COSMOimpulse IA Event Lyon (17/11) : venir avec des questions, repartir avec un plan

Tu veux un déploiement IA en entreprise. Pas une liste d’outils.

Un événement IA Lyon, c’est souvent la même histoire. Une matinée, des démos, des buzzwords, et tu repars avec 15 onglets ouverts et zéro décision. Si ton enjeu, c’est le déploiement IA entreprise (piloté, sécurisé, intégré, budgété), tu dois venir avec une grille. Sinon tu subis.

Le COSMOimpulse IA Event à Lyon coche un point intéressant : le programme annoncé met la data, la sécurité, la souveraineté et la gouvernance avant les sujets “agentiques” et l’intégration. C’est le bon ordre si tu veux parler mise en production, pas POC vitrine.

Voici comment préparer ta visite pour repartir avec 2 à 3 cas d’usage priorisés et une liste d’actions sur 30 jours, plutôt qu’un catalogue d’outils.

Infos utiles, factuelles (date, lieu, format)

• Date : mardi 17 novembre 2026.
• Format : durée annoncée 5 heures, participation gratuite sur inscription.
• Lieu : Microsoft Labs, Tour Silex2, 21e étage, 9 rue des Cuirassiers, 69003 Lyon (Part-Dieu).
• Public visé (selon l’organisateur) : responsables IT, DSI/CIO, responsables projets IA, dirigeants (PME, ETI, grands groupes).
• Programme annoncé : petit-déjeuner (9h), keynote état du marché IA, stratégie IA, bloc data (sécurité, souveraineté, gouvernance), IA agentique et 4 cas d’usage dans l’ERP Business Central, intégration de l’IA en entreprise, Q&R, déjeuner.
• Intervenants cités sur la page événement : COSMO CONSULT (dont Erik Córdova, Xavier Garonnat) et Stéphane Amarsy (conférencier IA).

Source : page COSMOimpulse IA Event Lyon sur cosmoconsult.com.

Pour qui c’est pertinent (et pour qui ça ne l’est pas)

Tu devrais y aller si tu es dans un de ces cas

• DG / direction métier : tu dois arbitrer une priorité IA avec un budget, un risque, et une attente de résultat. Tu veux des critères, pas des promesses.
• DSI / RSSI / data lead : tu as déjà des tests IA “dans les équipes” et tu dois passer à un pilote gouverné (accès, logs, données, conformité, exploitation).
• Responsable ERP, finance, opérations : les cas d’usage annoncés dans Business Central rendent la discussion concrète si ton SI tourne autour d’un ERP.
• Chef de projet IA : tu dois structurer la trajectoire “de l’idée au run”. Tu as besoin de séquencer et de cadrer.

Tu peux passer ton tour si tu cherches ça

• Un atelier technique hands-on : le format annoncé est plutôt conférence + échanges.
• Un comparatif neutre de tous les outils du marché : ce n’est pas l’objectif d’un événement organisé par un acteur.

Pourquoi “venir préparé” n’est pas optionnel en 2026

Le marché avance vite, mais l’industrialisation reste rare. Quelques repères chiffrés donnent le ton :

• 78% des organisations déclarent utiliser l’IA dans au moins une fonction (McKinsey).
• 65% déclarent utiliser régulièrement l’IA générative (McKinsey, early 2024).
• Seulement 11% utiliseraient la GenAI “à l’échelle” (référence McKinsey Tech Trends citée dans un support McKinsey).

Traduction : tout le monde teste, peu de monde déploie vraiment.

Et il y a un piège qui revient partout : le coût. Gartner alerte sur des dépassements importants quand la tarification est variable et non plafonnée (logique tokens/agents). Résultat : tu peux te faire embarquer dans un modèle économique instable si tu ne poses pas les questions tôt.

La règle simple qui évite le “POC théâtre”

Si tu veux repartir avec un plan de déploiement IA en entreprise, garde cet ordre de décision en tête. Il est basique, mais il sauve des mois.

• 1) Valeur métier : à quoi ça sert, comment on mesure, qui gagne quoi.
• 2) Contraintes : données, risques, conformité, sécurité, souveraineté.
• 3) Intégration SI : où ça se branche, avec quelles limites, et qui maintient.
• 4) Exploitation (run) : monitoring, incidents, coûts récurrents, MCO.
• 5) Choix d’outils : seulement maintenant tu parles stack, agents, plateformes.

Le programme annoncé du COSMOimpulse commence justement par data, sécurité, souveraineté, gouvernance. Profite-en. C’est là que tu obtiens des réponses qui tiennent en prod.

Avant de venir : remplis ce canevas “cas d’usage prioritaire” (10 minutes)

Imprime-le ou mets-le dans tes notes. L’objectif : poser des questions précises sur ton contexte, pas sur “ce que vous proposez”.

