Data & IA à Lyon (Lyon Data Science, au TUBÀ) : 10 sujets pour venir bloqué, décider

Un bon meetup ne te donne pas des idées. Il te débloque.

Tu connais le scénario. Un projet data ou IA démarre fort. POC propre. Démo qui claque. Puis ça cale. Qualité de données douteuse. MLOps absent. Facture LLM qui grimpe. Juridique qui bloque. Métiers qui n’adoptent pas. Et tu repars en réunion, encore, avec “des pistes”.

Les tables rondes “blocages et retours terrain” de Lyon Data Science au TUBÀ sont pensées pour l’inverse : pas de conf, pas de slides, des échanges entre participants sur des problèmes concrets. C’est précisément le bon format pour arriver avec un blocage réel et repartir avec une décision testable.

Point de vigilance sur la date : le sujet mentionne “01/12 au TUBÀ”. À la date du jour (10 novembre 2026), je ne vois pas de fiche publique confirmant un événement Lyon Data Science au TUBÀ le 1er décembre 2026. La page Meetup de Lyon Data Science affiche un événement “Data & IA à Lyon : projets, blocages et retours terrain” au TUBÀ le 10 novembre 2026 à 18h30. À toi de vérifier la bonne date côté organisateurs si tu vises une édition future. Le guide ci-dessous reste valable pour toutes les éditions.

Repères locaux (pour comprendre le format)

• Lieu : TUBÀ, 15 boulevard Marius Vivier Merle, 69003 Lyon, secteur Part-Dieu, pratique pour un public pro.
• Format : discussions portées par les participants, sans présentation à préparer.
• Taille : la communauté Lyon Data Science est affichée à 4 911 membres sur Meetup (ordre de grandeur).
• Configuration utile : le TUBÀ dispose d’espaces adaptés aux petits groupes (typiquement 5 à 12 personnes, ou 10 à 20 personnes selon les salles). Parfait pour creuser un blocage en 45 minutes sans faire du théâtre.

Objectif : choisir un blocage “réel”, pas un sujet “intéressant”

Si tu viens avec “On veut faire de l’IA générative, des retours ?”, tu repars avec… des opinions. Si tu viens avec un blocage précis, tu repars avec un plan.

Le test en 3 questions

• Est-ce actuel ? Ça te bloque ce mois-ci, pas “un jour peut-être”.
• Est-ce mesurable ? Temps, coût, qualité, risque, adoption. Quelque chose qui se voit.
• Est-ce dans ta zone de contrôle ? Tu peux décider, ou au moins influencer une décision dans les 2 à 4 semaines.

5 familles de blocages qui “répondent bien” en table ronde

• Data quality : tu ne fais pas confiance aux données, tu ne sais pas où mettre l’effort.
• MLOps et run : ça marche en notebook, ça casse en prod (drift, versions, incidents).
• Coût LLM : impossible d’estimer, de plafonner, de refacturer, donc ça n’industrialise pas.
• Conformité et données sensibles : “peut-on envoyer ça vers une API externe ?”, flou contractuel, RGPD, sécurité.
• Adoption : POC validé, mais usage réel faible, process non adaptés, pas de rôles clairs.

La règle d’or : une question qui se résout en 45 minutes

Une table ronde n’est pas un audit. Tu as peu de temps. Donc tu dois venir avec une question décisionnelle, pas une question encyclopédique.

Ce qui marche : la question “A ou B, dans ce contexte”

Structure simple :

• Contexte (90 secondes max)
• Deux options (ou trois max)
• Une contrainte dure (budget, délai, conformité, infra, skills)
• Une décision attendue (ce que tu veux trancher ce soir)

Exemples de questions bien cadrées

• “On a 3 sources CRM incohérentes. On doit livrer un scoring en 6 semaines. On commence par règles de qualité sur 10 champs critiques ou par reconcilier l’ID client partout ? Qu’est-ce que tu ferais et pourquoi ?”
• “On veut un assistant interne sur notre base documentaire. Option A : SaaS avec connecteurs. Option B : RAG auto-hébergé. Contrainte : données sensibles. Quels garde-fous minimum pour démarrer sans se bloquer ?”
• “Notre modèle dérive chaque mois. Option A : monitoring léger + alertes. Option B : pipeline de réentraînement. On a 1 data engineer. Quelle version ‘minimal viable MLOps’ tu mets en place ?”

