Cap’IA 2026 à Lyon (8 décembre) : repars avec 3 cas d’usage priorisés et un plan 60 jours

Une journée IA qui sert (vraiment) aux décideurs, pas aux touristes

Tu vois le tableau. Dans ta boîte, l’IA arrive souvent par la bande. Un collaborateur teste un outil. Un autre copie-colle des bouts de docs dans une IA grand public. Et toi, tu découvres ça trop tard, quand la question n’est plus “on teste ?” mais “on a exposé quoi, à qui, et avec quelles règles ?”.

Ce décalage est documenté : parmi les salariés qui utilisent des logiciels d’IA au travail, 55% disent ne pas en informer leur hiérarchie (étude Ifop pour LearnThings, résultats publiés le 18/01/2024, via Newstank RH). Cap’IA 2026, porté par Minalogic, se positionne justement sur ce passage à l’action cadré : arrêter l’IA en mode sauvage, et repartir avec des idées concrètes à mettre en prod.

Le 8 décembre 2026, à Lyon, l’événement vise une promesse simple : une journée, une table ronde, des ateliers participatifs, et de quoi enclencher des projets concrets. Source : page événement Minalogic.

Cap’IA 2026 Lyon : les infos factuelles (et utiles)

• Date : 8 décembre 2026
• Édition : 2e édition
• Format : une journée, avec table ronde et ateliers participatifs orientés mise en œuvre
• Lieu : I-Factory, Université de Lyon, 10 avenue Jean Capelle Ouest, 69100 Villeurbanne (campus de la Doua)
• Organisateur : Minalogic

Sources : Minalogic, page Cap’IA 2.

À noter : Minalogic met aussi en avant un point qui parle à toutes les directions générales et DSI. Souvent, l’IA arrive d’abord par les usages collaborateurs, avant d’être cadrée stratégiquement. Traduction : si tu ne poses pas vite des règles, tu vas faire de la gouvernance en mode pompier.

À qui s’adresse Cap’IA (et qui a intérêt à y aller)

Cap’IA n’est pas vendu comme une grand-messe “inspiration”. L’ADN annoncé est atelier, échanges, expérimentation. Donc si tu viens, il faut venir avec un vrai sujet.

Profils typiques qui en tirent de la valeur

• Dirigeants PME/ETI qui veulent un premier déploiement utile, pas un POC vitrine.
• Directions métiers (opérations, supply, commerce, finance, RH, qualité) qui ont des irritants mesurables et des données qui dorment.
• DSI, RSSI, DPO, responsables data qui veulent cadrer l’usage (outils, données, accès, logs, conformité) sans tuer l’initiative.
• Innovation / transformation qui doivent sortir une roadmap crédible et priorisée.

Qui risque de repartir frustré

• Ceux qui viennent “voir ce qui se fait” sans problème concret à résoudre.
• Ceux qui veulent directement choisir un outil (“on veut un chatbot”) au lieu d’un objectif (“on veut réduire de 30% le délai de réponse sur 3 motifs”).
• Ceux qui n’ont aucune visibilité sur leurs données, même approximative.

Objectif terrain : repartir avec 3 cas d’usage priorisés et un plan de déploiement

Minalogic promet de repartir avec des idées concrètes pour tes projets. Pour un décideur, “idées” ne suffit pas. Ce que tu veux à la fin de la journée, c’est :

• 3 cas d’usage classés (priorité 1, 2, 3), pas une liste de 20.
• Une décision de go/no-go sur un pilote.
• Un plan 30 à 60 jours : périmètre, équipe, données, critères de succès, risques.

La méthode ci-dessous colle au format atelier. Elle t’aide à “gagner” la journée : arriver préparé, arbitrer vite, repartir prêt.

Avant de venir : la préparation qui fait gagner une semaine

Les ateliers participatifs, c’est simple : ceux qui ont de la matière avancent. Les autres brainstorment. Donc tu prépares trois blocs : données, processus, contraintes.

1) Données : inventaire minimal (pas un audit à 6 chiffres)

Tu n’as pas besoin d’un data catalog complet. Tu as besoin d’une cartographie utilisable en atelier.

• Sources : ERP, CRM, ticketing, GED, e-mails, production, achats, qualité, RH. Note si c’est on-prem, SaaS, exportable.
• Objets métiers : exemples concrets (tickets support, devis, commandes, logs machine, comptes-rendus). Même un échantillon, c’est déjà énorme.
• Qualité : manquants, doublons, formats éclatés, champs texte non structurés. Ne mens pas. Une IA, ça n’invente pas une donnée propre.
• Confidentialité : données clients, contrats, RH, propriété intellectuelle. Marque ce qui ne doit pas sortir d’un périmètre maîtrisé.

