet total, technique, certes, mais aussi géopolitique, écologique, économique et philosophique. Et l'Europe doit arrêter de penser que la réglementation suffira.

Orange Business et la méthodologie projet : une approche structurée 🤔

Le Head of AI d'Orange Business nous a présenté une méthodologie "ultra-agile" en 7 streams pour mener des projets d'IA générative et agentique. Et franchement, la structure est bien pensée.

Ce qui mérite d'être souligné :

• 4 streams principaux (stratégie, ingénierie des données, développement, industrialisation)
• 3 streams transverses (IA de confiance, conduite du changement, FinOps/GreenOps)
• Une approche en parallèle plutôt que séquentielle, qui casse les silos

L'idée de traiter la gouvernance, l'éthique et le FinOps/GreenOps comme des streams continus tout au long du projet, c'est vraiment pertinent. Trop souvent, ces aspects sont traités en fin de projet, quand il est trop tard pour ajuster.

Mon seul regret : J'aurais aimé entendre un ou deux cas concrets où ils ont dû adapter cette méthode face à l'imprévu. Parce que c'est dans les ajustements qu'on voit vraiment la robustesse d'une approche. Mais peut-être que le format court de la présentation ne s'y prêtait pas.

Le message à retenir : Orange Business propose une vraie feuille de route pour industrialiser l'IA. Et quand on sait que 80% des projets IA n'arrivent jamais en production, avoir une méthode éprouvée, c'est précieux.

Jems et l'IA agentique : un aperçu prometteur 🤔

Jems (en partenariat avec Google) nous a présenté un système multi-agentique pour une société de leasing automobile. Le cas d'usage est bien choisi : gérer de bout en bout la demande d'un client qui a eu un accident (déclaration sinistre, vérification contrat, réservation véhicule de remplacement).

L'architecture est intelligente :

• Un orchestrateur qui pilote 4 agents spécialisés (contrat, sinistre, réparation, location)
• Chaque agent a accès à une base de données spécifique et à des fonctionnalités métier
• Le tout connecté à un système permettant validation humaine si nécessaire

C'est exactement ce dont on parle partout en ce moment : des agents spécialisés qui collaborent pour résoudre un problème complexe.

Ma réserve : La démo était très fluide, peut-être un peu trop ? J'aurais été curieux de voir un cas limite, une situation où le système demande validation humaine, ou même une erreur et comment on la corrige. Parce que c'est dans ces moments-là qu'on voit vraiment la robustesse d'un système agentique.

Suadeo pour la Région Pays de la Loire : la bonne surprise 👍

La Région Pays de la Loire est venue présenter son déploiement de Suadeo, une plateforme data avec IA intégrée.

Pourquoi j'ai adoré :
C'était concret, ils ont montré leur plateforme en live, avec des vrais tableaux de bord utilisés quotidiennement par leurs agents.

Ensuite parce que l'IA était bien positionnée : elle accompagne, elle facilite, elle enrichit... mais elle ne remplace pas l'expertise métier. Les agents créent leurs propres dashboards, l'IA les aide à interroger les données, à faire des prédictions, à structurer l'information.

Et surtout, la démo était vraiment impressionnante. L'IA présente partout dans l'interface, capable de répondre à des questions complexes sur les données de formation, de transport, de patrimoine... le tout pensé pour des non-techniciens.

Pour les plus curieux, voici le replay :

Le message : Quand une collectivité publique réussit mieux qu'une grosse boîte tech à montrer un cas d'usage IA convaincant, c'est qu'il y a quelque chose de juste dans l'approche.

Jour 2 : Place aux acteurs innovants

Quandela et le quantique pour l'IA 🤯

Bon, je l'avoue, le quantique, c'est pas mon domaine. Mais la présentation de Quandela m'a vraiment interpellé.

L'idée : Utiliser des ordinateurs quantiques photoniques comme accélérateurs pour l'IA. Pas pour tout remplacer, mais pour apporter de nouvelles "primitives de calcul" qui pourraient changer la façon dont les réseaux de neurones fonctionnent.

La métaphore utilisée était brillante : ce n'est pas le hardware qui a révolutionné l'IA (les GPUs existaient), mais des innovations algorithmiques (word embeddings, attention mechanism, transformers). Et si le quantique pouvait apporter la prochaine innovation algorithmique ?

Ils ont même gagné un challenge Airbus/BMW en ajoutant une couche quantique à un modèle classique de traduction d'images jour/nuit. Résultat : meilleure fidélité ET réduction des hallucinations.

C'est loin d'être mature, on est encore au stade de la R&D... mais c'est passionnant.

H Company : l'ancien de Palantir qui voit grand 🤩

Là, j'ai eu un vrai coup de cœur. Le CEO de H Company Gautier Cloix est venu parler de "computer use", la prochaine génération d'agents IA.

Le concept est simple mais puissant : Au lieu de configurer des agents avec des APIs et des accès spécifiques, leurs agents agissent comme des humains. Ils se loguent sur un ordinateur, apprennent à utiliser les interfaces... même s'ils ne les ont jamais vues avant.

"Vous êtes une banque avec un logiciel custom pour la gestion de prêts ? Notre agent n'a pas besoin de l'avoir déjà vu. Il va apprendre à l'utiliser comme un humain."

