Au cœur de la révolution GenAI : l'expertise Data de PwC comme levier d'adoption

00:00:01 
Raphaëlle Duchemin : Comment la GenAI s'impose-t-elle dans notre paysage ? Cette nouvelle forme d'intelligence artificielle fait désormais partie intégrante de notre quotidien, dans nos téléphones, nos ordinateurs, mais aussi dans nos pratiques professionnelles. Doutes, craintes, désarroi aussi parfois face à ces nouveaux outils, les collaborateurs peuvent être désarmés et les entreprises aussi. Je suis Raphaëlle Duchemin et je vous emmène dans Histoire d'IA à la rencontre de celles et ceux chez PwC, France et Maghreb qui se sont interrogés sur la manière de rendre ces nouveaux usages plus en adéquation avec les stratégies pour pouvoir mieux accompagner tout le monde.

00:00:44 
Raphaëlle Duchemin : Bonjour Matthieu Bouchépillon.

00:00:46 
Matthieu Bouchepillon : Bonjour.

00:00:47 
Raphaëlle Duchemin : Merci d'être avec nous, vous êtes associé Consulting Data et IA. J'imagine que personne n’a eu besoin de vous convaincre que la GenAI allait être un nouveau levier à actionner dans le monde professionnel.

00:01:02 
Matthieu Bouchepillon : Absolument pas. Si je fais un petit retour en arrière sur mon parcours qui est un petit peu atypique, j'ai commencé ma carrière chez PwC en 2008, et j'ai fait une petite infidélité à la firme entre 2020 et 2024 puisque j'ai rejoint l'Olympique de Marseille pour m'occuper du département Data et IA dans un contexte d'aide à la décision sportive. Quand je suis revenu chez PwC, c'était tout naturel pour moi de m'occuper de ces sujets-là.

00:01:33 
Raphaëlle Duchemin : C'est une chose, j'imagine, de déployer un outil comme on le fait avec un nouveau logiciel dans une entreprise, c'en est une autre de déployer l'intelligence artificielle générative, parce que justement, nous avons tendance à considérer que c'est un outil alors que ce n'est pas vraiment un outil comme les autres.

00:01:53 
Matthieu Bouchepillon : Ce n'est pas un outil comme les autres, c'est un outil qui comporte son lot d'incertitudes puisqu'on le sait, vous en avez entendu parler, il y a ce qu'on appelle des phénomènes d'hallucinations. C'est parce que cette IA générative a été entraînée, a été en quelque sorte forcée à fournir des réponses aux questions qu'on lui pose. Dans ce processus d'entraînement, elle peut être contrainte à formaliser des réponses qui ne sont pas forcément fondées sur la réalité.

00:02:25 
Raphaëlle Duchemin : Il n'y a pas de notice explicative, si j'ose dire, c'est aussi un peu à chacun de faire sa propre expérience. Comment les collaborateurs ont appréhendé cette nouveauté ?

00:02:37 
Matthieu Bouchepillon : Il y avait plusieurs types de population comme vous pouvez l'imaginer, il y a des collaborateurs qu'il n’a pas fallu forcer pour utiliser ces outils et qui, au contraire, ont été extrêmement moteurs et ont fait proactivement des demandes pour pouvoir bénéficier de cette aide au quotidien. Toutefois, évidemment, ça concerne une minorité de collaborateurs. Dans le cadre d'un programme de transformation qui a été mis en place au niveau de la firme, un programme de transformation qui concerne toutes nos lignes de service, nous avons décidé de manière extrêmement proactive de mettre en place un programme d'adoption. Ce programme d'adoption a pour vocation de former et de permettre aux collaborateurs d'utiliser cette technologie de la façon la plus efficace et la plus fiable possible.

00:03:29 
Raphaëlle Duchemin : Vous m'avez dit au départ, « nous sommes allés un peu trop vite, ça ne marchait pas forcément super bien et l'adoption n'était pas top, donc il a fallu revenir en arrière pour essayer de voir ce qui n'allait pas dans le process. »

00:03:46 
Matthieu Bouchepillon : Nous avons été un peu vite parce que nous nous sommes immédiatement demandé comment tirer le meilleur parti de l’IA, sans se poser la question de l'utilisateur final. Nous avons regardé de haut en bas nos processus, où il y avait des pain points, où est-ce qu'il y avait des processus très manuels, sur lesquels il pouvait y avoir des enjeux d'automatisation, et nous nous sommes dit : « Sur ces processus-là, nous allons mettre de l'IA générative. » En fait, nous nous sommes rendu compte que la technologie étant ce qu'elle est, elle est encore à un tournant de son histoire, elle n'a pas une fiabilité totale sur l'ensemble des cas d'usage, il faudrait peut-être redémarrer sur un programme plus généraliste, moins spécifique sur des processus, mais qui allait véritablement embarquer tout le monde.

00:04:40 
Raphaëlle Duchemin : C'est là que ça devient intéressant, parce qu'avec cette expertise de choses qui ont été testées, où nous avons vu les limites de choses qui ont fonctionné, PwC a un coup d'avance et peut-être aussi un appui solide pour les clients de PwC ?

