■ Cet article en accès libre vous permet de découvrir la pertinence et l’utilité du Nouvel Economiste. Votre inscription à l’essai 24h gratuit vous permettra d’accéder à l’ensemble des articles du site.
L’exploitation des données n’est pas nouvelle, mais les derniers outils sur le marché, s’appuyant notamment sur l’intelligence artificielle, permettent d’en traiter un volume de plus en plus important. Cependant, nombre d’entreprises reconnaissent elles-mêmes être freinées dans leurs ambitions en la matière par manque d’organisation interne, de compétences et d’identification des besoins métiers. La qualité et la fiabilité des données peuvent également être un facteur limitant.
Comment optimiser sa performance marketing et commerciale ? Pour répondre à cette question, le spécialiste des surgelés Picard a fait appel à la société fournisseur de solutions IA et Data Ekimetrics. “La question était de savoir, sur le plan média, comment répartir les budgets entre les différents canaux… et, concernant la gestion de la relation client, quel arbitrage faire entre prospectus, promotion en magasin ou mailing, raconte Thibault Labarre, partner chez Ekimetrics. Nous avons travaillé avec eux pour mettre en place une mesure unifiée qui permette de mesurer le ROI de l’ensemble de leurs activations marketing et commerciales, et de comparer leur impact respectif pour établir des plans d’actions optimisés.” Résultat : “par exemple, une partie du budget investi sur des promotions en magasin pour l’ensemble des clients a été réallouée à l’envoi d’offres ciblées à des clients spécifiques, ce qui a permis d’augmenter de 6 % l’efficacité des actions de promotion sur les ventes”, ajoute l’expert.
Des modèles prédictifs
Les entreprises regorgent de données sur leurs produits, leurs clients, leurs fournisseurs, leurs partenaires… “Avec l’apparition de nouveaux outils, dont récemment l’intelligence artificielle générative [qui permet de créer du contenu, ndlr], la data science donne la possibilité de traiter un très grand nombre [de données] et de faire des prévisions, détaille Jean-Charles Rongère, directeur marketing & solutions clients de Cross Data, agence spécialisée en IA. Dans l’industrie, par exemple, l’analyse des données peut permettre de prévoir le niveau de stocks de produits nécessaire en connaissant de manière fine leur rotation. La maintenance prédictive consiste, elle, à anticiper les risques de panne de machines, en étudiant les raisons pour lesquelles elles se produisent, à quel moment elles interviennent…”
“L’évolution des data sciences a simplifié l’extraction et l’identification des bonnes informations, notamment dans de grands groupes dont la documentation en PDF se monte à plusieurs centaines de pages.”
L’intérêt de l’arrivée de nouvelles technologies est indéniable pour Ellisphere, qui collecte et analyse de l’information légale, économique, financière et extra-financière pour le compte d’entreprises. “Pour nos clients, qui œuvrent dans le B2B, nous adressons trois marchés, détaille Alexandre Verno, directeur innovation. Le premier porte sur la gestion des risques : nous calculons le score de défaillance à un an d’une entreprise avec laquelle nos clients envisagent de travailler. En matière de conformité, nous analysons les risques réputationnels auxquels une entreprise peut s’exposer en travaillant avec un autre acteur.” Ellisphère facilite aussi le travail de prospection des services marketing et commerciaux en leur fournissant des fiches d’information sur les sociétés qu’ils ont identifiées. “Nous traitons d’importants volumes de données issues de documents fiscaux et réglementaires, et qui ne sont pas structurées. L’évolution des technologies en matière de data sciences a simplifié l’extraction et l’identification des bonnes informations, notamment dans le cadre de grands groupes, qui comptent de nombreuses filiales dans le monde, et dont la documentation en PDF se monte à plusieurs centaines de pages”, souligne le directeur innovation.
La qualité des données, un élément clé
Les entreprises ont conscience du potentiel. Sur 298 d’entre elles qui ont répondu à l’enquête 2025 de l’Observatoire de la maturité data & IA des entreprises, qui fédère des entités locales et nationales, 88 % des entreprises estiment que la data est clé pour améliorer leur performance. Pour elles, la priorité est d’optimiser leur performance opérationnelle (66 %), d’améliorer la connaissance, la satisfaction et l’expérience client (57 %), de mieux anticiper, c’est-à-dire prévoir les ventes, organiser les stocks et mettre en place la maintenance prédictive (57 %), et de faciliter le pilotage de l’entreprise (56 %). Mais elles ne sont que 19 % à se dire en capacité d’exploiter leurs données.
