Introduction

Lors du Cypher 2025 à Bengaluru, l’attention s’est portée non plus sur ce que l’IA peut faire, mais sur la manière dont elle doit être mise en œuvre. Ce sommet de trois jours (du 17 au 19 septembre) a marqué un tournant dans l’écosystème de l’IA en Inde, avec des débats centrés sur la confiance intégrée dès la conception, les systèmes agents, la transformation axée sur le retour sur investissement, et une montée en capacité responsable.

L’enseignement était clair : l’avantage concurrentiel de l’IA ne réside plus dans la génération, mais dans l’intégration. Les échanges se sont concentrés sur la manière dont les entreprises et les prestataires de services peuvent opérationnaliser l’IA — en la rendant intuitive, responsable et orientée vers les résultats.

De l’infrastructure à l’intuition : la confiance par conception

Principaux enseignements

• L'infrastructure n'est plus un élément différenciateur
  Le calcul et le stockage sont aujourd’hui des commodités. Ce qui fait la différence, c’est la manière dont les entreprisestransformer les données brutes en décisionsà travers la récupération, les flux de travail et la gouvernance.
• Le multimodal est devenu grand public
  Une IA qui combine texte, images, voix et données de télémétrie produit des insights bien plus riches. Par exemple, un hôpital qui associe les notes des patients (texte), les scans IRM (images) et les dictées des médecins (voix) peut détecter les problèmes plus tôt et avec plus de précision que s’il se basait uniquement sur le texte.
• Les petits modèles de langage (SLM) peuvent être plus pratiques que les grands modèles de langage (LLM)
  Une observation clé était de comprendre pourquoi nous utilisons systématiquement des modèles volumineux pour chaque cas d’usage lorsqueLes modèles plus petits et spécialement affinés peuvent offrir la même valeur commerciale à une fraction du coût.

Exemples :

• FAQ sur le support client :Au lieu de déployer un LLM de 70 milliards de paramètres pour répondre à « Comment réinitialiser mon mot de passe ? », un modèle léger de 1 à 3 milliards de paramètres entraîné uniquement sur les FAQ peut répondre plus rapidement, avec une latence plus faible et à un coût divisé par 20.
• IA embarquée :Une entreprise de logistique utilisant des scanners portables dans les entrepôts peut exécuter un SLM directement sur l’appareil pour classer les marchandises endommagées à partir des images, sans avoir besoin de LLM lourds basés sur le cloud.
• Contrôles de conformité bancaire :Un SLM ajusté peut valider les demandes de prêt selon les réglementations. Utiliser un LLM serait excessif, coûteux et potentiellement plus lent.
• Conclusion
  Les SLM permettent des déploiements rentables et spécifiques à un domaine oùla vitesse, le coût et le déploiement en périphérie comptent plus que l’ampleur des capacités linguistiques.
• La confiance est une condition sine qua non
  La conception d’une IA respectueuse de la vie privée est obligatoire. Les entreprises souhaitent de plus en plusminimisation des données, tokenisation et pistes d’audit

  Chez TO THE NEW, nous comprenons que la localisation marketing B2B ne consiste pas simplement à traduire des mots, mais à adapter votre message pour qu’il résonne efficacement sur chaque marché. Notre expertise mondiale en technologie numérique et services IT nous permet de fournir des traductions précises, cohérentes et culturellement pertinentes qui renforcent votre impact commercial.

  Notre approche inclut :

  • Une analyse approfondie des nuances linguistiques et culturelles spécifiques à chaque région.
  • Une cohérence terminologique rigoureuse assurant l’uniformité de votre marque à l’échelle mondiale.
  • Des traductions fluides et naturelles, prêtes pour publication, qui conservent les intentions marketing originales.

  Faites confiance à TO THE NEW pour propulser votre communication B2B sur le plan international avec précision et finesse.

• évoluera, sans disparaître
  L’IA ne consiste pas à supprimer des emplois, mais à...transformation des rôlesLes tâches répétitives sont automatisées, tandis que les humains se concentrent sur la stratégie, l’empathie et la supervision.

