Lyon DSI Club (13/10) : prépare ton REX IA pour obtenir une décision, pas des idées

Le 13/10 à Lyon, on vient parler IA… mais surtout arbitrages

Les réunions IA en entreprise finissent souvent pareil : beaucoup d’idées, peu de décisions. Le problème n’est pas l’ambition. C’est le format. Tant que ton retour d’expérience IA ressemble à une démo ou à une suite d’intuitions, un comité DSI ne peut pas trancher.

Le Lyon DSI Club organise une rencontre centrée IA le mardi 13 octobre 2026, avec une promesse explicite : dépasser “l’effet waouh” pour parler industrialisation, adoption, création de valeur, via des retours d’expérience et des échanges entre pairs. C’est annoncé publiquement sur LinkedIn. L’événement a lieu chez AXOPEN, 235 cours Lafayette, 69006 Lyon, gratuit sur inscription, places limitées.

Si tu y vas, viens avec un REX qui sert à quelque chose : une décision de go, de no go, ou de scale. Pas un brainstorming.

Pourquoi c’est le bon moment d’être carré (et pas “inspirant”)

L’IA se diffuse vite, mais la mise en production durable reste le point dur. Quelques chiffres pour recadrer.

• 10 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une techno d’IA en 2024, contre 6 % en 2023 (INSEE).
• Chez les 250+ salariés, on monte à 33 % (INSEE). Donc tes pairs avancent. Et ils arbitrent plus vite.
• À l’international, 71 % des répondants disent que leur organisation utilise régulièrement l’IA générative dans au moins une fonction (McKinsey, State of AI).
• Et côté maturité : 45 % des organisations “matures” gardent leurs initiatives IA en production au moins 3 ans (Gartner). La question n’est plus “faire un POC”, mais tenir.

Donc oui, tu peux arriver avec un POC “cool”. Mais si tu ne sais pas expliquer comment tu passes de POC à run, tu n’obtiens pas un budget. Tu obtiens un “à creuser”. Et tu repars avec une to-do.

Lyon DSI Club IA : à qui ça s’adresse, et pourquoi tu devrais y aller avec un seul cas

Ce format est fait pour les gens qui doivent décider ou faire décider : DSI, responsables data/IA, RSSI, responsables produit SI, chefs de projet transfo, et aussi des acteurs de terrain qui ont déjà mis les mains dans un pilote.

Tu peux venir avec plusieurs idées en tête. Mais pour un échange utile entre pairs, viens avec un seul cas d’usage, et documente-le proprement. Un cas, bien cadré, bat trois idées floues.

Le “kit minimal” à amener pour un retour d’expérience IA qui obtient des décisions

Tu veux une discussion qui tranche ? Apporte ces cinq pièces :

• 1 cas d’usage formulé en une phrase (verbe + objet + périmètre + fréquence).
• 1 coût complet (POC + prod + run + conduite du changement).
• 1 jeu de données clairement décrit (source, volumétrie, qualité, droits).
• 1 risque principal (RGPD ou sécurité), et comment tu le réduis.
• 1 KPI de valeur (et idéalement un KPI de qualité ou de risque).

C’est la base pour parler industrialiser un POC IA et gouvernance IA entreprise sans tourner autour du pot.

Ce qu’un comité DSI arbitre vraiment (et ce qui bloque 80 % des projets)

Un comité DSI ne valide pas “de l’IA”. Il valide un changement dans un système, un process, une gestion de risque, un budget, une équipe.

1) Périmètre et valeur

Tu dois répondre à : qui gagne quoi, quand, et sur quel process réel.

• Process cible, irritant actuel, volume, saisonnalité.
• Sponsor métier nommé, utilisateurs identifiés, critères d’adoption.
• Impact attendu : temps, qualité, revenus, risque, conformité.

2) Coût complet, pas coût du POC

Le POC, c’est l’entrée. La prod, c’est la facture.

• Infra (cloud ou on premise), stockage, réseau, sauvegardes.
• Licences et consommation (tokens, appels API, outils de monitoring).
• MCO : supervision, astreinte, patch, mises à jour modèle, gestion des versions.
• Sécurité : durcissement, IAM/SSO, logs, tests, audits.
• Conduite du changement : formation, support, documentation, refonte process.

Si tu veux cadrer ça proprement, tu peux t’appuyer sur le sujet “coût réel” déjà traité sur Lyon IA : Combien coûte vraiment un projet d’IA générative en entreprise.

3) Données : disponibilité, qualité, droits

Sans données propres, tu n’as pas un projet IA. Tu as un atelier.

• Sources : ERP, CRM, GED, tickets support, mails, fichiers partagés.
• Qualité : doublons, champs vides, référentiels incohérents.
• Droits : qui a le droit d’utiliser quoi, et à quelle fin.
• Traçabilité : versioning, journalisation, reproductibilité.

4) Risques : RGPD et sécurité, pas en annexe

Le risque, ce n’est pas une slide “compliance” à la fin. C’est un critère d’arbitrage.

