ROI de l'IA : ce qu'on retient de Big Data & AI Paris 2026

TL;DR : Sur la scène Data et IA au service du business de Big Data & AI Paris 2026, vingt retours d'expérience ont porté un même message : l'IA rapporte quand elle transforme un processus entier, pas une tâche isolée. Le Crédit Agricole reconnaît le faible impact de ses premières IA génératives, et BNP Paribas que très peu de cas génératifs ou agentiques ont prouvé leur valeur. Selon l'enquête de l'IMA présentée sur scène, une organisation sur deux a lancé un programme de formation à l'IA pour tous ses salariés, mais une sur douze a revu ses fiches de poste et ses processus. Les entreprises qui avancent, comme Schneider Electric ou Renault Group, repensent des processus entiers et mesurent l'usage réel.

À retenir

• Le Crédit Agricole a tiré peu d'impact de ses premières IA génératives en production, de mi-2023 à 2025.
• Schneider Electric revendique plus de 160 cas d'usage en production, gérés comme des produits.
• La valeur se mesure d'abord en adoption et en usage, avec des indicateurs propres à chaque outil.
• Selon l'enquête IMA, Magic LEMP et Big Data & AI Paris, 7 organisations sur 10 visent l'agentique, 1 sur 10 a fixé un cadre pour la gouverner.
• Former ne suffit pas : Renault Group double ses formations de sessions d'activation et de suivis.

Big Data & AI Paris a tenu sa 15e édition les 15 et 16 septembre 2026 à Paris Expo Porte de Versailles, avec 15 000 participants attendus et 350 conférences, ateliers, démonstrations et pitches annoncés dans son communiqué de lancement. Le programme comptait pour la première fois trois tracks, dont un consacré à la data et à l'IA au service du business. L'équipe Koïno y a suivi vingt conférences et tables rondes. Les intervenants cités figurent au programme officiel, et leurs chiffres sont ceux donnés sur scène, sauf autre source. Les deux autres scènes font l'objet d'articles dédiés, l'un sur la gouvernance et la réglementation, l'autre sur l'architecture data moderne.

Quelles tendances retenir de la scène business de Big Data & AI Paris 2026 ?

Les conférences en un coup d'œil : les vingt sessions ont abordé, sous des angles différents, le passage du pilote à la valeur.

Comment passer de l'expérimentation à l'IA à grande échelle ?

En traitant chaque outil d'IA comme un produit qui vit en production, et en repensant des processus entiers plutôt que des tâches isolées. C'est la leçon commune de Schneider Electric et du Crédit Agricole. Pour Schneider Electric, la production reste le seul endroit où la valeur se réalise.

Schneider Electric : pourquoi raisonner produit plutôt que projet ?

L'AI Hub de Schneider Electric, créé il y a cinq ans, compte 350 experts, pour les processus internes comme pour les offres clients. Yoann Bersihand, VP AI Technology, y revendique plus de 160 cas d'usage en production : un produit d'IA vit des années, avec son adoption et sa performance à suivre, quand un projet s'arrête à la livraison. Le groupe repense désormais des fonctions entières, comme les achats, car les gains obtenus cas par cas restent marginaux.

Crédit Agricole : pourquoi l'approche par cas d'usage a-t-elle déçu ?

Aldrick Zappellini, Chief Data & AI Officer du groupe, l'a reconnu sans détour : en visant des gains incrémentaux et en évitant le client final, la banque a d'abord fait le plus facile. Chaque équipe optimisait son périmètre, alors que sur plus de 300 processus de banque de détail, une dizaine porte l'essentiel de l'impact. Pour accélérer, le groupe consacre 500 millions d'euros sur trois ans à l'IA, dont 150 millions pour une entreprise IA interne, selon CIO Online. EDF suit une logique voisine : environ 130 cas d'usage, chacun présenté au président par un patron de métier, et un partenariat de cinq ans avec Mistral AI signé en mai 2026.

Comment choisir les cas d'usage IA rentables ?