Implications pour les fournisseurs de services

• Tous les problèmes client ne nécessitent pas un grand LLM -Les SLM plus petits, ajustés au domaine, peuvent souvent faire le travail mieux et à moindre coût.
• Multimodal + conception axée sur la confidentialitéGlobal direction de l’IA Le succès diffère selon la maturité De nombreuses entreprises ont adopté l’IA rapidement, mais la maturité et la maturité technologique varient largement. Pour que les investissements dans l’IA soient fructueux, il faut une gouvernance complète éclairée par les risques et les résultats attendus. Apprenez-en plus sur la gouvernance de l’IA Le modèle de maturité de la gouvernance de l’IA Le cadre de maturité de la gouvernance de l’IA est un guide permettant d’avancer vers une gestion responsable et efficace de l’IA. Il aide à évaluer votre position actuelle et à planifier les étapes suivantes. | Niveau | Description principale | Objectif pour avancer | |------------------------|-------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | Initial | Pas ou peu de gouvernance formelle. Décisions prises de façon ad hoc par les équipes d’IA. | Comprendre les risques liés à l’IA et formaliser des rôles et des responsabilités clairs. Mettre en place un pilotage de niveau exécutif pour soutenir l’initiative. | | Répété | Processus et politiques de base établis. Des processus commencent à être documentés et répliqués. | Standardiser les processus de gouvernance sur plusieurs projets. Mettre en place une gestion des risques IA et commencer à créer des preuves/documentations. | | Défini | Gouvernance formalisée et intégrée dans la stratégie d’entreprise. | Intégrer les contrôles d’IA dans les systèmes existants. Automatiser le suivi de la conformité. Faciliter la communication entre les équipes métier et techniques. | | Géré | Gouvernance mesurable avec indicateurs clairs et amélioration continue. | Optimiser l’efficacité des contrôles via les données. Développer une gestion proactive des risques et une culture de responsabilité. | | Optimisé | Gouvernance avancée avec innovation et ajustement en temps réel. | Implémenter des technologies avancées de surveillances des IA. Assurer une transparence complète et une redevabilité envers tous les acteurs. | Trousse d’outils pour la gouvernance de l’IA - Cartographie des risques IA - Politiques et directives réglementaires - Processus de revue des modèles IA - Outils d’audit et de traçabilité - Formations responsables pour les équipes - Frameworks d’éthique et conformité Voyage de la gouvernance IA : ce qu’attendre à chaque étape En partant d’une approche ad hoc, les organisations doivent progressivement instaurer des rôles clairs de gouvernance, intégrer les processus de gestion dans leur système d’information, puis adopter des indicateurs mesurables et enfin innover en automatisant la surveillance des risques IA. Cela permet d’aligner la stratégie métier avec des pratiques responsables, garantes de confiance et de performance. En savoir plus sur comment réussir avec l’IA en entreprise.
• Les entreprises de services doiventinclure la refonte des rôles et les stratégies de montée en compétenceslors du déploiement des transformations pilotées par l’IA

Systèmes agentiques et retour sur investissement réel

Principaux enseignements

• L’IA agentique est prête pour la productionLa transition des simples chatbots versagents qui planifient, appellent des API/outils et vérifient les résultatsest déjà en cours. Ces agents ne se contentent pas de répondre aux requêtes : ils exécutent des flux de travail.

Exemple : Un agent de traitement des réclamations d’assurance pourrait :

• Lire les documents téléchargés (OCR + NLP)
• Valider les règles de la politique par rapport à une base de connaissances
• Appeler les API pour l’historique des réclamations
• Résumer les critères d’éligibilité pour qu’un ajusteur humain approuve

• Le ROI doit être défini dès le départ

  Les programmes d’IA réussis commencent par l’identification de KPIs clairs :

  • Délai de résolution (réduction de 30 %)
  • Coût par transaction (réduit de 15 à 20 %)
  • Précision (améliorée de 10 % par rapport aux modèles de référence)
  • Satisfaction client (augmentation de 5 points du CSAT/NPS)
• Sans cela, les pilotes deviennent des expériences scientifiques plutôt que des résultats commerciaux.
• IA systémique > pilotes isolés
  Les entreprises qui réussissent avec l’IA la considèrent comme un(e)système pipelines de données, gouvernance, observabilité, qualité de la récupération et supervision humaine.