88 % des entreprises estiment que la data est clé pour améliorer leur performance. Mais elles ne sont que 19 % à se dire en capacité d’exploiter leurs données.
Il ne suffit pas d’avoir accès à des technologies innovantes pour les traiter. “Nous avons vu beaucoup de projets en mode ‘il faut qu’on mette l’IA en place’ en 2025, mais peu de ‘on va réfléchir à nos problématiques métiers et voir si l’IA, l’automatisation ou le traitement des données peuvent nous aider !’”, raconte sur Linkedin Gaël Philippe, CEO du cabinet de conseil data et IA Datasulting, à l’initiative, en 2020, de l’Observatoire. “Nous réfléchissons d’abord aux besoins métier. Quelles sont les problématiques au quotidien auxquelles les données ou l’IA pourraient répondre ?, explique-t-il. Ensuite, nous réfléchissons à l’architecture, à la technologie qui pourrait répondre au cas d’usage.”
Quels sont les freins au développement de projets basés sur l’exploitation des données ? Selon les répondants à l’enquête de l’Observatoire, il s’agit du manque d’organisation interne, de compétences, de connaissances et aussi de temps. “Les technologies qui permettent de traiter d’importants volumes de données sont de plus en plus faciles d’accès. Leur coût n’est presque plus un sujet”, indique Gaël Philippe. Mais pour mettre en œuvre des projets, il faut s’assurer de la qualité des données dont disposent les entreprises. Sont-elles fiables et suffisantes ? “Mettre en place une architecture data robuste, qui organise le stockage et l’analyse, permet non seulement de prendre des décisions plus rapides et mieux éclairées à partir des données métiers, mais aussi de préparer le terrain pour l’IA et l’automatisation de processus fondés sur des données de qualité”, poursuit le CEO de Datasulting.
Un accélérateur de digitalisation des process
Plus largement, le manque de digitalisation de l’entreprise peut entraver le déploiement de ces projets. “Pour les entreprises les plus matures, mettre en place le cas d’usage sur lequel nous avons travaillé est assez aisé d’un point de vue data. Nous pouvons nous connecter directement à de la donnée qui est déjà consolidée, car les systèmes d’information communiquent entre eux, indique Thibaut Labarre. Le travail le plus important porte sur la compréhension business des besoins des entreprises, sur la modélisation et la restitution des résultats, et ensuite sur la capacité à convaincre l’ensemble de l’organisation de l’intérêt de développer des stratégies qui s’appuient sur l’analyse des données.”
“Le travail le plus important porte sur la compréhension business des besoins des entreprises, sur la modélisation et la restitution des résultats, et ensuite sur la capacité à convaincre l’ensemble de l’organisation.”
La réflexion autour de l’utilisation de données est cependant un moteur pour accélérer la digitalisation des process internes : “nous accompagnons aussi des entreprises qui ne sont pas du tout à ce niveau de maturité et dont les systèmes d’information ne communiquent pas. Les données ne sont parfois d’ailleurs pas harmonisées : un même produit peut avoir ainsi un identifiant différent en fonction des bases de données où il est référencé, poursuit le spécialiste. Dans ce cas, nous les aidons à accélérer la transformation data et digitale pour que les données soient mieux structurées et exploitables.”
Une fois le projet mis en place, les sociétés de consulting accompagnent les équipes en interne pour qu’elles se les approprient. “Nous faisons beaucoup d’acculturation et de formation auprès des salariés. Nous mettons en place des outils pour gagner du temps, gagner en performance mais il ne s’agit pas de décider à leur place. Utiliser l’IA n’est pas toujours indispensable, un simple tableau de bord peut suffire à répondre à leurs questions”, précise Gaël Philippe.
Faciliter l’accessibilité des données, implémenter de nouveaux outils doit être réalisé en prenant bien en compte la question de la confidentialité. Pour Jean-Charles Rongère, “il s’agit d’un important enjeu de sécurité, notamment avec l’arrivée des agents IA qui exécutent des tâches de manière autonome”. Thibaut Labarre renchérit : “il faut définir des règles de sécurité en interne et préciser qui a accès à quel type d’informations au sein de l’entreprise. À nous ensuite de bien mettre en place ces règles. La responsabilité est donc partagée”.
