Table ronde « Data & IA à Lyon » (10/11, TUBÀ) : viens bloqué, repars avec un plan

Tu as un projet data ou IA qui patine. Pas un “on verra”, un vrai blocage. Données inexploitables. Modèle qui ne tient pas en prod. Métiers qui n’adoptent pas. ROI flou. RSSI qui dit non. Et tu n’as pas besoin d’une conférence de plus avec 60 slides.

Le 10 novembre 2026, la communauté Lyon Data Science organise une table ronde “Data & IA à Lyon : projets, blocages et retours terrain”, au TUBÀ Lyon, en mode participatif, sans présentations imposées, sans slide à préparer. Tu viens avec ton problème. La salle t’aide à le découper. Tu repars avec des pistes concrètes et, si tu t’y prends bien, une décision actionnable. Source : page Meetup de l’événement.

Cet article te donne un mode d’emploi simple : à qui ça sert, quels blocages amener, comment te préparer pour transformer 10 à 15 minutes de discussion en plan d’action. Objectif : du terrain, pas du storytelling.

Infos pratiques (factuelles) : où, quand, format

• Événement : “Data & IA à Lyon : projets, blocages et retours terrain” (table ronde, communauté Lyon Data Science)
• Date : mardi 10 novembre 2026
• Horaire : 18h30 à 20h30 (CET)
• Lieu : TUBÀ, 15 boulevard Marius Vivier Merle, 69003 Lyon (Part-Dieu)
• Format : participatif, retours d’expérience, pas de conférence, pas de présentation imposée, aucun slide à préparer. Les sujets viennent des participants.
• Déroulé indicatif : accueil 18h30, tour de table et sélection des sujets vers 19h00, discussions ensuite (10 à 15 minutes par sujet), conclusion vers 20h30, échanges informels selon possibilités.
• Accès : métro B (Part-Dieu), tram T1/T4, gare SNCF Part-Dieu.
• Inscription : participation annoncée gratuite, sur inscription Meetup. Capacité limitée (format petit groupe).

SEO check : oui, on parle bien de Data & IA Lyon, TUBÀ Lyon, Lyon Data Science, table ronde IA et industrialisation IA. Mais le vrai sujet, c’est ce que tu vas en tirer.

Ce que ce format change (et pourquoi c’est utile)

Une table ronde participative, ça n’est pas “tout le monde donne son avis”. Quand c’est bien cadré, c’est un accélérateur :

• Tu n’as pas besoin d’être “prêt” : pas de deck, pas de démo, pas de KPI au cordeau. Tu amènes un blocage réel.
• Le temps est court : 10 à 15 minutes par sujet. Donc si ton problème est flou, tu vas ressortir avec… du flou.
• Tu récupères du terrain : des retours d’implémentation, des compromis, des ordres de grandeur, des pièges déjà rencontrés.
• Tu repars rarement avec “la réponse”, mais souvent avec une shortlist de 3 options et les critères pour trancher.

La promesse réaliste : des pistes concrètes et un cadrage amélioré. Pas une solution magique. Le reste dépend de ta préparation.

À qui ça s’adresse (vraiment) côté Lyon

La rencontre est annoncée comme ouverte à tous niveaux. Dans les faits, tu en tireras quelque chose si tu coches au moins un de ces profils :

• Data analysts, data engineers, data scientists : tu bloques sur qualité de données, pipeline, mise en prod, monitoring, coûts.
• DSI, responsables SI, architectes : tu dois arbitrer build vs buy, cloud vs on-prem, intégration SI, sécurité, exploitation.
• Produit, innovation, transformation : tu as un cas d’usage mais tu butes sur l’adoption, le périmètre, la priorisation.
• RSSI, conformité, DPO : tu dois dire “oui, mais” avec des garde-fous, ou dire non de façon justifiable.
• Managers métier : tu veux du concret sur ROI, organisation, formation, impacts process.
• Curieux et personnes en montée en compétences : tu veux comprendre ce qui coince en vrai, pas sur LinkedIn.

Si tu cherches un cours magistral, passe ton tour. Si tu cherches des points de friction réels et comment les résoudre, tu es au bon endroit.

Quels blocages amener (données, modèle, adoption, ROI, sécurité)

Le bon blocage, c’est celui qui t’empêche de décider. Pas “on veut faire de l’IA”. Ci-dessous, une liste de blocages typiques alignés avec l’esprit de l’événement (problèmes concrets, retours terrain).