Canevas à copier-coller

• Processus ciblé : (ex : rapprochement facture, SAV niveau 1, prévision stock, relance devis)
• Douleur actuelle : (temps perdu, erreurs, délai, non qualité, risque, manque de visibilité)
• Volume : (nb de demandes/jour, docs/mois, tickets/semaine, lignes compta/mois)
• Impact business attendu : (heures économisées, baisse erreurs, délai, cash, satisfaction)
• Indicateur de succès : (1 à 3 KPI avant/après)
• Utilisateurs : (qui l’utilise, combien, niveau d’autonomie)
• Données nécessaires : (où elles sont : ERP, CRM, GED, mails, fichiers, BI)
• Données sensibles : (PII, RH, finance, santé, secrets industriels)
• Contraintes : (hébergement, souveraineté, audit, RGPD, traçabilité)
• Intégrations obligatoires : (ERP, M365, service desk, IAM, ETL, iPaaS)
• Risque principal : (fuite, erreur, action non autorisée, dérive coût, dépendance fournisseur)
• Horizon : (pilote 30 jours, prod 90 jours, ou plus)

Avec ça, tu transformes n’importe quel échange en mini atelier de cadrage. Et tu vois vite si la réponse est solide ou floue.

Les questions à poser sur l’industrialisation (celles qui te font gagner du temps)

Tu veux du concret : données, intégration, coûts, gouvernance, run. Voici une liste “sans bullshit”. Tu n’es pas obligé de tout poser. Prends celles qui collent à ton canevas.

1) Données : qualité, accès, préparation

• Quelles données minimales sont nécessaires pour que le cas d’usage marche en prod, pas en démo ?
• Quel est le plan de nettoyage typique (doublons, champs manquants, référentiels) et combien de temps ça prend ?
• Comment gérez-vous le droits d’accès aux données (par rôle, par dossier, par client) ?
• Est-ce que le modèle/agent peut écrire dans une base (ERP, CRM) ou seulement proposer ? Avec quels garde-fous ?
• Quels sont les jeux de tests recommandés avant la mise en production (cas limites, données sensibles, erreurs) ?

2) Sécurité et souveraineté : éviter la fuite “par design”

• Où transitent les données, et où sont-elles stockées (logs, prompts, pièces jointes) ?
• Qu’est-ce qui est désactivable (rétention, entraînement, historique, export) ?
• Comment gérez-vous l’identité (SSO, MFA, RBAC) et la séparation des environnements ?
• Quelles preuves fournissez-vous pour l’audit (journaux, traçabilité des actions, versioning des prompts/flows) ?
• Quel scénario “pire cas” avez-vous déjà traité (compte compromis, fuite, prompt injection) et quelles leçons ?

Si tu veux une base sur les garde-fous agents, tu peux aussi lire : https://lyon-ia.com/blog/agents-ia-en-production-garde-fous et https://lyon-ia.com/blog/securiser-un-agent-ia.

3) Intégration SI : le vrai point dur (pas la démo)

• Quelle est la méthode d’intégration la plus robuste dans votre retour terrain : API, iPaaS, RPA, plugins ERP ?
• Quels sont les points de casse fréquents (droits, formats, latence, quotas, changements d’API, mises à jour ERP) ?
• Comment gérez-vous les reprises sur erreur (workflow qui échoue, message non traité, action partiellement exécutée) ?
• Qui opère au quotidien : DSI, métier, prestataire ? Et avec quel outillage de monitoring ?

Sur la confusion fréquente orchestrateur / iPaaS / RPA, utile pour poser les bons mots : https://lyon-ia.com/blog/orchestrateur-ipaas-rpa-differences.

4) Coûts : ce que tout le monde sous-estime

• Quel est le modèle de coûts complet (licences, usage tokens, infra, intégration, run, sécurité, formation) ?
• Quels coûts explosent quand on passe de 20 à 200 utilisateurs ?
• Comment mettez-vous un plafond ou une alerte sur la conso (tokens, appels API, tâches agents) ?
• Quel est votre retour sur le coût du run (monitoring, incidents, évolutions, support) ?
• Quels indicateurs suivez-vous pour prouver un gain net, pas juste “les gens aiment bien” ?

Pour te remettre les idées au clair sur la facture : https://lyon-ia.com/blog/cout-du-token-facture-api-ia et, côté budget global : https://lyon-ia.com/blog/cout-projet-ia-generative-entreprise.

5) Gouvernance : qui décide, qui répond, qui signe

• Qui est owner du cas d’usage (métier), et qui est responsable des risques (DSI/RSSI) ?
• Quel est le process pour valider un nouveau cas : comité, registre, analyse d’impact, tests ?
• Comment évitez-vous la Shadow AI (outils non déclarés, données copiées, agents bricolés) ?
• Comment documentez-vous les usages, décisions, et changements (prompts, règles, datasets) ?

Si tu dois cadrer vite une gouvernance simple, ce guide est utile : https://lyon-ia.com/blog/gouvernance-ia-entreprise. Et côté Shadow AI : https://lyon-ia.com/blog/shadow-ai-en-entreprise-detecter-et-cadrer-les-usages-ia-non-autorises-checklist-rssi-lyon.

