[Replay] Enfin une plateforme agentique conçue par et pour les DSI

Cette vidéo présente une émission en direct avec trois intervenants : Manuel Pennequin, Stéphane Lefevre et Alexandre Audeon. Les intervenants prennent la parole à tour de rôle face caméra. La vidéo alterne entre différents plans des intervenants et des supports visuels affichés à l’écran, avec des éléments textuels permettant notamment d’identifier les personnes présentes.

Animatrice (≈00:00) — Bonjour à toutes et à tous et bienvenue dans Toast'n'Tech, le rendez-vous des matinales d'Open qui décrypte les grandes innovations technologiques et leurs impacts sur la transformation digitale des entreprises. Aujourd'hui, les DSI occupent une place stratégique au cœur de la compétitivité des organisations et, plus que jamais, elles doivent relever un triple défi : libérer l'innovation et accélérer la création de valeur, accompagner la transformation organisationnelle induite par l'intelligence artificielle, tout en garantissant la maîtrise et la sécurisation des données.
Dans ce contexte, l'IA s'est rapidement imposée comme un levier incontournable de performance, et après plusieurs années d'expérimentation, une conviction s'est installée : la technologie est prête. Le véritable enjeu se situe désormais ailleurs. Comment passer de projets isolés à une adoption à grande échelle ? Comment industrialiser l'IA pour en faire un moteur durable de transformation et de création de valeur au sein de la DSI ?
C'est précisément la question que nous allons explorer aujourd'hui avec mes invités, avec une réponse concrète : une plateforme agentique conçue par et pour les métiers de la DSI. Je vous rappelle que vous pouvez poser toutes vos questions dans le chat, nous prendrons le temps d'y répondre à la fin de nos échanges. J'accueille aujourd'hui trois intervenants d'Open : Manuel Pennequin, directeur AI First — bonjour et bienvenue ; à ses côtés Stéphane Lefèvre, directeur commercial de l'offre IA ; et enfin Alexandre Audeon, directeur de la plateforme agentique d'Open. Bienvenue à tous les trois.
Première question. Avant de plonger dans le sujet, Manuel, pouvez-vous présenter Open rapidement ?
Manuel Pennequin (≈01:50) — Rapidement : Open est une entreprise de services du numérique et de l'agentique, AI First, un industriel de l'innovation, fort d'environ 4 000 collaborateurs. Nous accompagnons les grands acteurs publics et privés à chaque étape de leur transformation digitale. Nous leur proposons une démarche engagée qui vise de manière systématique à améliorer leur compétitivité, tout en œuvrant à la souveraineté et à la sobriété numérique. Notre ADN, c'est de faire passer à l'échelle les innovations avec une excellence industrielle, afin d'apporter une performance durable à nos clients.
Animatrice (≈02:30) — On parle beaucoup d'IA agentique. Pourquoi Open pose-t-il le débat non pas seulement sur l'agent, mais avant tout sur la plateforme ?
Manuel Pennequin — Parce que le sujet n'est plus de démontrer l'utilité de l'IA au quotidien. Les DSI et les entreprises au sens large n'ont plus besoin d'être convaincues du potentiel de l'IA. La notion de collaborateur augmenté, c'est déjà une réalité. Il y a déjà des agents qui traitent et automatisent des tâches très complexes, qui interagissent avec des environnements métier eux-mêmes très complexes, ou qui s'interconnectent avec des outils tout aussi complexes.
La question, aujourd'hui, c'est de savoir comment apprivoiser l'intelligence artificielle : comment la rendre pilotable, gouvernable et durable dans le temps. Les DSI n'ont pas besoin d'un démonstrateur, elles ont besoin d'un socle cohérent. Pour le dire trivialement : sans ce socle, un agent reste un prototype ; avec ce socle, il devient un actif du système d'information. D'où la plateforme, qui est le socle que nous proposons.
Animatrice (≈04:00) — Stéphane, très concrètement, qu'est-ce qui va faire réagir un DSI quand il va découvrir cette plateforme ?
