IA en Entreprise : les acteurs européens ont des cartes à jouer.

Alors que les avancées agentiques des grands acteurs de LLM menacent les éditeurs « traditionnels » de logiciels, provoquant même une Saaspocalypse à la Bourse, l’adoption des technologies IA passera plus que jamais par un accompagnement des entreprises avec des ingénieurs mêlant compétences en datasciences et expertises métiers. Un modèle qualifié par les anglo-saxons de « Forward Deployed Engineers », symbolisé par le succès de Palantir et basé sur des managed services, à l’image des prestations réalisées par les spécialistes de la cybersécurité. Explications avec Jean Baptiste Bouzige, Président Fondateur de Ekimetrics, une pépite française créée il y a 20 ans, qui ambitionne de devenir le leader du déploiement de l’IA en entreprise, avec une reconnaissance déjà acquise pour le marketing et les fonctions commerciales. Ekimetrics propose des modèles prédictifs et de l’analyse de données pour améliorer les prises de de décisions.

Pouvez-vous rapidement présenter Ekimetrics ?

Nous avons fondé Ekimetrics il y a 20 ans maintenant. Nous comptons 200clients, la plupart listés dans le Fortune 500, dans une centaine de pays, que nous accompagnons pour améliorer la prise de décision dans les domaine marketing et commercial Nous avons des bureaux à Paris, New York, Portland, Londres, Hong Kong et Shanghai. Notre effectif rassemble 500 personnes, dont 400 data scientists ou engineers, ce qui est un profil d’entreprise assez unique.

Que pensez-vous de l’apport des LLM et des agents IA pour les entreprises ?

Les grands modèles de langage, les LLM ont fait tomber la barrière de l’adoption de l’IA. Ils permettent d’interroger de grandes bases de données en langage naturel, sans disposer de compétences précises en datascience. Puis viennent les agents intelligents qui vont automatiser et orchestrer des tâches avec toujours plus de valeur ajoutée. Les LLM, en l’état actuel, ne peuvent résoudre les tâches très spécifiques et très complexes comme la prise de décision. Quant aux agents, la problématique est toujours la même : sur quelles données s’appuient-ils, où s’arrête la supervision humaine, quels garde-fous mettre en place ? La complexité est déplacée derrière une formule rhétorique, mais elle est toujours là. Et avec des entreprises qui sont encore très silotées, améliorer la prise de décision dans le domaine marketing et commercial implique de tout synchroniser, du choix du plan media à l’animation des forces de vente, en passant par l’établissement des prix et des promotions. Il faut arriver à créer une vraie fluidité, ce que les anglo-saxons appellent la « connective tissue », entre plusieurs modèles pour orchestrer les processus clés de la prise de décision. C’est une véritable ingénierie des systèmes de prises de décision.

Et donc, quelle est la particularité du modèle Ekimetrics ?

Utiliser des modèles d’IA générative, des LLM donc, nécessite, pour les déployer en entreprise, de les entraîner et de les paramétrer de façon spécifique, quasiment du sur mesure à chaque fois. Cela nécessite beaucoup d’ingénieurs, de datascientistes, et d’expert métier pour spécialiser, on dit distiller dans le jargon, un modèle générique. Or, la propriété intellectuelle sur ces modèles est établie sur des modèles prépackagés. Les grands acteurs sont donc dans l’obligation d’adopter le modèle « Forward Deployed Engineers » pour déployer leur technologie chez les clients, à l’image de ce que fait Palantir. Mais il faut repartir de quasiment zéro à chaque client. Or, pour monétiser leurs technologies, les grands acteurs du LLM sont contraints d’aller vers l’applicatif.