00:04:58 
Matthieu Bouchepillon : Bien sûr. Je dis ça sans prétention, mais nos clients sont, pour certains, envieux de ce que nous avons réussi à accomplir, et ce, sur plusieurs plans. Déjà, notre programme d'adoption a des taux d'utilisation qu'on mesure de façon extrêmement précise semaine après semaine, et ces taux sont très positifs. Après, de manière plus générale, sur la façon dont, d'un point de vue informatique, nous avons réussi à s'approprier l'IA générative, certains clients nous demandent : « Comment vous avez fait pour vous assurer que les données étaient traitées en toute sécurité ? Comment est-ce que vous avez négocié avec vos fournisseurs pour pouvoir fiabiliser tout ça ? Vous êtes, vous aussi, une entité régulée, aidez-nous à nous mettre à la page. »

00:05:50 
Raphaëlle Duchemin : La donnée, c'est le cœur du réacteur, si j'ose dire, c'est comment je peux être sûr de ce qui va être généré et comment moi, nouvel entrant, nouvel utilisateur, je vais pouvoir sécuriser tout ça.

00:06:05 
Matthieu Bouchepillon : Exactement, c'est l'expression anglaise « garbage in, garbage out. », c'est la donnée qu'on donne à l'IA, la donnée « AI ready », si elle n'est pas propre, fiabilisée, et dénuée de biais, parce qu'il y a aussi cette question de biais et des questions d'éthique derrière, elle ne pourra pas être utilisée de manière correcte, performante, et fiabilisée dans ce système.

00:06:35 
Raphaëlle Duchemin : Est-ce que chez les clients, vous avez beaucoup d'entreprises qui sont frileuses encore à implanter l'IA générative et quels sont les freins ?

00:06:46 
Matthieu Bouchepillon : Nous avons des clients qui n'ont pas encore franchi le pas de l'IA générative. Il n'y en a pas beaucoup, mais il y en a pour plusieurs raisons. Une des raisons, c'est évidemment le coût que ça représente, parce que cette technologie est quand même assez onéreuse. Elle demande une puissance de calcul assez élevée, ce n'est pas toujours à la portée de n'importe quelle entreprise. L'autre raison majeure, je dirais, c'est la crainte sur la sécurité de l'information.

00:07:11 
Raphaëlle Duchemin : Si vous, qui êtes extrêmement réglementé, êtes parvenu à mettre en place le système, finalement ça a valeur d'exemple, c'est aussi peut-être le moyen de leur dire : vous n'avez peut-être pas saisi...

00:07:23 
Matthieu Bouchepillon : C'est exactement ça, quand nos clients les plus réticents voient ce que nous avons réussi à accomplir en tant que professions réglementées, nous prenons notre posture de PwC client zéro et nous leur expliquons ce que nous avons fait dans notre contractualisation avec nos fournisseurs pour pouvoir nous assurer que nos données restaient en totale sécurité.

00:07:45 
Raphaëlle Duchemin : Matthieu, est-ce que la bonne question à se poser, celle que les entreprises doivent se poser aujourd'hui, c’est : pourquoi je veux mettre de l'IA, par quoi je commence et où est-ce que j'en ai besoin ? Est-ce qu'elles ont compris qu'il fallait d'abord définir les besoins ?

00:08:00 
Matthieu Bouchepillon : Elles le comprennent, oui. Certaines ont été des pionnières et se sont directement lancés dans une démarche presque systématique, d'autres y reviennent petit à petit, et savent de mieux en mieux où vont être les principaux leviers d'efficacité et les principaux impacts de cette technologie. Là où les choses bougent le plus, c'est au niveau des directions informatiques, et comment utiliser l'IA générative sur tout le cycle de développement des logiciels à partir de la définition des besoins, la rédaction des spécifications fonctionnelles, spécifications techniques en passant par le développement informatique ou le code, et c'est là où les gains sont les plus significatifs. Parce qu'un code, si je simplifie, soit il marche, soit il ne marche pas, c’est dans ce cas-là que l'IA est très utile parce qu'il n'y a pas ce risque d'hallucination. Ensuite en fin de cycle sur la dimension de test des systèmes qui ont été développé, là, l'impact est très clairement identifié.

00:09:11 
Raphaëlle Duchemin : Demain, ces technologies auront encore fait un bond en avant. Comment est-ce que nous pouvons convaincre les plus rétifs de revenir en leur disant que cette technologie avance très vite. Je crois que vous m'avez dit : « Elle est aujourd'hui à un point d'inflexion. »

00:09:30 
Matthieu Bouchepillon : Tout à fait. La technologie est à un point d'inflexion et nous sommes, je pense, à quelques mois d'avoir des systèmes qui seront globalement fiabilisés. Les derniers modèles qui sont sortis, qui ont plusieurs milliers de milliards de paramètres, ont encore des hallucinations. Les plus gros modèles sont encore en difficulté sur certaines tâches que nous leur demandons, mais je considère que d'ici quelques mois, nous aurons réussi à résoudre ces problèmes et à les implémenter dans nos processus sans qu’il faille vérifier systématiquement que l'IA n'est pas en train de raconter n'importe quoi.