En partant des processus qui pèsent le plus, avec des critères fixés avant de lancer et le droit d'arrêter tôt. Plusieurs intervenants ont aussi rappelé que tous les irritants ne relèvent pas de l'IA. Les critères cités sur scène :

• BNP Paribas construit ses critères en ateliers mixtes, métier et tech : pertinence, coût, complexité, criticité.
• Chez Schneider Electric, l'équipe IA et le métier fixent ensemble l'objectif avant de lancer.
• Arnaud Chiffert (Snowflake) conseille de chiffrer tôt la valeur d'un POC pour l'abandonner à temps.
• Renault Group fournit des outils pour qualifier les irritants, car une simple automatisation suffit parfois.
• Chez AXA France, un comité de membres du Comex valide chaque passage à l'échelle, sur une grille de huit axes.

Su Yang, responsable IA et innovation IT de BNP Paribas, a rappelé l'objectif du groupe, 750 millions d'euros de valeur d'ici fin 2026, déjà évoqué par CIO Online. Hors deux ou trois cas emblématiques, comme le code, très peu de cas d'IA générative ou agentique ont pourtant démontré leur impact : « Je préfère qu'on soit assez lucide. » La bonne métrique devient donc le processus amélioré, pas le nombre de cas d'usage.

Comment mesurer le ROI de l'IA en entreprise ?

En définissant la valeur attendue avant le lancement, puis en suivant l'adoption et l'usage réels en production, avant de chercher l'effet financier. Les entreprises les plus avancées suivent des indicateurs propres à chaque outil. Ceux cités sur scène :

Ines Besbes, fondatrice de Seedext, a résumé le piège du temps gagné : les salariés restent payés pareil, et le gain réel vient des actions que l'outil déclenche, comme un CRM enfin rempli ou un client de plus rencontré. Isabel Gomez Garcia de Soria (L'Oréal) parle de temps libéré pour faire son vrai métier, pas d'heures à convertir en baisse d'effectifs. Pour poser ce type d'indicateur sur un premier cas d'usage, échangeons sur votre projet.

Agent IA ou assistant : qu'est-ce qu'une entreprise agentique ?

Un assistant répond, un agent agit : il planifie des étapes, utilise des outils et exécute des actions. Une entreprise agentique confie des processus entiers à des équipes d'humains et d'agents, avec l'humain aux points de décision. Encore faut-il que ses agents accèdent aux logiciels.

Qu'est-ce qu'un agent IA ?

Un agent IA est un système qui, pour un objectif donné, planifie des étapes, mobilise les outils auxquels il est habilité et exécute des actions, selon Su Yang (BNP Paribas). Yoan Duboin, Cloud & AI Specialist chez Microsoft, résume la différence d'une phrase : « Un assistant assiste, un agent agit. » Son autonomie dépend des droits qu'on lui accorde, et Microsoft relie cette évolution à la Frontier Firm de son Work Trend Index 2025.

Qu'est-ce que le computer use ?

Le computer use désigne des agents qui utilisent un ordinateur comme un humain : ils voient l'écran, cliquent, saisissent et changent d'application. Caroline Charra, Head of Product de H Company, cible ainsi les logiciels sans API : selon le Connectivity Benchmark 2026 de Salesforce et MuleSoft, une entreprise compte en moyenne 957 applications, dont 27 % seulement sont intégrées. Elle a cité un client dont le délai de facturation est passé de trois mois à quelques jours, et le rapport du MIT selon lequel la plupart des pilotes d'IA générative n'ont pas d'effet mesurable, présenté par Fortune.

Quels retours d'expérience d'IA agentique ?

• Bouygues Telecom : environ 10 000 utilisateurs, plus de 4 000 agents créés par les salariés, 200 partagés après validation.
• Renault Group : des équipes d'agents encadrées par un humain ont refondu un logiciel de transport quatre fois plus vite qu'en développement classique.
• L-Acoustics : un agent de lecture de contrats, plus long à relire qu'à refaire, a été abandonné.

Chafika Chettaoui, Chief Data & AI Officer d'AXA France, propose d'automatiser ce qui est déterministe et régi par des règles métier claires, et de garder l'humain sur la relation client et la confiance. Elle met en garde contre deux excès : tout revalider, ce qui annule le gain, ou ne plus rien contrôler. Les droits et la traçabilité des agents font l'objet de notre article sur la gouvernance de l'IA.