Leur vision : Passer de 70% du temps passé sur des tâches qui ne correspondent pas à notre "superpouvoir" à 0%. Un médecin devrait faire du soin, pas de la saisie de données. Un analyste devrait analyser, pas copier-coller entre 5 logiciels.

Et ils sont meilleurs que les Chinois et les Américains sur les benchmarks de computer use. Une startup française, leader mondial sur cette techno. Ça fait du bien !

Malt et les compétences tech de demain 👍

Malt a partagé les tendances de leur plateforme (bientôt 1 million de freelances). Quelques insights clés :

• L'AI Engineer est le nouveau Data Scientist (croissance x5 en 12 mois)
• Le RAG explose (x17), les entreprises sont encore à ce stade : connecter des LLMs à leurs données internes
• Le Prompt Engineer existe... mais aux US, on parle déjà de Context Engineer
• Deux profils opposés sont recherchés : soit des experts ultra-spécialisés, soit des profils très larges (full-stack + data + low-code)

Ce qui m'a frappé : on est encore loin des agents autonomes. La majorité des entreprises en sont au stade "assistant IA avec RAG". Et c'est déjà énorme.

Ce que ça révèle sur la maturité du marché :
Si le RAG explose à ce point (x17 !), c'est parce que les entreprises sont encore dans une phase d'apprentissage. Elles expérimentent avec des cas d'usage simples mais déjà très utiles : connecter un LLM générique à leurs bases de connaissances internes.

C'est moins sexy que les agents autonomes dont tout le monde parle, mais c'est pragmatique. Et surtout, ça marche. Un assistant intelligent qui peut répondre aux questions RH en s'appuyant sur le règlement intérieur, ou un chatbot support qui connaît toute la documentation produit, ça change déjà la vie.

L'autre tendance intéressante : La montée du low-code/no-code. Avec l'IA, on voit une réaccélération de ces outils (Zapier, Make, Bubble...). Pourquoi ? Parce que beaucoup d'entreprises veulent intégrer rapidement leurs assistants IA dans leurs workflows existants, sans repartir de zéro sur du développement custom.

Résultat : les profils recherchés évoluent. D'un côté, on veut des experts ultra-spécialisés (AI Engineer qui maîtrise LangChain, Data Executive qui définit la stratégie). De l'autre, on cherche des profils très larges : full-stack + data + low-code, capables de naviguer entre différentes briques tech pour aller vite.

Mon ressenti : C'est exactement le bon timing pour se lancer. Les entreprises ne sont pas encore au stade des systèmes multi-agentiques ultra-sophistiqués. Elles cherchent des gens capables de les aider à passer de "on teste ChatGPT en interne" à "on a un assistant métier connecté à nos données qui tourne en production".

Et ça, franchement, c'est déjà un sacré défi. Mais c'est aussi une opportunité énorme pour les talents qui savent faire ce pont entre la tech et les besoins métier.

CBTW et l'IA agentique "pour de vrai" 👍

Pour clôturer, CBTW est venu avec des vrais cas clients et une approche pragmatique :

Les exemples concrets :

• Un chatbot pour vendre de l'assurance (collecte de docs, génération d'offres)
• Un système e-commerce qui structure les données produits et traduit les demandes clients
• Un outil de conformité qui transforme des règles en français en tests techniques automatisés

Le message clé : L'IA n'est qu'une partie de la solution. Elle doit s'intégrer avec le SI, le code, l'automation. Et surtout, il faut penser vision globale des cas d'usage, pas un par un.

Ils ont aussi insisté sur les standards émergents (MCP, A2A) qui montrent que la techno mature.

Ce que je retiens de ces deux jours

1. L'IA devient pragmatique
   On sort de la phase "exploration" pour entrer dans "l'exploitation". La techno se stabilise, se normalise. C'est le bon moment pour se lancer.
2. Mais l'écart entre le discours et la réalité reste important
   Trop de présentations sont encore du marketing déguisé. Les meilleures interventions ? Celles qui parlaient des limites, des échecs, des cas où ça ne marche pas.
3. La France a de vrais atouts
   Quandela sur le quantique, H Company sur le computer use, Mistral AI (évoqué plusieurs fois)... On a des champions. Il faut les soutenir.
4. L'humain reste central
   Presque toutes les interventions l'ont répété : l'IA augmente, elle ne remplace pas. En tout cas, pas pour l'instant. Et quand elle remplace des tâches, elle en crée souvent d'autres.
5. On est loin des agents autonomes généralisés
   La réalité du terrain : RAG, assistants, automation simple. C'est déjà puissant. Les systèmes multi-agentiques ultra-autonomes ? C'est pour plus tard.

Et maintenant ?

Si je devais résumer ces deux jours en une phrase : l'IA est là, elle fonctionne, mais il faut garder les pieds sur terre.

Les cas d'usage concrets existent. Les outils maturent. Les acteurs français innovent. Mais il reste du boulot sur la sobriété énergétique, la souveraineté, et surtout... sur la capacité à distinguer l'utile du gadget.

Moi, en tout cas, je repars avec des idées plein la tête. Et l'envie de creuser particulièrement deux sujets : le computer use (H Company) et les plateformes data + IA pour les collectivités (Suadeo).

FAQ : Tout savoir sur le Salon Big Data & IA Paris