Exemple : Une chaîne de distribution qui met en œuvre des recommandations basées sur l’IA établit également des ensembles de données d’évaluation, des pipelines de tests A/B, et une surveillance des dérives. Le résultat n’est pas seulement un meilleur modèle, mais un moteur de recommandation durable.

• L'Inde comme banc d'essai pour l'IA
  Avec une diversité linguistique massive, une population axée sur le mobile et des secteurs riches en domaines (finance, santé, logistique), l’Inde offre le terrain idéal pour construiresystèmes d’IA de qualité mondiale et rentables.
• Positionnez les solutions d’IA autour deautomatisation des flux de travail, pas seulement les interfaces de chat
• FournirTableaux de bord ROIà côté des déploiements
• Créeraccélérateurs répétables(RAG, cadres d’agents, FinOps, observabilité)
• Tirez parti de la diversité sectorielle de l’Inde poursolutions d’exportation à l’échelle mondiale

Gouvernance, GTM et le facteur humain

Enseignements clés

• La gouvernance est la clé de la mise sur le marchéLes acheteurs d'entreprise exigent de plus en plusPolitiques d’IA, explicabilité et documents de conformitéLoin d’être une lourdeur administrative, ce sont des leviers d’accélération pour l’adoption.

Exemple : Un client dans le secteur BFSI peut approuver plus rapidement un agent de traitement de prêts s’il est accompagné de fiches de modèles, d’audits de biais et de workflows d’explicabilité.

• Les organisations traditionnelles peuvent se réinventer
  Les entreprises traditionnelles peuvent encore rivaliser si elles adoptentpensée produitconstruire de manière itérative, définir des objectifs de niveau de service (SLO) et intégrer l’IA dans les flux de travail orientés client.

Exemple : un opérateur télécom traditionnel pourrait repenser le support de facturation avec une IA agentive plutôt que de sous-traiter aux centres d’appel.

• Le plaisir favorise l’adoption
  Des interfaces multilingues, orientées voix, et des explications transparentes garantissent que l’IA n’est pas seulement déployée, mais réellement utilisée. La confiance se gagne par le design.

Exemple : Un système d’IA logistique qui explique « Pourquoi la livraison sera retardée » (en utilisant les données météo et itinéraires) inspirera plus de confiance à l’utilisateur qu’un système fournissant une mise à jour générique.

Implications pour les Prestataires de Services

• Développeroffres axées sur l’explicabilité
• Apporterétat d’esprit produiten victoires petites, rapides et itératives de livraison
• Concentrez-vous surexpérience utilisateur vocale prioritaire et multilinguepour une adoption plus large

Une session légendaire avec Leander Paes

L'un des moments forts de Cypher 2025 a été une session inspirante avec la légendaireLeander PaesIl a partagé son parcours remarquable — né dans une famille de champions, grandi avec une génétique sportive, et ayant choisi le tennis après avoir abandonné une carrière prometteuse au football à l’Académie de Barcelone. De ses premiers pas à la Britannia Amritraj Academy jusqu’à devenirPremier homme asiatique d’Inde intronisé au Temple de la renommée du tennisL’histoire de Leander est celle d'une persévérance inlassable, d’une réinvention constante et d’une grande capacité d’adaptation.

Ce qui ressortait, c’était sa philosophie selon laquelle le succès repose sur la conscience de soi et l’apprentissage constant. Il évoquait l’étude de légendes comme Vishy Anand et Sachin Tendulkar, ainsi que le rôle de la science—génétique, techniques de respiration, cartographie cérébrale—dans son évolution en tant qu’athlète. Son coup emblématique « flying man » à Wimbledon, disait-il, était un pur instinct et une capacité d’adaptation—des qualités qui restent cruciales non seulement dans le sport, mais aussi dans la technologie et le leadership.