2) Processus : 1 à 2 irritants, pas plus

Choisis des irritants qui ont un coût visible.

• Délais de traitement, goulots, pics d’activité.
• Erreurs récurrentes, non-qualité, ressaisies.
• Irritants clients : répétitions, réponses lentes, manque de traçabilité.

Et surtout : clarifie où se prend la décision. Qui valide ? Qui exécute ? Qui contrôle ? Un cas “faisable tech” mais bloqué orga, ça te fait perdre 3 mois.

3) Contraintes : sécurité, RGPD, intégration

Si tu ne poses pas ces contraintes avant, tu vas prioriser un cas que tu devras tuer ensuite.

• Sécurité : hébergement, accès, journalisation, gestion des droits, secrets API.
• RGPD : données personnelles, base légale, minimisation, durées de conservation, sous-traitants.
• Industrialisation : intégration SI, support, MCO, conduite du changement.

Petit rappel utile : Minalogic cite le baromètre Ifop-Talan 2025 selon lequel 15% des utilisateurs professionnels d’IA générative auraient bénéficié d’une formation. Si tu veux déployer sans dérapage, la montée en compétence fait partie du plan, pas de l’après.

Étape 1 : choisir un cas d’usage utile (impact, faisabilité, risques)

Tu veux sortir de Cap’IA avec 3 cas d’usage priorisés. Donc tu as besoin d’une grille simple, pas d’un roman.

La grille de tri en 10 minutes par cas

• Impact : gain de temps mesurable, baisse d’erreurs, amélioration délai, conformité, satisfaction client. Mets un chiffre, même estimé.
• Faisabilité : données disponibles, accès possible, sponsor métier identifié, intégration raisonnable.
• Risques : confidentialité, juridique, réputation, qualité de sortie (hallucinations si génération), dépendance fournisseur.

Le piège classique : partir d’un outil

“On veut un chatbot” n’est pas un cas d’usage. C’est une solution. Le cas d’usage, c’est : quel problème, quel périmètre, quel résultat attendu.

• Mauvais : “mettre un assistant IA au support”.
• Bon : “réduire de 30% le temps de réponse sur 3 motifs récurrents, sur la base de la base de connaissances existante, avec escalade humaine obligatoire”.

3 familles de cas d’usage qui passent bien en entreprise

• Recherche et synthèse interne : retrouver vite une info fiable dans un corpus (procédures, specs, qualité, juridique).
• Automatisation de flux : tri, extraction, routage, remplissage, relance, contrôle.
• Aide à la décision cadrée : scoring, priorisation, détection d’anomalies, à condition d’avoir un humain responsable.

Étape 2 : cadrer la gouvernance (data, sécurité, RGPD)

Cap’IA est une bonne occasion de remettre l’église au milieu du village : l’IA en entreprise, ce n’est pas “un outil de plus”. C’est un nouveau canal d’accès aux données, et parfois un nouveau canal d’action (agents, automatisations). Donc tu cadres.

Les rôles minimum à définir (même en PME)

• Sponsor métier : celui qui possède le problème et arbitre.
• Référent data : celui qui sait où sont les données et ce qu’elles valent.
• Référent sécurité (ou RSSI si tu en as un) : celui qui fixe les règles d’accès, de logs, d’hébergement.
• DPO (ou référent RGPD) : celui qui challenge le cadre, surtout si données personnelles.
• Responsable de pilote : celui qui fait avancer en 30 à 60 jours.

Les règles qui évitent le “shadow AI”

Si tu sais que des usages non déclarés existent à grande échelle (55% dans l’étude Ifop pour LearnThings, sur les salariés qui utilisent des IA au travail), tu ne peux pas te contenter d’interdire. Tu dois organiser.

• Données autorisées et interdites : clair, écrit, compris.
• Outils autorisés : et pour quels usages (bureautique, code, support, analyse).
• Traçabilité : qui a accès, qui a fait quoi, logs et rétention.
• Gestion des droits : moindre privilège, revues d’accès.