Stéphane Lefèvre — Comme vous l'avez dit en introduction, notre approche c'est de concevoir une plateforme pour et par les métiers de l'IT. Nous l'avons pensée pour répondre à tous les enjeux des DSI : nous accompagnons tout le cycle de développement logiciel, de l'expression de besoins jusqu'au déploiement, assisté par l'IA. Nous accompagnons également, au travers de la plateforme, les métiers du support, qu'ils soient fonctionnels ou sur la partie infrastructure. Enfin, une problématique importante des DSI, c'est d'accélérer la modernisation de leur SI, pour répondre notamment à la gestion de la dette technique. Les clients comprennent que ce n'est pas une promesse technologique, mais une vraie capacité à industrialiser.
Animatrice (≈04:50) — Alexandre, quand on parle de plateforme agentique, qu'est-ce qu'on trouve concrètement dedans ?
Alexandre Audeon — Concrètement, on va trouver quatre espaces de travail. Le premier, c'est une bibliothèque d'agents et d'orchestration. On trouve ensuite un espace studio, que l'on verra un peu plus en détail tout à l'heure ; un espace de supervision, pour faire le monitoring des usages de l'IA à travers la plateforme ; et pour finir, un espace d'hypercontextualisation pour chaque projet embarqué dans la plateforme.
La plateforme permet aussi de gérer les usages, les droits utilisateurs, les agents, les workflows, le contexte projet — le tout dans un environnement homogène, ce qui était vraiment notre priorité. Mais surtout, l'IA n'est pas juste un agent avec qui l'on échange : c'est un outil capable d'interagir avec l'écosystème existant d'une DSI — Jira, Confluence, GitLab — mais aussi n'importe quelle API métier du SI existant.
Animatrice (≈05:30) — Après cette explication, je vous propose qu'on découvre cette plateforme en images.
Alexandre Audeon (voix off démo, ≈05:35) — C'est avant tout un point d'entrée unique pour l'ensemble des collaborateurs. Tous les usages IA sont centralisés dans un environnement privé, multi-utilisateur, historisé, où chaque interaction est rattachée à un contexte projet. La plateforme intègre une bibliothèque d'agents spécialisés, organisée par parcours métier : cycle de développement applicatif, support, analyse documentaire, modernisation du SI. Chaque agent capitalise les process et les savoir-faire de l'entreprise.
Chaque agent s'appuie sur une base de connaissance gouvernée — documents métier, référentiel technique, données projet. Tout est indexé, enrichi de métadonnées et soumis à un contrôle d'accès granulaire. Chaque réponse est contextualisée, traçable, sourcée et alignée avec les droits de l'utilisateur. L'ensemble repose sur une infrastructure souveraine, certifiée ISO 27001 et SecNumCloud, garantissant la conformité et la confidentialité des données traitées.
Le studio agentique permet aux équipes de concevoir leurs propres agents — prompts, modèles, outils, workflows, règles métier — tout se configurant dans un environnement unifié, testable en temps réel et déployable en quelques minutes. En arrière-plan, la plateforme orchestre les agents, les modèles et les flux d'exécution : routage intelligent, propagation du contexte, reprise sur erreur. Les chaînes de traitement IA se succèdent sans intervention humaine. Et bien entendu, chaque interaction est mesurée : coût par modèle, par projet, par direction. La plateforme délivre une vision FinOps complète des usages de l'IA et permet d'arbitrer en temps réel.
Animatrice (≈08:20) — Merci Alexandre pour ces explications bien illustrées. Manuel, vous insistiez beaucoup sur la notion de cadre : cela signifie-t-il que le principal frein n'est plus technologique aujourd'hui ?
Manuel Pennequin — Exactement, il n'est plus technologique. On ne va pas parler de modèle ou de savoir lequel est le plus performant ; on ne va pas non plus s'interroger sur tel ou tel cas d'usage, parce qu'il y en a pléthore. Le problème, c'est un problème de cadre — et on le voit bien, car très peu d'initiatives passent à l'échelle ou durent dans le temps.
Ce problème de cadre, nous le constatons tous les jours sur le terrain : il vient du fait que chaque projet reconstruit sa propre logique. À court terme, cela permet d'aller vite ; à moyen terme, cela fragmente complètement les choses. Les DSI se retrouvent à accumuler des solutions hétérogènes, difficiles à gouverner, à maintenir et à faire évoluer. Et typiquement, un risque opérationnel apparaît : c'est ce qu'on appelle le shadow IA. C'est invisible, donc on ne peut ni le gouverner ni le maîtriser. C'est précisément à ce moment-là que les initiatives ralentissent, s'arrêtent ou se bloquent.
