CODIR Data & IA à Lyon (12/11) : la checklist dirigeant pour industrialiser l’IA en 90 jours

Jimmy Manin Publié le 25 octobre 2026 11 min de lecture

Tu as des POC qui tournent. Des démos qui impressionnent. Et pourtant, rien ne passe vraiment en production. Ou pire, ça passe en douce, dans un coin, sans garde-fous. C’est exactement le sujet de l’afterwork « Passer de l’expérimentation à l’industrialisation » organisé chez ELLISPHERE à Lyon (74 rue Gorge de Loup, 69009), jeudi 12 novembre 2026, à partir de 17h30. Format CODIR, sur inscription, 40 places, avec retours d’expérience et échanges entre pairs. Source : ellisphere.com.

L’objectif ici n’est pas de rajouter un “projet IA” de plus. C’est de décider, au bon niveau, ce que veut dire industrialisation IA dans ton entreprise. Process, data, sécurité, change, run, budget. Et de sortir avec des décisions tranchées, pas des intentions.

CODIR Data IA : de quoi parle-t-on quand on dit “industrialiser l’IA” ?

Industrialiser, ce n’est pas “mettre le POC sur un serveur”. C’est transformer une expérimentation en service exploitable, avec des critères de réussite définis dès le départ : données, intégration SI, sécurité, KPI, support. Sinon tu crées un “POC éternel” qui consomme du temps, puis finit abandonné. C’est un point martelé dans les guides opérationnels publics sur le passage POC vers production. Source : entreprises.gouv.fr.

Traduction CODIR, l’industrialisation IA couvre au minimum :

Un produit (pas une démo) : un cas d’usage stabilisé, une cible d’utilisateurs, un niveau de service, un plan de support.
Une data “prête à l’emploi” : sources identifiées, propriétaires, fréquence de mise à jour, qualité mesurée, trous de données assumés ou corrigés. Source : entreprises.gouv.fr.
Une intégration SI : fini le point-à-point “spaghetti”. Tu vises interopérabilité, dictionnaire socle, portabilité, et réversibilité contractuelle. Source : entreprises.gouv.fr.
Une exploitation : séparation dev/test/prod, durcissement des accès, logs, supervision, tests d’abus, plan de retour arrière. Critique pour assistants et chatbots GenAI. Source : entreprises.gouv.fr.
Une gouvernance IA : un cadre de pilotage du risque. Par exemple, le NIST AI RMF structure le sujet en Govern, Map, Measure, Manage. Source : nvlpubs.nist.gov.
Un système de management si tu veux aller plus loin : ISO/IEC 42001:2023 sert de référence pour structurer responsabilités, audits et amélioration continue. Source : iso.org. À Lyon IA, on a un décryptage orienté PME ici : https://lyon-ia.com/blog/isoiec-42001-ia-a-quoi-sert-la-norme-et-comment-une-pme-lyonnaise-sen-inspire.

Donc oui : industrialiser, c’est un sujet de CODIR data IA. Parce que ça touche aux risques, au budget, à la conformité, et à l’organisation. Pas juste à “l’outil”.

Stratégie IA Lyon : les signaux qui montrent que tu dois basculer (maintenant)

Le bon moment, ce n’est pas quand “tout est prêt”. C’est quand l’entreprise commence à payer le prix de l’expérimentation permanente. Voilà les signaux concrets à surveiller, typiques des entreprises qui passent à l’échelle IA.

1) Shadow AI : l’IA est déjà dans la boîte, sans toi

Quand les équipes utilisent des outils grand public sans cadre, tu as un risque direct : fuite de données, non-conformité, décisions non traçables. Et plus ça dure, plus tu institutionnalises le contournement. Les guides publics citent explicitement ce risque “shadow AI” comme déclencheur de cadrage. Source : entreprises.gouv.fr.

Pour poser le diagnostic côté sécurité, tu peux t’appuyer sur ces contenus Lyon IA :

2) Coûts API qui montent sans propriétaire

Au début, la facture paraît faible. Puis l’usage se diffuse, les prompts s’allongent, les tests se multiplient, et tu te retrouves avec des “AI bills” inattendues qui tapent le budget IT. C’est un signal d’industrialisation : tu dois mettre du pilotage FinOps, des quotas, et un arbitrage clair entre API propriétaires, modèles ouverts, et hébergement. Source : itpro.com.