La trame à utiliser sur place : Problème, Contrainte, Métrique, Prochaine étape

Tu veux capter des retours terrain sans partir dans tous les sens. Utilise une trame unique, répétable, qui tient en une note.

• Problème (1 phrase) : “On veut X, mais Y nous bloque.”
• Contrainte (liste courte) : budget, délai, RGPD, infra, compétences, dépendances SI.
• Métrique (1 à 2 indicateurs) : coût, taux d’erreur, délai, précision, taux d’adoption, incidents.
• Prochaine étape (action testable) : expérimentation 2 semaines, instrumentation, pilote sur 1 flux, revue sécurité, etc.

Cette trame évite deux pièges : le récit interminable, et les débats “philosophiques” sur l’IA.

10 sujets de blocage à amener (et le type de décision à viser)

Ci-dessous, 10 sujets probables pour une rencontre data IA Lyon en format table ronde. Chaque sujet vient avec une décision réaliste à obtenir, pas un “plan sur 6 mois”.

1) Data quality : “Je ne fais pas confiance à mes données”

Blocage : tu as des dashboards contradictoires, un modèle instable, des champs incomplets, et tu ne sais pas par où commencer.

Décision à viser : sélectionner 10 règles de qualité et 2 sources à fiabiliser d’abord, pas toute l’entreprise.

• Métrique : taux de complétude sur champs critiques, taux de doublons, taux d’erreurs de jointure.
• Prochaine étape : audit ciblé sur un flux, avec règles automatisées et rapport hebdo.

2) Identité client ou produit : “Nos clés ne matchent pas”

Blocage : impossible de consolider, donc impossible d’apprendre proprement.

Décision : créer une clé de référence (même imparfaite) et une table de mapping, ou lancer un chantier MDM.

• Métrique : taux de match, taux de collisions, temps perdu en réconciliation manuelle.

3) MLOps : “Ça marche en POC, pas en run”

Blocage : pas de versioning, pas de monitoring, personne n’ose mettre en prod.

Décision : définir un socle minimal (logs, traçabilité, rollback, seuils d’alerte) avant toute nouvelle feature.

• Métrique : incidents/mois, temps de retour arrière, drift détecté vs drift subi.

4) Observabilité ML : “On ne voit pas la dérive”

Blocage : tu découvres les problèmes via les réclamations métier.

Décision : choisir 3 signaux à monitorer (data drift, performance proxy, taux d’erreurs) et un rituel de revue.

• Métrique : délai de détection, taux de faux positifs, coût d’incident.

5) Évaluation GenAI : “On ne sait pas mesurer”

Blocage : chacun juge “à l’œil”. Ça part en débat.

Décision : construire un jeu de 30 questions représentatives + critères d’acceptation simples (exactitude, sources, style, refus).

• Métrique : taux de réponses acceptées, taux d’hallucinations, temps de relecture.

6) Coût des LLM : “La facture est imprévisible”

Blocage : tu ne sais pas estimer le coût à l’usage, donc tu ne sais pas engager le run.

Décision : poser un plafond (budget mensuel, coût par tâche) + une stratégie de réduction (caching, modèles plus petits, routage, limitation contexte).

• Métrique : coût par ticket, coût par document, coût par utilisateur actif.

7) Données sensibles : “Qu’est-ce qui peut sortir vers une API externe ?”

Blocage : peur de fuite, blocage sécurité, incertitude RGPD.

Décision : définir un périmètre autorisé (types de données, finalités) et un process (anonymisation, masquage, DPA, conservation).

• Métrique : nombre d’exceptions, délais de validation, volume de données exposées.

8) Sécurité GenAI : “Prompt injection, fuites, jailbreak”

Blocage : tu as un assistant branché sur des outils, et tu sens que c’est fragile.

Décision : choisir 3 garde-fous non négociables (contrôle d’accès, filtrage des actions, journalisation) avant d’ouvrir à plus d’utilisateurs.

• Métrique : tentatives bloquées, actions sensibles, comptes à privilèges exposés.