C'est pour cela que, dans notre plateforme, nous n'intégrons pas que des briques technologiques : il y a aussi tout ce qui concerne la gouvernance, l'accompagnement au changement, la notion de ROI dont on parlera un peu plus tard. Une plateforme, c'est une transformation systémique — c'est surtout cela qu'il faut voir.
Animatrice (≈10:00) — Intéressant. Stéphane, lorsqu'un client est convaincu, comment est-ce que ça va démarrer ?
Stéphane Lefèvre — Nous avons une démarche très pragmatique en trois étapes. La première, c'est la phase Select : on discute du cas d'usage avec le client, on aligne les objectifs et les KPI attendus, et on valide le périmètre technique et fonctionnel. La deuxième, c'est la phase Engage : on expérimente sur le cas d'usage et on valide que l'IA apporte la valeur attendue. Enfin, quand l'expérimentation est concluante, on entre dans la phase Scale : industrialisation et généralisation du cas d'usage au sein de l'entreprise.
Depuis 2024, nous avons mené une centaine d'expérimentations sur tous les cas d'usage possibles de la DSI. Cette approche est rassurante pour les DSI. Notre promesse : déployer une plateforme pour faire une expérimentation en moins de 2 semaines, et passer en phase d'industrialisation en moins de 6 semaines. Les DSI peuvent donc accélérer sans perdre la maîtrise. Commercialement, on part d'un usage concret, on prouve la valeur, puis on déploie. Nous ne demandons pas aux clients de croire, mais de vérifier, et d'étendre tout en gardant la main sur leur stratégie.
Animatrice (≈11:30) — Alexandre, pouvez-vous nous montrer ce que cela change dans un cas concret ?
Alexandre Audeon — Oui, car c'est là qu'on voit vraiment la valeur de la plateforme. Ce n'est pas juste un assistant question-réponse : c'est quelque chose qui interagit avec un écosystème maîtrisé, souverain et sécurisé. Pour illustrer, la vidéo va présenter un collaborateur spécialiste du test qui veut mettre à jour son référentiel de cahiers de test, suite à des modifications apportées par un client. On part de trois documents, et on regarde ce qui se passe en utilisant la plateforme.
(voix off démo, ≈11:35) — Je me connecte à ma plateforme et j'accède à sa base de connaissance, qui synchronise automatiquement le patrimoine Jira et Xray. On y retrouve la centralisation des spécifications produit et des documents métier. Dans mon exemple, je mets à jour trois documents. Je sélectionne un premier assistant pour analyser le différentiel entre l'ancienne et la nouvelle version des spécifications : il m'aide à identifier les fonctionnalités modifiées, à repérer les écarts sur les exigences et à les classer par criticité. Cet assistant évalue aussi l'impact sur le patrimoine existant en estimant le nombre de cas de test à ajouter, et me propose une matrice de traçabilité complète ainsi que des recommandations de priorisation basées sur nos abaques.
Ensuite, un deuxième assistant identifie précisément les cas de test à travailler : il propose un récapitulatif des domaines fonctionnels, liste les tests à construire ou à mettre à jour, et permet de voir la couverture exacte des exigences, pour s'assurer d'une complétude à 100 %. J'utilise ensuite un troisième assistant pour concevoir le détail des cas de test : il prépare les descriptions, valide les prérequis et configure les jeux de données nécessaires. On parcourt sa réponse, qui met en évidence chaque modification apportée.
Pour conclure, on utilise un quatrième assistant — le vrai mode agentique — qui génère les cas de test directement dans notre outil Jira. On voit dans la vidéo que les cas de test sont complets, avec les jeux de données et les étapes manuelles à réaliser.
Animatrice (≈13:50) — Merci Alexandre pour cette démonstration. On voit bien que les notions de souveraineté, de sécurité et de conformité sont devenues centrales. Manuel, pour quelle raison ?
