Avec sa mise à jour 2025, la FinOps Foundation fait tomber les cloisons : désormais, toutes (ou presque) les ressources IT — SaaS, datacenters, IA, cloud public — entrent dans le radar
Les systèmes agentiques connaissent une vogue extraordinaire qui masque parfois leurs limites et les défis qu'ils soulèvent.
Les discours sur l’avenir du travail oscillent souvent entre euphorie technologique et scénario catastrophe. D’un côté, l’IA nous promet un monde plus efficace, de l’autre, elle signe l’arrêt de mort de milliers d’emplois. Entre ces deux extrêmes, la réalité est évidemment plus complexe.
Interdiction, blocage, bannissement : la presse regorge d'exemples d'entreprises ayant interdit ChatGPT. Si Samsung, Apple, Deutsche Bank, Verizon ou Amazon l'ont fait, c'est qu’il y a une raison : éviter la fuite de données. Il faut considérer les IA génératives grand public comme des photocopieuses en libre accès, qui peuvent à tout moment ressortir vos documents, briefs stratégiques, etc. Elles doivent donc être interdites. Ce qui veut dire que l’entreprise doit fournir un service équivalent dans un cadre sécurisé.
D’une part, parce qu’il serait idiot de se priver du potentiel de l’IA générative, mais aussi de monitorer l’usage qui en est fait. D’autre part, parce que les utilisateurs en entreprise trouvent toujours un moyen de contourner les interdictions lorsqu'ils trouvent quelque chose de beaucoup plus pratique. En l'occurrence, si l'usage de ChatGPT et des autres applications d'IA générative a explosé aussi rapidement, c'est bien parce que ces outils apportent une aide énorme dans le quotidien. Ne pas offrir de solution, c’est s’exposer à l’émergence rapide d’un “shadow AI”, susceptible de mettre l’entreprise à risque.
Plusieurs pistes sont envisageables pour mettre à disposition des environnements professionnels, sécurisés. Aucune ne consiste à développer son propre modèle. Il n’est généralement pas non plus pertinent de le “fine-tuner” pour optimiser son usage : c’est un processus lent et coûteux, à réserver à quelques cas précis.
Partir sur un environnement tout-en-un est possible mais risqué, car on s’en remet alors à un éditeur et sa roadmap, sans possibilité de supervision. L’approche pragmatique que nous préconisons et voyons plutôt se développer dans les entreprises consiste à mixer “make” et “buy”. Autrement dit, s’appuyer sur les ressources des fournisseurs comme Google, Microsoft, Amazon, OpenAI, HuggingFace, Mistral, etc. et consacrer ses efforts à l'assemblage de ces ressources - par exemple une base de données vectorielle pour introduire de la sémantique au sein de ses propres documents, un orchestrateur type Langchain pour enchaîner les appels à des services ou encore des studios pour créer, optimiser et versionner les prompts utilisés.
En plus d’interdire et de fournir une solution, il est impératif de communiquer et d’acculturer les collaborateurs à cette technologie et à ses enjeux. Il s’agit de faire comprendre pourquoi les outils grand public sont interdits, de montrer les forces ainsi que les faiblesses et les risques associés à la GenAI (biais, hallucinations, etc.), mais aussi de donner des perspectives sur les futures possibilités techniques qui seront mises à disposition et les cas d’usage qui pourront ainsi être mis en œuvre. Ces réflexions doivent s’inscrire dans un cadrage stratégique, qui lui-même doit respecter la vision et les valeurs de chaque entreprise.
Aude Calais
Pour recevoir l'intégrale des Tendances Tech 2024 en PDF, c'est par ici.
Avec sa mise à jour 2025, la FinOps Foundation fait tomber les cloisons : désormais, toutes (ou presque) les ressources IT — SaaS, datacenters, IA, cloud public — entrent dans le radar
Les systèmes agentiques connaissent une vogue extraordinaire qui masque parfois leurs limites et les défis qu'ils soulèvent.
Les discours sur l’avenir du travail oscillent souvent entre euphorie technologique et scénario catastrophe. D’un côté, l’IA nous promet un monde plus efficace, de l’autre, elle signe l’arrêt de mort de milliers d’emplois. Entre ces deux extrêmes, la réalité est évidemment plus complexe.
Exiger des cas d’usage sans usage revient à inverser la logique naturelle d’adoption : ce n’est pas en décrétant où la GenAI sera utile qu’elle sera utilisée, mais en la rendant accessible à tous, pour qu’elle s’infiltre progressivement dans les pratiques et révèle son potentiel dans le temps.