Si tu veux une base solide côté cadrage des usages non autorisés, tu peux aussi poser le sujet avec cette ressource Lyon IA : Shadow AI en entreprise : détecter et cadrer les usages IA non autorisés (checklist RSSI Lyon) https://lyon-ia.com/blog/shadow-ai-en-entreprise-detecter-et-cadrer-les-usages-ia-non-autorises-checklist-rssi-lyon

Le point qui bloque le plus : RGPD et conservation

Deux questions tuent des projets tardivement : “sur quelle base légale ?” et “on conserve combien de temps ?”. Anticipe. Pour cadrer proprement, ces deux contenus aident à préparer tes décisions avant et après Cap’IA :

• RGPD et IA en entreprise : ce que vous pouvez faire, ce que vous ne pouvez pas https://lyon-ia.com/blog/rgpd-et-ia-en-entreprise
• Écrire une politique de conservation des données pour ses outils IA https://lyon-ia.com/blog/politique-conservation-donnees-ia

Étape 3 : définir un pilote 30 à 60 jours avec critères de succès

Le bon pilote n’est pas un “POC pour voir”. C’est un test court qui tranche une décision : on déploie, on change d’approche, ou on abandonne.

Le cadre d’un pilote qui tient en une page

• Périmètre : un service, un flux, un type de document, un canal.
• Données : quelles sources, quels champs, quelles exclusions.
• Utilisateurs : petit groupe, motivé, disponible.
• Règles : ce que l’IA a le droit de voir et de faire. Et ce qu’elle ne fera jamais.
• Mesure : avant/après, et pas “ressenti”.

Des critères de succès qui ne se discutent pas

• Qualité : taux d’erreur acceptable, taux de réponses inutiles, taux d’escalade.
• Gain : minutes économisées par dossier, délai moyen, capacité absorbée en pic.
• Risque : incidents évités, fuites évitées, conformité maintenue.
• Adoption : taux d’usage réel, satisfaction des équipes, points de friction.

Pour cadrer la mesure, garde une méthode simple : un avant/après sur un périmètre stable. Si tu veux un cadre prêt à l’emploi : Mesurer le gain réel d’un usage IA : la méthode avant / après https://lyon-ia.com/blog/mesurer-gain-reel-usage-ia

Le pilotage sécurité dès le pilote (pas après)

Si ton pilote touche des données sensibles, tu intègres la sécurité dès le jour 1 : droits, logs, secrets, et tests basiques d’exposition. Sinon, tu vas “réussir” un pilote que tu ne pourras jamais industrialiser.

Sur le cadrage des agents et des accès, ce contenu Lyon IA peut te servir de check de bon sens : Agents IA en production : les cinq garde-fous à poser https://lyon-ia.com/blog/agents-ia-en-production-garde-fous

Ton plan de match pour Cap’IA 2026 (simple et efficace)

Si tu es décideur, voilà comment tu maximises la valeur de la journée.

Avant (J-7 à J-1)

• Choisis 2 irritants maximum, décrits avec des chiffres (volume, délais, erreurs).
• Apporte une carto data d’une page (sources, accès, sensibilité, qualité).
• Liste 3 contraintes non négociables (hébergement, RGPD, SI, sécurité).
• Viens avec un binôme si possible : métier + IT/data. À défaut, appelle ton DSI avant pour valider ce qui est réaliste.

Pendant (le 8 décembre)

• Évalue chaque idée avec la grille impact, faisabilité, risques.
• Force la sortie en top 3, puis choisis un pilote.
• Écris le pilote en une page : périmètre, data, règles, mesure, critères.

Après (J+2 à J+10)

• Fais valider le pilote par métier + sécurité + RGPD, vite.
• Bloque un créneau de lancement, avec une cible claire : résultat mesuré à J+30.
• Si ça marche, prépare le passage “run” : support, coûts, responsabilités.

Ce que tu dois viser en sortant de l’I-Factory

Cap’IA 2026 Lyon, si tu le joues bien, te donne une chose rare : de la clarté. Pas “on devrait faire de l’IA”. Mais :

• 3 cas d’usage classés, avec un rationnel.
• 1 pilote prioritaire, faisable en 30 à 60 jours.
• Des règles minimales de gouvernance pour éviter l’IA fantôme et les blocages sécurité/RGPD en fin de projet.

Ton prochain pas est simple : choisis dès maintenant un irritant, rassemble ton mini inventaire data, et arrive le 8 décembre avec une intention de décision. Une journée, c’est court. Mais avec la bonne préparation, ça suffit pour repartir avec un plan exécutable.

Sources : page Cap’IA 2 (Minalogic) https://www.minalogic.com/evenements/capia-2/ ; étude Ifop pour LearnThings (résultats publiés le 18/01/2024, via Newstank RH) https://rh.newstank.fr/article/view/312506/fantasmes-angoisses-mepris-salaries-ia-etude-ifop-learnthings.html ; citation Minalogic du baromètre Ifop-Talan 2025 sur la formation (via la page événement).