1) Blocages données (le classique qui flingue tout)

• Données dispersées : ERP, CRM, fichiers, outils métiers non connectés.
• Qualité insuffisante : doublons, champs vides, définitions différentes selon équipes.
• Accès et ownership : personne ne “possède” la donnée, donc personne ne tranche.
• Temps de mise à dispo : extractions manuelles, pas d’actualisation fiable.
• Données sensibles : tu ne sais pas ce qui peut sortir, où, et sous quelles conditions.

Ce que tu dois viser comme sortie : un plan simple du type “1 source prioritaire, 3 champs critiques, 1 règle de qualité, 1 propriétaire, 1 fréquence”.

2) Blocages modèle (ça marche en notebook, pas en vrai)

• Performance instable : ça tient sur un échantillon, ça s’écroule sur la prod.
• Pas de jeu de tests : tu ne sais pas mesurer la régression.
• Coûts trop élevés : inference trop lente, GPU trop cher, factures API qui montent.
• Données qui évoluent : drift, changements de process, saisonnalité non gérée.

Sortie attendue : décider si tu dois simplifier (baseline), changer de métrique, changer de méthode (RAG vs fine-tuning pour la GenAI), ou surtout changer le cadrage.

3) Blocages industrialisation IA (MLOps, run, exploitation)

Mot-clé SEO : industrialisation IA. C’est souvent là que les projets meurent.

• Déploiement : pas de CI/CD, pas de stratégie d’environnements, pas de rollback.
• Monitoring : tu ne surveilles ni la qualité, ni la latence, ni les coûts, ni les erreurs.
• Responsabilités floues : “c’est à la data team” vs “c’est à la DSI”.
• Dette technique : POC bricolé, impossible à maintenir, personne n’ose toucher.

Sortie attendue : une cible d’exploitation minimaliste. Qui alerte, quoi mesurer, quoi arrêter, et quand.

4) Blocages adoption (personne ne l’utilise, ou tout le monde le contourne)

• Usage mal intégré : l’IA est “à côté”, pas dans le flux de travail.
• Manque de confiance : pas d’explicabilité, pas de règles de contrôle, erreurs visibles.
• Formation absente : l’outil est livré, mais personne ne sait l’utiliser correctement.
• Shadow AI : usage non cadré d’outils externes parce que c’est plus simple.

Sortie attendue : un plan d’adoption en 3 étapes (pilote, extension, standard) avec des garde-fous clairs.

5) Blocages ROI (tu sens la valeur, mais tu ne peux pas la défendre)

• KPI non définis : gain de temps supposé, mais non mesuré.
• Valeur diffuse : amélioration qualité, réduction risque, difficile à convertir en euros.
• Coûts incomplets : support, run, sécurité, licences, accompagnement changement.
• Priorisation impossible : trop de cas d’usage, pas de grille de tri.

Sortie attendue : 1 métrique primaire, 2 métriques secondaires, et une méthode “avant/après” sur 2 semaines ou 1 mois.

6) Blocages sécurité, RGPD, conformité (le frein légitime)

• Données personnelles : base légale, minimisation, durées de conservation.
• Fuite de données : via prompts, connecteurs, accès trop larges.
• Choix d’hébergement : cloud public, cloud “de confiance”, on-prem, hybridation.
• Traçabilité : qui a demandé quoi, quelles données ont été utilisées, quelles décisions ont été prises.

Sortie attendue : un “oui sous conditions” clair (contrôles, périmètre, données exclues, logs, revue sécurité), ou un “non” documenté avec alternative.

Comment venir avec un blocage et repartir avec un plan d’action

La salle ne peut pas deviner ton contexte. Tu dois l’apporter vite, proprement. Ton but : transformer ton blocage en décision.

Étape 1 : formuler ton blocage en 2 phrases (pas plus)

Modèle simple :

• Phrase 1 : “On veut obtenir X pour Y, dans Z contexte.”
• Phrase 2 : “On est bloqué par A, et on hésite entre B et C.”

Exemple : “On veut automatiser le tri des demandes clients pour réduire le délai de réponse. On est bloqué parce que les données sont dans trois outils et le métier veut garder la main, on hésite entre un assistant interne ou une automatisation stricte.”

Étape 2 : annoncer la décision que tu veux prendre

Sans ça, tu repars avec une liste d’idées. Donc tu dis clairement :

• “Je veux décider si on lance un pilote maintenant ou si on doit d’abord remettre à plat la donnée.”
• “Je veux décider si on part sur API LLM ou modèle open source on-prem.”
• “Je veux décider le périmètre de prod acceptable avec le RSSI.”

Étape 3 : cadrer les contraintes, même si elles te frustrent

Les contraintes ne sont pas des excuses. Ce sont des critères de design.