Nous avons réalisé le chemin inverse, ce qu’on pourrait appeler le « Backward Deployed Ingeneer » en partant des besoins des clients, nous avons automatisé et plateformisé la couche entre les deux : les modèles et l’intelligence bruts d’un côté. De l’autre les besoins métiers. Nous comptons 400 ingénieurs et datascientists qui ont cette capacité à se positionner à l’intersection du business et des modèles. A ma connaissance, notre positionnement est assez unique. Nous avons bâti une offre avec des accélérateurs technologiques, des modèles spécifiques pré packagés pour accélérer le déploiement à l’échelle des grands groupes tout en gardant la précision et la contextualisation, qui est primordiale dans la prise de décision. C’est un modèle assez proche de celui des acteurs de la cybersécurité qui proposent une plateforme technologique assortie de « Managed Services ». Nous sommes rentables, mais nous avons fait le choix d’un investissement conséquent dans la R&D plutôt que de nous contenter de marges plus confortables en facturant des jours hommes.

Comment les entreprises perçoivent-elles ce modèle ?

Il y a une courbe de maturité qui s’affine, notamment chez les clients qui ont essuyé un peu tous les plâtres. Ceux qui ont essayé des solutions clés en main, en Saas, qui peuvent coûter cher en intégration tout en manquant de précision. Ceux qui ont embauché beaucoup de datascientistes en les débauchant des cabinets de conseil sans pouvoir en exploiter tout le potentiel. Ceux qui ont acheté des startups puis se sont rendus compte qu’ils n’étaient pas des entreprises tech et que c’est extrêmement compliqué de gérer ce type de solutions, d’absorber les évolutions technologiques de plus en plus rapides. In fine, nombre de ces entreprises commencent à voir l’intérêt des « Managed Services » pour le déploiement de l’IA.

Tout le monde s’accorde à dire que le fossé se creuse entre les États-Unis et l’Europe. A-t-on encore une carte à jouer, sur le Vieux Continent ?

Cela dépend de la course à laquelle on veut participer. Si on joue la course des chiffres (capacités de calcul, investissements…), là c‘est sûr que le fossé se creuse. Mais on peut tirer notre épingle du jeu si on considère un autre angle. L’incantation » tout le monde doit faire de l’IA » est un peu trop vague et ce n’est pas le bon objectif. Ce qui compte c’est de trouver, pour chaque entreprise, quelque processus clés et éléments de différenciation qu’il s’agit de repenser ou d’améliorer et qui ont un gros impact sur la compétitivité. Je crois que cette différenciation vient des marques, des produits, de l’expérience client, et l’IA n’est là «que» pour sublimer, réaffirmer, réinventer cette différenciation. En Europe, nous sommes bien placés pour cela car nous avons une forte culture d’ingénieur, c’est-à-dire de gens formés à la résolution de problèmes sous contrainte.

Pour finir, quid de la souveraineté, comment les entreprises s’organisent ?

De notre côté, nous pensons que la complète souveraineté sur les infrastructures, le stack, est extrêmement difficile à atteindre. Il y a trop d’interdépendances : les puces, les processeurs, les machines pour graver les puces, les modèles, les datacenters… De notre côté, nous nous imposons d’être très agile, voire versatile. D’une part pour absorber l’innovation technologique. Et, d’autre part pour accompagner nos clients qui, je le rappelle sont des grands groupes internationaux, et se posent la question de la résilience : que se passe-t-il si tel ou tel fournisseur arrête sa prestation ?

Et si on décrète la souveraineté sur le stack, on va avoir tendance à cloisonner les marchés, pour, in fine, avoir des leaders locaux. Je pense qu’il y a néanmoins des positions fortes à prendre sur l’applicatif où on peut avoir des champions mondiaux. Nous ambitionnons d’être leader sur les solutions d’IA à l’échelle, en commençant par les fonctions marketing et commerciales, mais il y a des filières industrielles à organiser, et des grandes causes comme la santé ou le climat où tant de choses restent à inventer. Il y a aujourd’hui une grande émulation sur toute la chaine de valeur IA à Paris. Enfin, une autre facette de la souveraineté c’est la frugalité. Quand il s’agit de déployer des modèles, même spécifiques, même bien distillés, pour des dizaines de marques dans plusieurs dizaines de pays, pour un grand groupe, il faut optimiser les consommations (énergie, puissance de calcul…). Et là, encore une fois, l’Europe est bien placée avec ses ingénieurs, formés à la résolution de problèmes sous contraintes.

Pour lire la newsletter Prisme #16 dans son intégralité