Anne Thiriet
Les entreprises ont besoin de spécialistes pour tirer profit au mieux des données, dans la collecte et le stockage, le traitement et la modélisation, ainsi que pour assurer leur protection. Différents postes ont émergé pour répondre à la place grandissante qui leur est accordée. On parle par exemple du chief data officer (CDO) qui est chargé d’assurer le management des données et de faire le lien entre les équipes techniques et les équipes utilisatrices (services marketing, production, comptabilité…). On évoque aussi le data scientist et le data analyst… “Leur fonction consiste à exploiter les données disponibles dans les entreprises massivement équipées de systèmes d’information. On emploie différents termes mais je ne suis pas sûr qu’ils correspondent à des définitions bien standardisées”, observe Olivier Cappé, coresponsable du Master 2 IASD (IA et sciences des données) en formation initiale à l’université PSL-Paris Dauphine. Dans les offres de stages qu’il reçoit, il note que “les entreprises recherchent des personnes avec des compétences techniques telles que des spécialistes de l’intelligence artificielle ou des grands modèles de langage (LLM), qui sont un type de programmes d’intelligence artificielle”.
Autres termes employés : celui d’ingénieur en IA ou ingénieur de développement en IA, recherchés pour leurs connaissances des environnements logiciels et des outils utilisés pour déployer des systèmes d’IA. Alexandre Verno, directeur innovation d’Ellisphere, constate aussi l’apparition de l’“AI engineer” sur le marché de l’emploi. “Ce sont des profils qui maîtrisent parfaitement les grands modèles de langage et les flux de données. Or justement, la part de l’ingénierie de la data est primordiale dans ces projets IA, indique le spécialiste. Le premier travail consiste à collecter les données brutes et à contrôler chaque étape de leur transformation afin de garantir la qualité du résultat.”
Le français Shift Technology est spécialiste de solutions basées sur les données pour le secteur de l’assurance. “Dès nos débuts, en 2014, nous avons ciblé la détection des fraudes, qui vont de petites fraudes ‘opportunistes’ aux fraudes organisées qui servent à blanchir de l’argent”, explique le cofondateur Éric Sibony. Elles représenteraient entre 3 et 10 % des sinistres indemnisés. “Notre rôle consiste à lever des alertes et à signaler si certaines sont suspectes, précise le responsable. Notre travail ne sera jamais utilisé automatiquement pour rejeter une indemnisation, mais il sert à aiguiller les équipes chargées de la gestion de la fraude.”
Les interventions de Shift Technology se sont accrues avec le développement des systèmes informatiques des compagnies d’assurance. “Il y a quinze ans, elles disposaient de progiciels intégrés dans leur infrastructure. Beaucoup d’entre elles ont migré vers le cloud, ce qui a apporté plus de facilité pour extraire et transférer de la donnée”, observe Éric Sibony.
La fraude aussi se perfectionne : avec l’IA générative, il est “plus facile de générer de faux documents (photos, factures…) ou de modifier les originaux. Nous avons mis en place des outils pour détecter ce type de manipulations”. L’assurtech met l’accent sur deux axes de développement. “Pour la gestion des sinistres, nous fournissons, grâce à l’IA agentique, des recommandations contextualisées pour gérer les sinistres, même en dehors de cas suspects”, détaille le cofondateur. Shift Technology a aussi développé un outil de lutte contre le blanchiment et le financement du terrorisme “pour montrer que l’assureur met tous les moyens en œuvre pour respecter les obligations définies par l’Autorité de contrôle prudentiel et de résolution. Nous l’aidons par exemple à détecter des atypismes, indique Éric Sibony. En assurance-vie, il peut s’agir de flux d’argent ‘anormaux’ qui reflètent une activité potentiellement illégale ou liée à du blanchiment et que l’assureur doit déclarer.”
Source : Domo, ‘Data Never Sleeps : AI Edition’, édition 2025
Source : Gartner, 2025
Parole d’expert - Tanguy Aurore, Consort Group : “L’IA va augmenter les décideurs”
L’IA dans l’entreprise, comment en tirer le meilleur parti ?
L'IA dans l'entreprise, passage en revue des différents écueils
Optimiser ses flux logistiques à l’ère de la data
Pas de transformation numérique réussie sans cybersécurité (2023)
L'intelligence artificielle, source de productivité (2023)
La course folle aux talents
Warning: Undefined array key 0 in /var/www/html/wp-content/plugins/nveco-annuairecontextuel/public/class-nveco-annuairecontextuel-public.php on line 122
Warning: Trying to access array offset on value of type null in /var/www/html/wp-content/plugins/nveco-annuairecontextuel/public/class-nveco-annuairecontextuel-public.php on line 122