Manuel Pennequin — Parce que c'est précisément là que se joue le passage entre le prototype et l'utilisation critique, le passage à l'échelle. C'est pourquoi notre plateforme intègre un cadre que nous avons appelé le cadre 4S : Sécurité, Souveraineté, Scalabilité et Sobriété. Pour les DSI, ce n'est pas un supplément d'âme, c'est un must-have — c'est ce qui permet de perdurer dans le temps.
Un focus rapide sur chacune. La sécurité : Alexandre l'a évoqué, l'environnement SecNumCloud est aujourd'hui une des exigences fortes, sur les données comme sur la confidentialité — pas seulement dans le domaine public, mais aussi dans le privé. La souveraineté : c'est aussi un sujet politique, bien sûr ; mais si l'on sort de la politique, cela renvoie à des notions que nous avons intégrées dans la plateforme, comme l'open source ou le fait d'être agnostique vis-à-vis des solutions techniques que l'on intègre. La scalabilité se comprend d'elle-même : on commence, mais les besoins et les exigences augmentent ; sur tout le cycle de développement logiciel, cela fait beaucoup de cas d'usage, il faut donc être capable de passer à l'échelle très vite. Enfin la sobriété : le mot que nous associons particulièrement à notre plateforme, c'est celui de l'éco-efficience. Et nous mesurons : Alexandre a montré comment on mesure la consommation, y compris la consommation de tokens, mais aussi l'empreinte carbone associée.
Animatrice (≈16:00) — Avez-vous des cas concrets, des chiffres à partager avec celles et ceux qui nous regardent ?
Stéphane Lefèvre — Quelques chiffres sur la plateforme. Aujourd'hui, au sein de la plateforme, nous avons développé et déployé plus de 150 projets industriels et plus de 75 cas d'usage dans une bibliothèque mise à disposition de nos clients. La plateforme, c'est aussi 85 % d'utilisateurs actifs : au quotidien, les utilisateurs sont réellement consommateurs de la plateforme dans leur usage de l'IA.
Sur les gains de productivité, on constate de manière générale 50 % de gains sur tous les cas d'usage déployés industriellement. Sur le cycle de vie applicatif et la partie rétrodocumentation, les gains sont encore plus importants : environ 70 % sur les projets sur lesquels nous opérons. Et sur la partie support, on obtient également des gains importants, de l'ordre de 30 %.
Au-delà de la productivité, il y a aussi les gains de qualité. Un focus sur le testing, qui nous occupe beaucoup : nous avons déployé plus de 30 cas d'usage sur le testing, avec des gains de l'ordre de 50 à 60 %, notamment sur la revue et la testabilité des entrants, la génération de cas de test et l'automatisation — un pan stratégique pour les DSI. Ce ne sont pas des cibles marketing : ce sont des chiffres constatés au quotidien, et un engagement d'Open sur les gains de productivité, pour renforcer la compétitivité de nos clients.
Animatrice (≈18:40) — Comment garantir la pérennité d'une plateforme alors que l'IA évolue sans cesse ?
Alexandre Audeon — Bonne question. Au niveau de l'architecture — pour parler un peu technique — nous avons fait le choix de ne pas dépendre d'un modèle, d'un composant technique ou d'un hébergeur : nous sommes multi-LLM, multi-hébergement et multi-composant. L'objectif de la plateforme est d'apporter la couche de gouvernance et de sécurité qui permet, comme le disait Manuel, de devenir un vrai actif de l'entreprise. On capitalise sur les cas d'usage déployés, et si l'IA évolue, on adapte la plateforme et les cas d'usage associés. Cela permet de capitaliser et de s'adapter aux technologies de demain.
Animatrice (≈20:00) — Manuel, cette transformation peut-elle vraiment être pilotée dans la durée ?
Manuel Pennequin — Je dirais même plus : ce n'est pas qu'elle peut, c'est qu'elle doit être pilotée dans la durée. Si je fais un rapprochement avec ce qu'on voit sur le marché, il y a deux trajectoires face aux évolutions qui arrivent. La première : les organisations qui font le choix de continuer à expérimenter avec l'IA. Cela permet d'aller vite, mais — je l'ai dit — cela fragmente les choses ; on ne capitalise pas, on travaille projet par projet. La deuxième trajectoire — celle qui a notre préférence, sans spoiler — c'est celle des organisations qui font le choix de s'équiper ou de construire une plateforme agentique, pour se donner les moyens d'utiliser l'IA de manière industrielle.