Faut-il un seul modèle d'IA ou plusieurs ?

Plusieurs, choisis tâche par tâche : la plupart des grands groupes de la scène refusent de dépendre d'un seul fournisseur. Stanislas Polu, cofondateur et CTO de Dust, observe que de nouveaux modèles sortent chaque semaine et que la valeur se déplace vers les workflows et l'organisation du travail. Schneider Electric utilise 30 à 40 modèles d'IA générative, et Bouygues Telecom prépare un aiguillage automatique, car il est inutile de prendre une Ferrari pour aller chercher du pain, selon Stéphane Allaire. Notre comparatif Mistral, OpenAI ou Anthropic détaille ces choix.

Pourquoi construire son propre benchmark IA ?

Groupe BPCE a construit avec Square Management un benchmark sur ses propres cas d'usage. Sur la modération d'un assistant client, un modèle cinq fois moins cher au token, utilisé avec des exemples, revient deux fois plus cher à la requête que le modèle haut de gamme employé sans exemples, pour un résultat moins bon. « Le benchmark, c'est un coût choisi contre un coût subi », a conclu Mikaël Le Bars, dont l'équipe relance les tests chaque mois pour repérer les régressions silencieuses.

Où en est la maturité IA des entreprises françaises en 2026 ?

L'IA est largement mise à disposition, mais l'organisation du travail a peu changé, selon les premiers résultats de l'enquête de l'IMA, de Magic LEMP et de Big Data & AI Paris, présentés le 16 septembre. Christophe Grosbost, Chief Strategy Officer de l'IMA, l'a résumé ainsi : « L'IA est aujourd'hui déployée mais l'organisation doit maintenant suivre. » L'enquête couvre environ 90 organisations : un tiers de très grandes entreprises, un tiers d'ETI, un tiers de petites entreprises.

• 7 organisations sur 10 placent l'agentique dans leurs priorités, contre 3 sur 10 pour la génération de contenu.
• 1 sur 10 seulement a un cadre clair de gouvernance de l'agentique.
• Un Chief AI Officer existe dans près d'une organisation sur deux, et la DSI pilote la stratégie IA dans 1 cas sur 10.
• 1 sur 2 a lancé un grand programme de formation, mais 1 sur 12 a transformé ses fiches de poste et ses processus.

Les écarts de perception sont nets : deux directions générales sur trois jugent le management intermédiaire très impliqué, bien plus que les DSI et les CTO. Dans les petites entreprises, 3 sur 10 utilisent l'IA de façon très intensive et disent qu'elle a tout changé. Pour une PME, un directeur IA externalisé peut tenir le rôle de Chief AI Officer sans création de poste.

Comment l'IA transforme-t-elle les métiers et les compétences ?

Surtout par une redistribution des tâches, selon la table ronde sur le futur du travail, même si les équipes pourraient se resserrer. Isabel Gomez Garcia de Soria, Group Transformation Value Officer de L'Oréal, ne croit pas à des suppressions d'emplois par centaines : certaines tâches seront automatisées, d'autres mieux faites avec l'IA, d'autres resteront humaines. Homéric de Sarthe (Craft AI) imagine des équipes de cinq ou six personnes ramenées à trois, épaulées par des agents, et Mohamed Senhadji (HU-MA SHIFT) s'inquiète pour les juniors, privés des tâches simples qui forment le raisonnement : « On confond très facilement connaissance et compétences. »

Comment embarquer tous les salariés ?

Frédéric Pascal, vice-président IA de l'Université Paris-Saclay et directeur de l'Institut DATAIA, a posé le diagnostic : « L'adoption, c'est pas l'utilisation. » Sans culture commune, l'usage reste individuel, d'où le BrevetAI, formation gratuite soutenue par France 2030 et ouverte à tous depuis septembre 2026. Les entreprises de la scène vont plus loin :

• Renault Group : des sessions d'activation par direction, puis un suivi à trois ou quatre semaines où chacun montre ce qu'il a fait.
• Bouygues Telecom : des bars à prompts à la cantine en 2023, des bars à agents aujourd'hui.
• Bpifrance : des ateliers pratiques pour ses 200 premiers dirigeants début 2026, puis des webinaires et des fresques pour tous.