La CNIL insiste sur des points très concrets : confidentialité et intégrité des données d’entraînement, gestion des versions, journalisation, et analyse de risques spécifiques (dont la possibilité d’extraire des données personnelles depuis un modèle). Elle note aussi que pour certains usages de genAI impliquant des données personnelles ou de la documentation sensible (RAG), un déploiement on premise peut être plus opportun pour limiter certains risques.

Pour un rappel opérationnel côté entreprise, tu peux relire : RGPD et IA en entreprise : ce que vous pouvez faire, ce que vous ne pouvez pas et, si ton sujet est genAI + fuite d’info : CNIL et vols de données : 8 mesures anti « fuite via IA ».

5) Mesure : KPI, seuils et critères stop/scale

Sans mesure, pas de décision. Et sans seuil, pas d’arbitrage.

• KPI valeur : temps gagné, taux de résolution, réduction d’erreurs, délai de cycle.
• KPI qualité : taux d’hallucination acceptable, précision, rappel, taux d’escalade humain.
• KPI risque : incidents, fuites évitées, conformité, logs complets.
• Critères stop/scale : à partir de quand on coupe, à partir de quand on industrialise.

Si tu veux une méthode simple avant/après, c’est ici : Mesurer le gain réel d’un usage IA : la méthode avant / après.

Mini-canevas : ton retour d’expérience IA en 10 minutes (chronométré)

Objectif : être partageable entre pairs, et exploitable en comité. Tu parles 10 minutes, pas 30. Le reste, c’est des questions.

0. La phrase d’ouverture (10 secondes)

“On a tenté X pour résoudre Y, sur Z utilisateurs. Voilà ce que ça a coûté, ce qui a bloqué, et ce qu’on décide.”

1. Contexte (45 secondes)

• Organisation et SI : contraintes (legacy, cloud, souveraineté, réseau).
• Douleur : où ça fait mal, combien de fois par semaine, impact actuel.
• Sponsor : qui porte, qui paie, qui change le process.

2. Cas d’usage (1 minute)

• Formule : verbe + objet + périmètre + fréquence.
• Process avant/après : 2 ou 3 étapes max.
• Qui valide la sortie : humain, règle métier, double contrôle.

3. Données (1 minute)

• Sources + volumétrie + format (texte, PDF, images, tickets).
• Qualité : ce qui manquait, ce qui était faux.
• Droits : bases légales, accès, conservation.
• Traitements : anonymisation ou pseudonymisation si nécessaire.

4. Solution et passage POC vers production (2 minutes)

• Build vs buy : pourquoi.
• Architecture : où tourne le modèle, où vont les données, comment ça s’intègre (SSO, API, SI métier).
• MLOps/LLMOps : logs, monitoring, gestion des versions, drift, rollback.
• Ce qui a été indispensable pour passer en run : pipeline data, gouvernance prompts, contrôles de sortie, gestion des droits.

Si ton cas touche au RAG, tu peux t’appuyer sur : RAG : comment faire répondre une IA sur vos propres documents. Et si tu es encore au stade cadrage : Cadrer un projet IA : la méthode en quatre étapes.

5. Coût complet (1 minute)

• Coût POC (jours.homme + outils + infra).
• Coût prod (intégration, sécurité, industrialisation).
• Coût run mensuel (consommation, MCO, support, évolution).
• Coût caché : formation, documentation, gestion du changement.

6. Risque principal (1 minute)

• Risque RGPD ou sécurité numéro 1 (un seul).
• Mesures : réduction, transfert, acceptation, ou abandon.
• Contrôles : logs, red teaming, tests d’injection, cloisonnement.

Pour le volet sécurité LLM, utile en comité : Sécuriser vos LLM en production : menaces et parades et Injection de prompt : la faille que les entreprises sous-estiment.

7. KPI et résultats (2 minutes)

• KPI avant, KPI après, période de mesure.
• Ce qui a vraiment bougé, ce qui n’a pas bougé.
• Adoption : taux d’usage, points de friction, raisons de non-usage.

8. Décision demandée (1 minute)

• Ce que tu demandes : budget, ressources, arbitrage archi, validation RGPD, choix fournisseur.
• Options : stop, continue (avec corrections), scale.
• Prochaine étape en 30 jours : livrable concret.

La liste de questions à poser pour challenger un projet IA en comité DSI

Tu peux utiliser cette grille telle quelle. Elle force la clarté. Et elle évite l’IA “gadget”.

Valeur et périmètre

• Quel processus exact on change, et qui le possède ?
• Quel irritant on supprime, mesuré comment ?
• Qui est responsable si la sortie est fausse ?
• Quel est le plan si l’IA n’est pas adoptée (process fallback) ?

Données

• Quelles sources, quelles règles de qualité, quel “owner” data ?
• Est-ce qu’on a le droit d’utiliser ces données pour cet usage précis ?
• Quels champs contiennent du personnel, du sensible, du secret d’affaires ?
• Comment on versionne les datasets et on rejoue les runs ?