Pourquoi ? Parce que, comme on l'a vu dans les vidéos et dans ce que Stéphane et Alexandre ont raconté, le contexte est là, les agents sont là, les processus sont alignés — et cela change complètement la façon de produire pour une DSI. Cela accélère : les équipes ont un impact beaucoup plus fort, les métiers gagnent en confiance et les projets en fiabilité, parce que l'IA devient un accélérateur. Face à la complexité, elle ne la subit plus, elle la structure. Surtout, l'IA prend une place centrale dans la performance de la DSI.
Animatrice (≈22:30) — Alexandre, exercice difficile : si vous deviez résumer l'idée derrière cette plateforme ?
Alexandre Audeon — Notre objectif, c'était de passer à l'échelle l'IA et son adoption dans l'entreprise. Ce que nous avons fait, c'est capitaliser sur les cas d'usage et rendre l'IA accessible à tout le monde, avec des outils robustes et sécurisés, pour accompagner l'ensemble des collaborateurs et pouvoir passer à l'échelle. Comment mettre cette solution à disposition de tous ? C'était l'un des enjeux clés — et notre priorité, cette partie capitalisation et industrialisation.
Animatrice (≈24:00) — Stéphane, vous avez parlé des résultats de productivité. Quels retours clients avez-vous aujourd'hui ?
Stéphane Lefèvre — Nous avons énormément de retours d'expérience : je le disais, plus de 150 projets industriels, et avec les équipes Open nous travaillons au quotidien à les délivrer. Quelques exemples. La dette technique, d'abord, enjeu majeur des DSI. Pour un leader de la banque-finance-assurance — cela parlera à bon nombre de nos clients — l'application cœur de métier avait été développée il y a plus de 30 ans : une application monolithique, sur de vieilles technologies (ici du WebSphere Portal, mais cela pourrait être du Cobol), avec pour objectif d'évoluer vers une stack plus récente, en l'occurrence Angular et Java. Sur ce cas d'usage, on accompagne la migration avec un premier agent de rétrodocumentation : on part de la documentation et du code existants pour générer une documentation technique et fonctionnelle. À partir de cette documentation à jour, un deuxième agent, de coding, redéveloppe avec les équipes dans la nouvelle stack ; puis on actionne d'autres agents, notamment de testing, pour aller jusqu'au bout du projet. On obtient là des gains de productivité très importants.
Un deuxième exemple, autour de la rétrodocumentation mais très différent : beaucoup de clients ont des TMA. Pour un grand acteur industriel de l'énergie, nous avions — et nous pouvons parler au présent — une TMA dont la documentation était incomplète et de mauvaise qualité, auditée 2/5. L'idée était d'utiliser l'IA pour rétrodocumenter l'environnement du client et permettre aux équipes opérationnelles d'être plus efficaces au quotidien, avec une documentation complète et de qualité pour travailler sur le run.
Alexandre Audeon — Je voulais juste compléter. Stéphane l'a dit, on travaille sur l'ensemble du cycle de développement applicatif, mais aussi sur l'ensemble du cycle des opérations. On pourrait présenter un REX sur chacune des étapes du SDLC — le Software Development Life Cycle. Une ESN comme nous fait le même métier qu'une DSI : nous nous sommes équipés dans nos propres centres de service, et nous équipons aussi les DSI. Sur chacune des étapes — de la conception à la réalisation, avec du coding assistant qui se répand énormément, jusqu'au test dont Stéphane a parlé, et même jusqu'au déploiement puis au support — nous avons vraiment beaucoup de retours d'expérience sur tous les cas d'usage.
Animatrice (≈26:00) — Puisqu'on arrive à la fin de nos échanges — avant les questions du chat — si vous deviez résumer votre vision en une phrase ?
Manuel Pennequin — En une phrase, ce n'est pas possible : j'en utiliserai deux. Le sujet, ce n'est pas de rajouter de l'IA, ni une brique, ni un outil. Parce qu'à un moment, pour une DSI, ce n'est plus une question d'outil, c'est une question de système. Et ce système, c'est celui qui fait de l'IA un moteur de transformation.
