Replay | Notre plateforme agentique souveraine : industrialisez l'IA au cœur de la DSI

Je suis en charge des relations entreprises et des partenariats au sein de Hub France IA. Comme vous le savez, nous organisons chaque mois des webinaires dédiés au partage d’expérience entre les membres de la communauté.
Aujourd’hui, j’ai le plaisir d’accueillir Manuel Pennequin, directeur de l’offre IA chez Open, ainsi qu’Alexandre Audéon, directeur de la plateforme agentique chez Open. Ils vont coanimer cette session pour vous présenter leur plateforme autour du sujet suivant :
Et si une plateforme agentique industrielle et souveraine, au service des usages de la DSI, permettait un véritable passage à l’échelle ?
Avant de leur laisser la parole, un rapide rappel du format : la présentation durera environ 20 minutes, suivie de 5 à 10 minutes de questions-réponses. N’hésitez pas à poser vos questions dans le chat ; nous y répondrons en fin de session ou ultérieurement si nécessaire.

Introduction – Open et contexte
Bonjour à toutes et à tous, et merci pour cette introduction.
Nous allons intervenir à deux voix avec Alexandre pour vous présenter ce sujet.
Quelques mots sur Open :
nous sommes une ESN française de 4 000 collaborateurs, réalisant 400 millions d’euros de chiffre d’affaires, présente sur 16 sites en France. Notre positionnement est clair : accompagner nos clients en tant que partenaire de confiance dans leurs transformations IT et digitales, notamment autour des enjeux liés à l’intelligence artificielle.
Nos activités couvrent un large spectre de services, organisés en plusieurs grands domaines, allant de l’intégration à l’édition, en passant par l’industrialisation des solutions. C’est dans ce cadre que s’inscrit notre approche de l’IA, et plus particulièrement la plateforme que nous vous présentons aujourd’hui.

Contexte : de l’IA générative à l’industrialisation
Ces dernières années ont été marquées par une accélération spectaculaire de l’intelligence artificielle. Avec l’arrivée de l’IA générative, un changement fondamental s’est opéré.
Jusqu’alors, l’IA était perçue comme une technologie experte, réservée à des cas d’usage spécifiques et portée par des spécialistes. L’arrivée de solutions comme ChatGPT a rendu l’IA accessible, simple d’usage et immédiatement exploitable par tous.
Chacun a pu commencer à l’utiliser à titre personnel pour écrire, comprendre, synthétiser ou explorer des idées. Très rapidement, l’IA s’est installée dans les usages quotidiens.
Une évidence s’est alors imposée : si l’IA peut transformer les usages individuels, elle peut également transformer en profondeur les usages professionnels.
Les DSI ont été en première ligne sur ces sujets : développement, tests, documentation, support, pilotage… Les expérimentations ont montré des gains concrets en productivité, en qualité et en time-to-market.
Cependant, un constat s’est rapidement imposé :
passer de l’usage individuel à un usage collectif, puis à un déploiement industriel, reste complexe.
Pourquoi ?
Parce que l’IA générative est probabiliste et soulève des enjeux majeurs : gouvernance, sécurité, traçabilité, maîtrise des coûts et souveraineté.
Sans cadre, les initiatives restent isolées. Sans industrialisation, elles ne passent pas à l’échelle.

Les conditions du passage à l’échelle
Deux conditions sont essentielles :
• Des cas d’usage répétitifs, à fort ROI, capables de démontrer une valeur tangible et durable
• Une plateforme capable d’orchestrer, de systématiser et de sécuriser ces usages
C’est précisément ce point de bascule que nous vous proposons d’explorer aujourd’hui.
L’enjeu n’est pas seulement de diffuser l’IA, mais de la gouverner, de l’orchestrer et de l’intégrer dans les chaînes de production existantes.
Cette approche ne remplace pas les équipes : elle les augmente, en inscrivant l’IA dans une logique industrielle et durable.

L’IA au service de la DSI
Notre conviction est simple : l’IA crée de la valeur pour la DSI lorsqu’elle s’intègre dans la chaîne de production logicielle de manière industrielle et maîtrisée.
Nous couvrons l’ensemble du cycle de vie applicatif, de l’expression de besoin jusqu’au déploiement, en positionnant des agents spécialisés à chaque étape.
L’IA n’est pas une baguette magique. Elle ne remplace ni l’expertise, ni le discernement, ni la responsabilité des équipes.
Notre approche consiste à équiper les collaborateurs d’un “exosquelette IA”, qui augmente leur capacité sur des tâches ciblées : compréhension, production, vérification et automatisation.
L’intelligence humaine reste au cœur des décisions.

Cas d’usage prioritaires
Le passage à l’échelle repose sur des cas d’usage concrets, fréquents et reproductibles.
Parmi les principaux :
• Rétro-documentation : amélioration immédiate de la compréhension du patrimoine applicatif
• Gestion de la dette technique : analyse des bases de code et priorisation des actions
• Migration applicative : sécurisation et accélération des transformations
• Support et run : gestion des tickets, capitalisation sur l’historique
Ces usages partagent un point commun : ils sont récurrents et au cœur de l’activité des DSI.

La plateforme agentique Open
Pour industrialiser ces usages, nous avons conçu une plateforme reposant sur quatre piliers :
1. Hypercontextualisation
Une IA spécialisée, alimentée par les connaissances métiers et projet, permettant de proposer des cas d’usage prêts à l’emploi.
2. Sécurité, souveraineté et passage à l’échelle
Une plateforme sécurisée, cloisonnée par projet, conçue pour répondre aux exigences des environnements critiques.
3. Évolutivité et modularité
Une architecture ouverte, capable d’intégrer et de faire évoluer les composants technologiques en continu.
4. Supervision et pilotage
Une gouvernance centralisée permettant de piloter les usages, la consommation et les performances.

Démonstration – cas d’usage testing
Prenons l’exemple d’un testeur travaillant sur une user story.
Un premier agent analyse la user story, identifie les incohérences et propose une version clarifiée.
Un second agent génère automatiquement les cas de test, couvrant les scénarios nominaux, les cas limites et les cas d’erreur.
Enfin, les cas de test sont directement intégrés dans l’outil de gestion de test.
Résultat : un gain de temps significatif et une amélioration de la qualité des livrables.

Gains observés
Les gains ne se limitent pas à un pourcentage isolé.
Ils s’accumulent sur l’ensemble du cycle de vie :
• Productivité accrue
• Qualité améliorée
• Fluidité des processus renforcée
Les équipes passent moins de temps sur des tâches répétitives et davantage sur des activités à forte valeur : analyse, arbitrage, sécurisation.

Conclusion
Lorsque l’IA est intégrée de manière industrielle, elle agit à la fois sur la vitesse et sur la fiabilité.
Elle permet de concilier performance et qualité, sans compromis.
Les résultats présentés s’appuient sur plus de 150 projets réalisés, dans des contextes variés et exigeants.
Enfin, un point clé : la performance technique n’a de valeur que si elle est perçue positivement par les équipes et les métiers.
C’est cette dimension d’adoption et de valeur d’usage qui fait la réussite des projets IA.