Industrialisation du POC IA

• Qu’est-ce qui manque aujourd’hui pour passer de démo à production ?
• Qui maintient, qui opère, qui supporte ?
• Quelles dépendances SI (SSO, API, réseau, poste de travail, outil métier) ?
• Quel monitoring : qualité, dérive, coût, incidents ?

Coût complet et pilotage

• Quel est le coût mensuel en run, et ce qui le fait varier (usage, tokens, stockage) ?
• Quel est le coût de sécurisation (logs, tests, audit, durcissement) ?
• Quel est le coût humain (temps métier, formation, support) ?
• Quel est le point mort : à partir de quel volume l’IA devient rentable ?

Risque, conformité, gouvernance IA entreprise

• Quel est le scénario de fuite de données le plus probable ?
• Quelles mesures empêchent l’exfiltration via prompts ou connecteurs ?
• Quelle politique de conservation, suppression, et traçabilité ?
• Quel fournisseur, quelles clauses, quelle réversibilité ?

Pour structurer “qui décide quoi” (utile si ton organisation part de zéro), tu peux t’appuyer sur : Gouvernance de l’IA : qui décide quoi dans une entreprise de cinquante personnes.

Ce que tu dois préparer la veille (checklist simple)

• Une page avec ton cas d’usage, ton KPI, ton risque principal, ton coût run estimé.
• Un exemple concret de données d’entrée et de sortie (anonymisé si besoin).
• Un “avant/après” du process en 5 lignes.
• Un point de blocage réel (sécurité, données, adoption, intégration) à soumettre aux pairs.
• Une décision que tu veux débloquer dans les 30 jours.

Sur place : joue le format “pairs”, pas le pitch

Un bon échange entre DSI, c’est :

• du contexte, mais pas d’histoire longue,
• des chiffres, même imparfaits,
• un risque assumé,
• une décision claire à la fin.

Si tu viens pour “prendre des idées”, tu en auras. Si tu viens pour “obtenir un arbitrage”, tu dois donner de la matière à arbitrer.

Si tu débutes : commence par les questions, pas par le choix du modèle

Si c’est ta première initiative IA, ne commence pas par “quel LLM on prend”. Commence par ce que le comité doit trancher. Lyon IA a déjà posé une base de questions orientées décision, utile avant l’événement : Décideurs IT à Lyon : 12 questions avant ta première initiative IA (Lyon DSI Club, 13/10).

Ce que tu peux obtenir du 13/10 si tu fais le boulot

Un Lyon DSI Club IA utile, ce n’est pas une salle qui applaudit une démo. C’est une salle qui t’aide à répondre à :

• est-ce qu’on a un cas d’usage assez net pour passer en prod,
• ce qui manque pour industrialiser un POC IA,
• comment cadrer la gouvernance IA entreprise sans créer une usine à gaz,
• comment chiffrer sans se mentir,
• comment réduire le risque sans tuer l’usage.

Plan d’action en 30 minutes : transforme ton REX en support de décision

Tu veux arriver prêt le 13/10 ? Fais ça, maintenant :

• 10 min : écris ton cas d’usage en une phrase + ton KPI.
• 10 min : liste ton coût complet en 6 lignes (POC, prod, run, sécurité, change, support).
• 10 min : choisis un risque principal et 3 mesures de réduction (tech + orga).

Après ça, tu as déjà un vrai retour d’expérience IA. Pas parfait. Mais exploitable. Et c’est exactement ce qui permet d’obtenir une décision, pas juste des idées.

Sources

• Annonce Lyon DSI Club (LinkedIn) : lieu AXOPEN, 235 cours Lafayette, 69006 Lyon, date 13/10/2026, gratuit sur inscription, focus industrialisation et retours d’expérience : https://fr.linkedin.com/posts/lyon-dsi-club_ia-intelligenceartificielle-transformation-activity-7504188884386435072-lvJk
• INSEE, usage de technologies d’IA par les entreprises (2024) : https://www.insee.fr/fr/statistiques/fichier/8616883/NUM25.pdf
• McKinsey, The State of AI (2025) : https://www.mckinsey.com/mx/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value?utm_source=openai
• Gartner (2025), initiatives IA en production au moins 3 ans dans les organisations matures : https://www.gartner.com/en/newsroom/press-releases/2025-06-30-gartner-survey-finds-forty-five-percent-of-organizations-with-high-artificial-intelligence-maturity-keep-artificial-intelligence-projects-operational-for-at-least-three-years?utm_source=openai
• CNIL, recommandations RGPD pour le développement de systèmes d’IA : https://www.cnil.fr/fr/developpement-des-systemes-dia-les-recommandations-de-la-cnil-pour-respecter-le-rgpd?utm_source=openai
• CNIL, Q&R sur l’utilisation d’un système d’IA générative (dont orientation on premise selon contexte) : https://www.cnil.fr/fr/les-questions-reponses-de-la-cnil-sur-lutilisation-dun-systeme-dia-generative?utm_source=openai
• CNIL, sécurité du développement des systèmes d’IA : https://cnil.fr/fr/ia-garantir-la-securite-du-developpement?utm_source=openai