3) Incidents data : “ça marche”, sauf quand ça casse

Un POC peut tolérer des données incomplètes. En production, non. Dès que la donnée devient le frein numéro un (disponibilité, qualité, fraîcheur), tu es mûr pour industrialiser : responsabilités data, qualité mesurée, et pipeline robuste. Gartner pointe la donnée comme défi majeur, et anticipe des abandons de projets quand la data n’est pas “AI-ready”. Source : gartner.com.

4) Beaucoup de POC, peu de prod : ton portefeuille IA est en train de se vider de sa valeur

Si tu as 10 POC et 0 passage en run, tu n’as pas un “problème de techno”. Tu as un problème de décision : valeur floue, risques pas traités, data pas prête, coûts pas tenus. Gartner prévoyait qu’au moins 30% des projets GenAI seraient abandonnés après POC pour ces raisons. Source : gartner.com.

5) RSSI et DPO arrivent “trop tard” : la production se transforme en mur

Quand sécurité et RGPD arrivent en bout de chaîne, tu te prends un stop. Ou tu forces, et tu crées une dette de risque. Les recommandations opérationnelles insistent sur l’implication dès le cadrage. Source : entreprises.gouv.fr.

Si ton enjeu c’est la conformité, tu peux repartir de ces bases Lyon IA : https://lyon-ia.com/blog/rgpd-et-ia-en-entreprise et https://lyon-ia.com/blog/ai-act-a-lyon-ce-qui-sapplique-deja-et-ton-plan-30-jours-usages-contrats-preuves.

Gouvernance IA : ce que le CODIR doit poser, même si tu “n’es pas technique”

Industrialiser l’IA, ce n’est pas déléguer “au data”. C’est définir le cadre de décision : qui peut lancer quoi, avec quelles données, quel niveau de risque accepté, et comment on prouve qu’on maîtrise.

Deux repères utiles :

NIST AI RMF : un cadre de gestion des risques IA, pour arrêter de piloter au feeling. Source : nvlpubs.nist.gov.
ISO/IEC 42001:2023 : une structure de système de management IA (responsabilités, audits, amélioration continue). Source : iso.org.

Ce que tu dois viser n’est pas “la norme parfaite”. C’est un minimum viable de gouvernance IA : registre des usages, règles d’accès, validation des cas sensibles, et un pilotage KPI et risques. Lyon IA a un point de départ concret ici : https://lyon-ia.com/blog/gouvernance-ia-entreprise.

Passage à l’échelle IA : les livrables à viser en 90 jours (pas des slides)

Si tu sors d’un CODIR en disant “on va industrialiser”, il te faut des livrables datés. 90 jours, c’est un bon horizon : assez court pour forcer les arbitrages, assez long pour sécuriser un premier run.

Livrable 1 : une short-list de 3 cas d’usage “production-ready”

1 cas orienté efficacité interne (support, juridique, RH, finance).
1 cas orienté revenu (vente, marketing, upsell, churn).
1 cas orienté risque (conformité, fraude, contrôle qualité).

Critère : un propriétaire métier, une donnée accessible, un KPI mesurable, et un risque maîtrisable.

Livrable 2 : une “fiche produit” par cas (cadrage exécutable)

Objectif et périmètre (ce que l’IA fait, et ne fait pas).
Données utilisées (sources, sensibilité, conservation).
Modèle et approche (RAG, fine-tuning, règles, hybride).
Intégration SI (où ça vit, comment ça s’authentifie, quels logs).
Plan de tests (qualité, sécurité, abus, dérives).
Plan de déploiement (pilote, ramp-up, support, rollback).

Livrable 3 : un “socle data IA” minimal

Propriétaires de données (data owners) nommés.
Règles de qualité sur 5 indicateurs simples (complétude, exactitude, fraîcheur, cohérence, duplicats).
Catalogue minimum : quelles tables, quels documents, quelles API, et qui y a droit.

Livrable 4 : un pack sécurité et conformité prêt pour la prod

Séparation dev/test/prod et gestion des secrets.
Contrôles d’accès, journalisation, supervision.
Tests d’abus (prompt injection, exfiltration, contournements).
Règles RGPD : base légale, minimisation, conservation, droits.

Pour accélérer, tu peux t’appuyer sur : https://lyon-ia.com/blog/injection-de-prompt-securite, https://lyon-ia.com/blog/securiser-un-agent-ia et https://lyon-ia.com/blog/politique-conservation-donnees-ia.

Livrable 5 : un tableau de bord KPI et risques

KPI valeur : temps gagné, coûts évités, conversion, satisfaction, taux de résolution.
KPI qualité : taux d’erreur, taux de rejet humain, dérive, couverture.
KPI risque : incidents data, alertes sécurité, non-conformités, accès anormaux.
KPI coûts : tokens, appels API, coût par tâche, coût par utilisateur.