Leander a ensuite établi un parallèle avec le monde detechnologie et IAVoici ses mots :

• L'intelligence artificielle reste artificielle : elle est basée sur les données. Ce sont l'intelligence humaine, les émotions et l'adaptabilité qui font la différence.
• Les athlètes (et les professionnels de tous les domaines) doivent constamment se réinventer, apprenant plus rapidement que la technologie ne prévoit leur prochaine action.
• La véritable opportunité pour l’Inde réside dans la combinaisoninvestissement étranger avec l’intelligence indienne-développement en Inde, création d’emplois et valorisation de notre quotient émotionnel unique que les machines ne peuvent pas reproduire.

Douze principes à appliquer dorénavant

1. Commencez par résultats, pas des modèles
2. Considérez l’IA comme un(e)système, pas un composant
3. Conserverhumains dans la bouclepour la supervision
4. Réaliserfonctionnalités de confidentialité et de sécurité

   Introduction à l'intelligence artificielle responsable

   L'intelligence artificielle (IA) continue de transformer les industries à un rythme sans précédent. Cependant, cette transformation s'accompagne de responsabilités accrues concernant l'éthique, la transparence et la redevabilité.

   Chez TO THE NEW, nous nous engageons à promouvoir des pratiques d’IA responsables qui garantissent que les innovations technologiques profitent à tous, tout en minimisant les risques et en respectant les normes éthiques strictes.

   Principes clés de l’IA responsable

   • Transparence : Assurer une communication claire et ouverte sur les algorithmes, les données utilisées et les décisions prises par l’IA.
   • Équité : Éviter les biais et garantir l'inclusion afin que les résultats de l’IA soient justes et impartiaux.
   • Confidentialité et sécurité : Protéger les données sensibles et respecter la vie privée des utilisateurs.
   • Responsabilité : Mettre en place une gouvernance de l’IA robuste pour suivre, auditer et remédier aux impacts éventuels.

   Approche de TO THE NEW

   Nous intégrons des cadres de gouvernance des agents IA et des modèles de responsabilité afin d'assurer un contrôle permanent sur les solutions déployées. Notre expertise couvre également l'implémentation du Model Context Protocol pour renforcer la traçabilité et la compliance.

   L'adoption de systèmes de composants cohérents passant à l’échelle permet à nos clients de déployer des systèmes de conception efficaces et sécurisés, tout en respectant les standards internationaux.

   Contactez-nous

   Pour en savoir plus sur nos services en intelligence artificielle responsable, contactez notre équipe. Nous vous accompagnerons dans la mise en œuvre de solutions innovantes, éthiques et fiables.

5. MesurerRetour sur investissement de manière inlassable
6. Lancementd'abord des flux de travail étroits et à forte valeur ajoutée
7. Conception pourréalité multilingue et multimodale
8. Équilibreopen-source et propriétaireoutils de manière pragmatique
9. Cuirecadres d’évaluationdans la livraison
10. Construirearchitectures indépendantes du modèle
11. Considérez la sécurité et la gouvernance comme des éléments différenciateurs
12. Inclure un élément distinctif dans votre proposition augmente considérablement vos chances de succès.feuille de route des compétences et des talentsdans chaque projet d’IA

Réflexions finales

Cypher 2025 a rendu une vérité incontestable : l’avantage concurrentiel de l’IA ne réside pas dans la création de modèles plus vastes, mais dans la capacité à fournirsystèmes fiables et orientés résultatsSa véritable valeur ne réside plus dans ce qu’elle peut générer, mais dans la manière dont elle s’intègre parfaitement aux flux de travail, prend des décisions contextuelles avec des garde-fous, et passe à l’échelle en toute sécurité à travers les systèmes d’entreprise avec gouvernance et conformité. Le guide est clair :concevoir la confiance, mesurer sans relâche, automatiser les flux de travail et adopter en priorité la voix multilingueLes entreprises et les prestataires de services qui suivent ces principes ne se contenteront pas de surfer sur la vague de l’IA : ils en façonneront la direction et créeront une valeur durable.