Supply chain, énergie, santé : quels retours d'expérience sectoriels ?

L'IA y crée de la valeur quand elle touche des décisions opérationnelles en volume : réallouer des pièces, piloter un réseau, localiser une fuite. La qualité des données revient dans presque tous les témoignages. L'humain, lui, garde la main sur les décisions importantes, de l'usine à l'hôpital.

Qu'est-ce qu'une supply chain autonome ?

Pour Ludovic Doudard, directeur Process & Digital Supply Chain de Renault Group, c'est une chaîne où chacun décide parce qu'il dispose d'une vue globale. Chez les gestionnaires de pénuries, des agents qualifient l'alerte et proposent une réallocation des pièces entre les usines, que l'humain valide ; dans le transport amont, plus de 90 % des affrètements se font sans intervention. « Réussir à dégager de la valeur pour l'entreprise, là c'est une autre histoire », prévient-il, pour qui il faut d'abord casser les silos. Voir aussi nos exemples réels d'IA dans la supply chain.

Énergie, eau, santé, hôtellerie : où l'IA gagne-t-elle déjà ?

Yoann Bersihand (Schneider Electric) a cité un thermostat à IA embarquée qui économise jusqu'à 15 % d'énergie sur le chauffage et la climatisation. Claire Mathieu, directrice data et IA de Suez, localise les fuites par capteurs acoustiques, alors que les réseaux français perdent, selon elle, 10 à 20 % de l'eau prélevée. En santé, Antoine Tesnière (PariSanté Campus) et Artémis Llamosi (Whitelab Genomics) rappellent que rien n'est déployé sans validation, l'étape la plus longue et la plus chère. Chez Accor, Jean-François Guilmard voit croître chaque mois les visites venues de ChatGPT ou de Gemini, et prépare la réservation dans la conversation avec l'UCP, que Google étend aux hôtels (voir notre guide GEO).

Que faire en 2026 pour une PME ou une ETI ?

Les leçons de ces grands groupes se transposent à une PME : voici la checklist que nous en tirons.

Le point Koïno : les retours les plus solides venaient d'équipes qui ont choisi peu de processus, mesuré l'usage réel et gardé la liberté de changer de modèle. C'est notre façon de travailler : agnostiques, avec des modèles frontières ou open source hébergés, comparés sur votre cas réel. Le cadrage dure un mois au plus, puis un premier produit arrive vite chez les équipes et s'améliore chaque semaine, avec un mois de garantie en production et un compteur de ROI intégré à l'outil. Le scoring n'est jamais laissé à l'IA mais à des règles métier versionnées : chez Motul, un moteur alliant règles déterministes et IA catégorise 98 % des dépenses de prestations intellectuelles. Notre article sur les projets IA qui n'arrivent jamais en production détaille cette méthode.

Vous voulez faire passer un cas d'usage du pilote à la production, avec un indicateur de valeur fixé dès le cadrage ? Contactez Koïno : un premier échange suffit pour choisir le processus à traiter en premier et la façon de le mesurer. Pour les équipes, notre formation IA part de leurs propres dossiers.

Questions complémentaires

L'IA va-t-elle supprimer des emplois ?

La table ronde sur le futur du travail a surtout décrit une redistribution des tâches, avec des équipes parfois plus resserrées. Le risque le plus cité concerne les juniors, qui apprennent en faisant les tâches que l'IA prend désormais en charge.

À propos de l'auteur

Maxence Morin est co-fondateur (Tech & Ops) de Koïno, cabinet français d'IA et de data. Il a suivi avec l'équipe Koïno la scène Data et IA au service du business de Big Data & AI Paris 2026, et accompagne les PME et les ETI dans le passage de leurs cas d'usage IA du pilote à la production. Retrouvez-le sur LinkedIn.