Si tu veux une méthode de mesure avant/après : https://lyon-ia.com/blog/mesurer-gain-reel-usage-ia et https://lyon-ia.com/blog/mesurer-la-valeur-de-ses-projets-ia-sortir-du-flou-en-2026.

Checklist CODIR Data & IA : 10 décisions à trancher (sinon tu n’industrialises pas)

Voilà la checklist “CODIR data IA” à poser sur la table. Dix décisions binaires ou presque. Tant que ce n’est pas tranché, ton passage à l’échelle IA reste du théâtre.

1) Périmètre : quels métiers et quels processus sont autorisés en priorité, et lesquels sont exclus (pour l’instant) ?
2) Niveau de risque accepté : quels usages tolèrent une erreur, lesquels exigent validation humaine, lesquels sont interdits ?
3) Données : quelles sources sont “IA-ready” aujourd’hui, qui en est propriétaire, et quel budget pour corriger la qualité ?
4) Modèle : API propriétaire, modèle open weights, petit modèle local, ou mix ? Décision guidée par coûts, confidentialité, performance, réversibilité.
5) Hébergement : cloud public, cloud souverain, on-prem, hybride ? Et qui valide la résidence et la souveraineté des données ?
6) Architecture d’intégration : comment tu évites les intégrations point-à-point ? Qui possède les connecteurs, l’authentification, l’observabilité ?
7) Conformité : qui signe RGPD, qui suit AI Act, quel registre des usages, quelles preuves tu dois produire si contrôle ?
8) Sécurité : quelles règles pour les accès, les secrets, les logs, les tests d’abus, et le plan de rollback ?
9) Pilotage : quel sponsor CODIR, quel product owner métier, quel rythme de revue (mensuelle minimum), et quels KPI de décision ?
10) Compétences : tu fais avec l’interne, tu recrutes, tu t’appuies sur un partenaire, ou tu mixes ? Et qui est responsable de monter les équipes ?

Si tu veux un format “qui décide quoi” adapté aux petites et moyennes structures, tu peux partir d’ici : https://lyon-ia.com/blog/gouvernance-ia-entreprise.

Pourquoi ce format à Lyon est intéressant pour des dirigeants

Parce que c’est un format pair à pair, ciblé CODIR, et orienté retours d’expérience. D’après l’annonce : table ronde animée par Gaël Philippe, avec notamment Appart’City (DSI), et une promesse centrée sur les leviers concrets du passage à l’échelle (gouvernance, organisation, conduite du changement). Source : ellisphere.com.

Et surtout, c’est local. Lyon 9e. Tu viens avec tes contraintes réelles : SI hétérogène, équipes sous tension, exigences clients, pression conformité. Tu repars avec des arbitrages comparables à ceux des autres boîtes de la métropole et de la région.

Plan d’attaque simple pour repartir avec des décisions dès le 12/11

Si tu vas à cet afterwork, viens préparé. Sinon tu vas juste écouter des histoires, et lundi tu rebascules en mode POC.

Avant : liste 5 POC en cours, et pour chacun note 1 KPI valeur, 1 risque majeur, 1 blocage data, 1 blocage IT.
Pendant : force la discussion sur 3 sujets qui tuent les projets : données, sécurité, coûts. Pas sur “le modèle”.
Après : bloque un créneau CODIR de 45 minutes pour trancher les 10 décisions de la checklist, même partiellement.

Tu veux aller vite côté exécution : commence par verrouiller les bases “hygiène” (shadow AI, accès, conservation, logs), puis bascule sur un cas d’usage qui a un propriétaire métier et une donnée propre. Pour cadrer l’industrialisation côté DSI, tu peux aussi t’appuyer sur : https://lyon-ia.com/blog/industrialiser-lia-en-dsi-a-lyon-1310-la-checklist-poc-vers-run-mlops-couts-risques.

Ce que tu dois obtenir en sortie : un “oui” qui engage, pas un “on verra”

Industrialiser l’IA, c’est décider de mettre l’IA sous contrôle. Sous contrôle budgétaire. Sous contrôle sécurité. Sous contrôle métier. Et sous contrôle conformité.

Si tu repars du 12/11 avec une seule chose, vise celle-ci : un engagement 90 jours sur 3 cas d’usage maximum, avec un sponsor CODIR, un budget, des KPI, et un pack gouvernance IA minimal. C’est ça, le passage à l’échelle IA. Pas une nouvelle démo.