Alexandre Audeon — Pour moi : il faut une plateforme qui orchestre, sécurise, contextualise, et qui reste libre de toute dépendance.
Stéphane Lefèvre — Comme vous nous avez demandé une phrase, on va être bon élève, contrairement à Manuel. Ce qui nous guide chez Open, vous l'avez compris : expérimenter, démontrer, et surtout être en capacité de passer d'un usage qui fonctionne à un usage qui dure.
________________________________________
Questions du chat (≈28:00 → 35:30)
Animatrice — Comment la plateforme s'intègre-t-elle avec nos outils existants, Jira par exemple, ou les outils de test ?
Alexandre Audeon — Notre plateforme intègre la notion de studio. Dans ce studio, on développe ce que nous appelons des tools — des fonctions qui permettent à l'IA d'appeler des API, qu'il s'agisse de services comme Jira, Confluence ou GitLab, ou même d'API métier du SI. La plateforme apporte la couche d'authentification, de contexte projet et de sécurité qui permet à l'IA d'exploiter ces API de manière contextualisée.
Animatrice — Nous sommes soumis à des exigences réglementaires fortes (secteur public, santé, finance). La plateforme est-elle compatible ?
Stéphane Lefèvre — C'est le premier pilier qui nous occupe : la sécurité. Tous nos clients ont des contraintes de sécurité importantes. Nous travaillons avec le secteur public et le privé — de grands ministères régaliens, des industries de défense, et beaucoup de clients de la banque-finance-assurance et de l'industrie. La contrainte de sécurité est le premier aspect auquel nous répondons avant d'avancer sur un cas d'usage.
Manuel Pennequin — En complément : il y a aussi la conformité — être conforme à l'IA Act et à tous ces éléments. Et une notion associée, sur laquelle nous nous engageons : être traçable et auditable.
Animatrice — Où sont hébergées les données, les embeddings, les logs et les historiques de prompts ?
Alexandre Audeon — Notre plateforme est déployable où on le souhaite. Celle que nous utilisons en interne est hébergée chez un partenaire de confiance, OVHcloud. Les embeddings — par exemple pour le RAG — sont cloisonnés par espace projet. Chaque projet dispose d'un espace privé où l'on stocke les documents, les conversations, le RAG, la GED, mais aussi le cache : nous allons jusqu'au bout de l'exercice, même le cache utilisé par les IA et les agents est isolé.
Stéphane Lefèvre — En complément, moins technique : notre plateforme se contextualise selon les besoins du client. Si la personne qui pose la question a des exigences particulières, on peut les prendre en compte : c'est cela qui est intéressant, on ouvre la possibilité de répondre à toutes les exigences du marché.
Animatrice — Les gains que vous annoncez (productivité, qualité, time to market), comment les mesurez-vous concrètement ?
Stéphane Lefèvre — Initialement, il s'agit de comparer avec ce qu'on faisait sans IA. Ensuite, la plateforme mesure un certain nombre de choses. Sur le coding assistant, par exemple, l'un des KPI est la vélocité de l'équipe ; ou des éléments plus concrets, comme le nombre d'anomalies retrouvées en production. Il est assez facile de mesurer la vélocité d'une équipe à un instant T et à un instant T', et de suivre l'évolution du nombre d'anomalies en production.
Animatrice — Dans la démo, nous avons vu des assistants pilotés par des prompts et des actions humaines. Qu'en est-il de la capacité de la plateforme à orchestrer des activités de façon purement autonome et industrielle, avec un bon niveau de supervision ?
Alexandre Audeon — C'est une question de granularité et du niveau d'autonomie souhaité. Dans la vidéo, les étapes ont été enchaînées manuellement, ce qui permet un contrôle humain et une relecture. Mais si l'on veut aller plus loin, avec une confiance accrue et un workflow totalement autonome, notre moteur de workflow est extrêmement permissif : on peut enchaîner les assistants et les agents de l'étape A à l'étape Z sans intervention humaine. C'est ensuite à nous de décider ce que l'on veut.