• RGPD : données perso, données sensibles, transferts, conservation, anonymisation possible ou non.
• Budget : enveloppe max mensuelle (run) et enveloppe projet (build), même approximatives.
• SI : outils en place, API disponibles, contraintes réseau, identité et accès, environnements.
• Délai : date butoir réelle (audit, contrat, pic d’activité, deadline métier).

Étape 4 : venir avec une mini preuve (un chiffre, un exemple, un log)

Pas besoin d’un dataset. Un seul artefact suffit :

• un exemple d’entrée et de sortie attendue (anonymisé),
• une capture d’écran d’un flux (sans données sensibles),
• un chiffre sur volume (tickets/jour, docs/mois, temps passé),
• un coût actuel (temps humain, outil existant, incidents).

Le groupe peut alors raisonner sur du réel, pas sur une idée.

Mini kit “30 minutes avant d’y aller” (à copier-coller)

Tu es à Part-Dieu, tu as 30 minutes. Fais ça sur une note. Tu vas gagner une semaine de ping-pong interne.

1) Ta fiche cas d’usage (5 lignes)

• Objectif : …
• Utilisateur : … (qui va vraiment s’en servir)
• Entrées : … (d’où viennent les données)
• Sorties attendues : … (action, décision, document)
• Volumétrie : … (par jour/semaine/mois)

2) Tes contraintes (RGPD, budget, SI) en bullet points

• RGPD : données perso ? sensibles ? anonymisation possible ? conservation max ?
• Budget : … € projet, … € / mois run (même une fourchette)
• SI : outils concernés, propriétaire, accès API oui/non, cloud/on-prem, SSO
• Sécurité : exigences (journaux, chiffrement, cloisonnement, revue RSSI)

3) Trois questions à poser à la salle (pour repartir avec une décision)

• Question 1 : “Si tu devais débloquer ça en 2 semaines, tu fais quoi en premier, exactement ?”
• Question 2 : “C’est quoi le plus gros piège en industrialisation IA sur ce type de cas, celui qui casse en prod ?”
• Question 3 : “Quels critères concrets vous utilisez pour trancher ROI vs risque (sécurité/RGPD) sur ce cas ?”

Variante si ton sujet est très GenAI : remplace la question 2 par “RAG, fine-tuning, ou règles + recherche, vous tranchez comment ici ?”.

Pendant la table ronde : comment utiliser tes 10 à 15 minutes

Le timing est serré. Si tu parles 8 minutes, tu n’auras que 2 minutes de retours.

• 0 à 60 secondes : contexte + décision attendue.
• 60 à 120 secondes : contraintes non négociables.
• 120 à 180 secondes : ton “artefact” (exemple, volume, coût, incident).
• Reste du temps : questions, retours, options, critères de choix.

Ton objectif n’est pas d’avoir raison. Ton objectif est de repartir avec une action que tu peux exécuter dès le lendemain matin.

Après : transformer les idées en plan (J+1, pas “un jour”)

Le piège, c’est de sortir motivé, puis de ne rien faire. Donc tu verrouilles un mini plan.

• À chaud : note 3 options entendues, et pour chacune 2 avantages, 2 risques.
• J+1 : envoie un message interne de 10 lignes : problème, options, recommandation, prochaine étape.
• J+7 : exécute une action irréversible mais petite (exemple : cadrage data sur 1 source, test de coût API sur 100 requêtes, revue RSSI sur périmètre minimal).

Si ton blocage touche l’industrialisation IA, garde un focus “prod-friendly” : monitoring, logs, gestion des accès, budget run. Pas juste “ça marche”.

Pour aller plus loin sur Lyon IA (si tu veux préparer tes questions)

• Blocages typiques et fixes : Lyon Data Science (tables rondes) : retombées terrain et 12 blocages IA (et fixes)
• Industrialisation côté DSI : Industrialiser l’IA en DSI à Lyon : checklist POC vers run
• Mesurer le gain réel : Mesurer le gain réel d’un usage IA : la méthode avant / après
• RGPD : RGPD et IA en entreprise : ce que vous pouvez faire, ce que vous ne pouvez pas

Ce que tu dois faire maintenant (simple, exécutable)

Tu veux que cette table ronde IA au TUBÀ Lyon te serve ? Fais ces 3 choses :

• Choisis un blocage, un seul. Celui qui t’empêche de décider cette semaine.
• Prépare le mini kit 30 minutes : fiche cas d’usage, contraintes, 3 questions.
• Définis ta décision attendue : “je tranche X vs Y”, pas “je veux des idées”.

Le reste, la salle le fera avec toi. Et si tu ressors avec une seule chose, vise celle-ci : ta prochaine action en 7 jours, datée, assignée, mesurable. C’est ça, le terrain.