6) Exploitation (run) : la partie oubliée

• Qui reçoit l’alerte quand ça déraille (mauvaise réponse, action incorrecte, incident) ?
• Quel est le plan de rollback si le modèle change, si l’API est dépréciée, ou si la qualité baisse ?
• Comment mesurez-vous la dérive dans le temps (qualité, biais, hallucinations, performance) ?
• Quelle est votre stratégie “pas d’IA” quand ça tombe (mode dégradé) ?

Sur la logique anti panne API : https://lyon-ia.com/blog/fin-de-gpt-4o-et-depreciations-api-plan-anti-panne-pour-vos-apps-genai-a-lyon.

Évaluer la crédibilité des retours d’expérience : 8 critères anti-buzz

Un REX peut être solide. Ou juste une démo bien racontée. Pour trier vite pendant les échanges :

• 1) Le périmètre est clair : quel processus, quel service, combien d’utilisateurs, quel volume.
• 2) Il y a un “avant/après” mesuré : temps, erreurs, délais, satisfaction, cash. Pas “on a gagné en productivité”.
• 3) Les données sont décrites : sources, qualité, accès, sensibles ou non.
• 4) L’intégration SI est détaillée : APIs, outils, contraintes, qui maintient.
• 5) Les coûts sont abordés : pas forcément les chiffres exacts, mais la structure et les postes qui montent.
• 6) Les incidents sont assumés : ce qui a cassé, ce qui a été corrigé. Un projet “sans problème” est suspect.
• 7) Le run existe : monitoring, logs, support, formation, mises à jour.
• 8) Les limites sont dites : ce que l’IA ne fait pas, ou pas encore, et pourquoi.

Un bon test : demande “qu’est-ce que tu ferais différemment si tu recommençais ?”. La réponse te dit tout.

Logistique : comment y aller, et comment en tirer quelque chose

Le lieu est à Lyon Part-Dieu, aux Microsoft Labs (Tour Silex2). Simple pour venir en train, métro, tram, Rhônexpress. Si tu veux maximiser les échanges, arrive dès le petit-déjeuner (9h). C’est là que tu peux poser ton contexte sans micro et sans scène.

Astuce simple : viens à deux. Un profil métier, un profil IT/RSSI. Les bonnes décisions se prennent à deux voix. Sinon tu repars avec une “super idée” impossible à sécuriser, ou un “non” technique qui tue tout.

Mini plan de préparation en 45 minutes (la veille)

• 15 min : remplis le canevas “cas d’usage prioritaire” (un seul, pas trois).
• 10 min : liste tes 3 contraintes non négociables (données, conformité, budget, délai, souveraineté).
• 10 min : choisis 8 questions dans la liste industrialisation (pas plus).
• 10 min : prépare une phrase de contexte, claire et courte : “On veut automatiser X, on a Y volumes, on bloque sur Z.”

Si tu veux aller encore plus loin : 2 ressources internes utiles

• Questions prêtes à l’emploi (agents, automatisation, data) : https://lyon-ia.com/blog/cosmoimpulse-ia-event-lyon-17-novembre-12-questions-pour-trancher-agents-automatisation-data
• Checklist POC vers run côté DSI (MLOps, coûts, risques) : https://lyon-ia.com/blog/industrialiser-lia-en-dsi-a-lyon-1310-la-checklist-poc-vers-run-mlops-couts-risques

Ce que tu dois viser en sortant (et ce que tu notes pendant)

Objectif réaliste après 5 heures : pas “on déploie l’IA”. Objectif : une décision.

• 2 à 3 cas d’usage short-listés (avec KPI, données, risque principal, sponsor).
• Une liste d’actions 30 jours : cadrage, sécurité, intégration, pilote gouverné.
• Un point de vigilance coût : modèle de tarification, plafond, monitoring conso.
• Un propriétaire : qui porte le cas et qui tranche les arbitrages.

Note tout dans ce format, hyper simple :

• Décision : on lance / on stop / on décale.
• Raison : valeur ou risque.
• Prochaine étape : une action, un owner, une date.

Dernier rappel : tu n’achètes pas une IA, tu mets en place une capacité

Les chiffres le disent : beaucoup d’entreprises utilisent l’IA quelque part, peu la mettent à l’échelle. Le différenciateur n’est pas “le bon outil”. C’est la capacité à faire tenir ensemble valeur, données, sécurité, intégration et run.

Si tu vas au COSMOimpulse IA Event à Lyon le 17/11 avec un cas d’usage cadré et 8 questions d’industrialisation, tu changes la dynamique. Tu ne consommes pas un événement. Tu le transformes en comité de décision.

Sources : page COSMOimpulse IA Event Lyon (cosmoconsult.com) pour les informations pratiques et le programme ; McKinsey (State of AI) pour les taux d’adoption et d’usage ; Gartner (via itpro.com) pour les alertes coûts liées aux modèles de tarification variables.