9) Adoption interne : “Personne n’utilise le truc”

Blocage : outil livré, usage faible. Les équipes contournent, ou reviennent au manuel.

Décision : identifier un workflow où l’outil est obligatoire, et définir un propriétaire métier responsable du succès.

• Métrique : taux d’utilisateurs actifs, taux de tâches faites via l’outil, gain temps avant/après.

10) Make or buy : “On part sur quel stack sans s’enfermer ?”

Blocage : peur du lock-in, peur de réinventer la roue, manque de compétences.

Décision : établir 5 critères et trancher pour un pilote : intégration SI, sécurité, coût, réversibilité, time-to-value.

• Métrique : délai pour livrer une v1, coût total sur 3 mois, effort d’intégration.

Comment capter des retours d’expérience IA sans te perdre

Une table ronde te donne surtout du retour d’expérience IA. Mais seulement si tu sais le provoquer.

Les 6 questions qui déclenchent du terrain

• Qui a déjà eu exactement ce problème ?
• Qu’est-ce que vous avez tenté en premier ?
• Qu’est-ce qui a cassé ? (budget, orga, données, sécurité, sponsor)
• Qu’est-ce qui a vraiment marché ? (pas “en théorie”)
• Quelles conditions de succès ? (pré-requis, rôle, outillage, gouvernance)
• Si c’était à refaire, vous feriez quoi en 2 semaines ?

Ta prise de notes doit être binaire

• À copier : une pratique, un outil, un rituel, une règle, une métrique.
• À éviter : anti-pattern, fausse bonne idée, dette créée, escalade de coûts.
• À tester : une expérience courte avec un go/no-go clair.

Ton script sur place (45 minutes, chrono)

0 à 2 min : annonce la décision que tu veux

“Je veux trancher entre A et B pour débloquer X, cette semaine.”

2 à 5 min : contexte compressé

• Secteur et flux concerné
• Ce qui a déjà été tenté
• Contrainte dure
• Métrique actuelle (même approximative)

5 à 35 min : collecte de retours terrain

Tu poses la question, puis tu forces les exemples concrets. Tu coupes les digressions.

35 à 45 min : verrouille une prochaine étape

• Une action en 2 semaines
• Une métrique
• Un responsable
• Un go/no-go

Après la table ronde : transforme “des idées” en décision

Le vrai risque, c’est de ressortir motivé, puis de ne rien faire. Donc tu fais simple.

• Dans les 24 h : tu réécris ton sujet en 5 lignes avec la trame Problème, Contrainte, Métrique, Prochaine étape.
• Dans la semaine : tu lances une expérience courte (2 semaines max) avec un seuil d’acceptation.
• Au bout de 2 semaines : tu fais un go/no-go. Tu arrêtes si ça ne bouge pas la métrique.

Liens utiles sur Lyon IA pour préparer ton blocage

• Pour cadrer une discussion “décisionnelle” : https://lyon-ia.com/blog/table-ronde-data-ia-a-lyon-1011-tuba-viens-bloque-repars-avec-un-plan
• Pour une liste de blocages fréquents et fixes : https://lyon-ia.com/blog/lyon-data-science-tables-rondes-retombees-terrain-et-12-blocages-ia-et-fixes
• Pour industrialiser 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
• Pour comprendre et piloter le coût (tokens) : https://lyon-ia.com/blog/le-cout-du-token-explique-lire-une-facture-dapi-dia
• Pour cadrer conformité et usages : https://lyon-ia.com/blog/rgpd-et-ia-en-entreprise

Check-list ultra courte avant d’y aller

• 1 blocage, pas trois.
• 1 décision à obtenir.
• 1 métrique qui dira si ça marche.
• 2 options maximum.
• 90 secondes de contexte.
• 1 prochaine étape testable en 2 semaines.

Ce que tu dois viser en sortant

Si tu sors avec “on devrait…”, tu as perdu ton temps. Si tu sors avec “d’ici vendredi, on teste X sur Y, on mesure Z, et on tranche”, tu as gagné.

Le format table ronde, surtout dans un lieu comme le TUBÀ avec des échanges en petits groupes, est fait pour ça. Viens avec un blocage IA entreprise concret. Parle chiffres, contraintes, run. Écoute les anti-patterns. Et repars avec une décision.