Animatrice — Le dashboard montre les tokens, mais comment évitez-vous les dérives budgétaires ?
Alexandre Audeon — D'abord par la sensibilisation des collaborateurs. Nos assistants sont préconfigurés sur des modèles optimisés pour les tâches confiées. Nous accompagnons les collaborateurs à l'usage, et nous avons des mesures de protection — du rate limit activable par contexte projet et par utilisateur — ce qui donne quelques garde-fous.
Manuel Pennequin — J'ajoute que, grâce à tous les projets industrialisés, nous avons un très bon retour d'expérience sur le LLM qui correspond le mieux à un cas d'usage, tant en efficacité qu'en consommation. Nous faisons ainsi bénéficier nos clients du triptyque : choix du LLM, consommation, performance.
Animatrice — Face à l'augmentation soudaine des tarifs des LLM, qu'apporte cette plateforme évolutive ?
Alexandre Audeon — Nous donnons accès à des LLM de tout type — grand public comme open source. L'intérêt de la plateforme, c'est cette flexibilité : s'interconnecter avec tous les types de LLM, en choisir un selon le modèle économique, et assurer une continuité d'activité — on n'est jamais contraint d'utiliser tel LLM plutôt qu'un autre.
Manuel Pennequin — Notre plateforme est une plateforme de gouvernance des cas d'usage et des agents : on peut changer de LLM à tout moment. Si une politique tarifaire évolue, on capitalise sur le cas d'usage et on bascule vers un autre fournisseur, voire on internalise l'inférence, pour maîtriser les coûts d'infrastructure et ne pas dépendre d'un tiers.
Animatrice — Cette plateforme est-elle uniquement destinée à améliorer la performance d'Open, ou peut-elle être déployée au sein des SI des clients eux-mêmes ?
Stéphane Lefèvre — Je reprends le mot flexibilité, que j'emploie beaucoup depuis le début. Nous l'avons d'abord pensée pour un déploiement dans nos infrastructures, en mode SaaS, en mode produit, pour accélérer les cas d'usage de nos clients. Mais en discutant avec eux, notamment en 2025, nous avons vu qu'il fallait une stratégie à deux vitesses : démarrer vite des cas d'usage en utilisant la plateforme, tout en ayant la possibilité de la déployer ensuite au sein de leur propre SI. Nous avons donc construit la solution pour s'adapter à toutes les stratégies : commencer depuis nos environnements, puis assurer une réversibilité des cas d'usage — ou de briques entières de la plateforme — vers les SI de nos clients. C'est ce sur quoi nous opérons avec plusieurs d'entre eux.
Manuel Pennequin — Une ESN comme la nôtre a les mêmes métiers qu'une DSI. Pas plus tard que la semaine dernière, Stéphane et Alexandre ont eu un rendez-vous avec un client qui, disposant de sa propre plateforme, souhaitait la comparer à la nôtre. Cela répond concrètement à la question : sans arrogance, avec une maturité assez forte, nous venons souvent compléter des briques des plateformes de nos clients.
Animatrice — Dernière question : concrètement, comment s'articule le modèle économique ? Licence, abonnement à l'usage ?
Stéphane Lefèvre — Nous l'avons construit comme une approche éditeur, en mode SaaS, en mode produit. Nous avons mis en place trois abonnements pour accompagner les clients selon leurs problématiques : peu d'utilisateurs ou un grand nombre, cinq cas d'usage ou des cas d'usage illimités, accès à toute la bibliothèque, etc. À chaque profil correspond un abonnement mensuel d'accès à la plateforme.
Animatrice (≈35:30) — Merci beaucoup. Nous arrivons au terme de cette émission. Merci Manuel, merci Stéphane, merci Alexandre pour vos éclairages, vos démonstrations et vos retours d'expérience. Nous retiendrons que l'enjeu n'est plus simplement l'intelligence artificielle, mais la capacité à l'industrialiser, grâce à une plateforme agentique capable d'apporter gouvernance, sécurité, souveraineté et création de valeur durable pour les DSI. Merci à toutes et à tous pour votre participation. Le replay sera très bientôt disponible ; rendez-vous très bientôt pour un nouveau Toast'n'Tech. À bientôt.