00:10:12 
Raphaëlle Duchemin : Alors, qu'en a pensé Copilot de notre entretien, je vous propose qu'on lui demande si elle a une question à vous poser.

00:10:21 
Matthieu Bouchepillon : Demandons-lui.

00:10:22 
Raphaëlle Duchemin : Matthieu, Copilot voudrait savoir si vous avez pu observer des résultats concrets chez vos clients.

00:10:26 
Matthieu Bouchepillon : Bien sûr, on accompagne pas mal de nos clients à différents moments du cycle de vie de l'IA. Comme je le disais tout à l'heure, que ce soit dans des définitions stratégiques, dans l'identification des cas d'usage et ensuite dans leur implémentation. Là, récemment, nous sortons d'un projet extrêmement intéressant dans lequel on a pu implémenter un assistant virtuel pour le département des ressources humaines. C'est un assistant virtuel qui permet aux collaborateurs de pouvoir consulter un certain nombre d'informations sur leur carrière du type : combien il me reste de congés payés ou des questions sur leur contrat de travail, sur les procédures, sur tout un tas de choses qui sont liées à leur quotidien et qu'ils peuvent interroger en langage naturel, via un assistant IA.

00:11:19 
Raphaëlle Duchemin : Répondre aux besoins des clients de manière de plus en plus fiable, c'est aussi la démonstration qui s'écrit sous nos yeux. Les équipes de data scientists l'ont bien compris, avec l'arrivée de la GenAI, leur monde est totalement bouleversé. Aujourd'hui, ils sont 100 % focus sur l'IA générative.

00:11:40 
Raphaëlle Duchemin : Bonjour Pierre Capelle.

00:11:41 
Pierre Capelle : Enchanté. Bonjour.

00:11:42 
Raphaëlle Duchemin : Merci d'être avec nous. L'IA et vous, j'ai envie de dire que c'est une très longue histoire puisque c'est votre métier depuis plus de 25 ans maintenant.

00:11:52 
Pierre Capelle : Exactement.

00:11:52 
Raphaëlle Duchemin : Le vrai changement aujourd'hui, c'est que ça n'est plus réservé aux data scientists, aux spécialistes. On a une sorte de vulgarisation, de démocratisation, et ça, ça modifie considérablement l'approche de l'IA en général ?

00:12:11 
Pierre Capelle : Exactement. Comme vous l'avez dit, j'ai démarré ma carrière très tôt dans le monde de l'IA, donc j'ai été baigné dans cet univers. À l'époque, dans les années 2000, j'accompagnais les directions de recherche et innovation essentiellement. L'IA était plutôt une technologie qu'il fallait apprendre à maîtriser pour convaincre des utilisateurs métiers que c'était exploitable avec des capacités opérationnelles de manipulation, d'utilisations faciles et surtout de confiance. Ensuite, nous sommes passés à une deuxième ère dans les années à peu près 2015-2016 avec le Big data, la question a été de savoir ce qui comment l’exploiter dans les outils du quotidien maintenant que nous savions la construire. C'était l'enjeu de l'industrialisation technique de cette approche. Aujourd'hui, avec l'IA générative, c'est un nouveau paradigme. Il n'y a plus de sujet sur son fonctionnement technique ou opérationnel, cependant il reste des questions sur son contrôle, son utilisation quotidienne et spécifique.

00:13:31 
Raphaëlle Duchemin : Donc, l'accès à la technologie a été simplifié, il y a de plus en plus de possibilités de dialoguer avec cette IA générative. Ça, c'est aussi un changement pour vous quand on est spécialiste, qu'on est dans l'arrière-boutique, si j'ose dire.

00:13:46 
Pierre Capelle : Exactement. Aujourd'hui, ce que nous faisons au quotidien, c'est à la fois notre travail historique de gérer cette complexité, parce que ça reste très complexe, tout en ayant la capacité d'utiliser ces outils dans notre manière de travailler. Au quotidien, un projet prend trois à quatre fois moins de temps pour un data scientist parce que le code, l'informatique est simplifiée. Nous pouvons générer du code et des algorithmes de manière beaucoup plus rapide. Hier encore, nous faisions un projet avec de la veille concurrentielle, de la veille technologique, et cette partie qui aurait pris des semaines a pris deux jours.

00:14:33 
Raphaëlle Duchemin : Aujourd'hui, nous nous apercevons que PwC apparaît comme une sorte de modèle dans l'adoption. Comment est-ce que vous avez réussi, en étant ce fameux client zéro, à faire valoir cette expertise auprès de vos clients pour les aider précisément à construire la valeur ajoutée avec l'IA générative ?

00:14:54 
Pierre Capelle : C'est un dialogue au quotidien parce que nous apprenons en marchant, parce que nous sommes les fameux clients zéro. C'est bien l'enjeu, c'est-à-dire que nous apprenons à exploiter les différents niveaux, nous testons au quotidien les nouvelles technologies qui arrivent. Je vous donne un cas très simple, nous sommes en train de travailler sur des outils de scraping, c'est-à-dire de récupération de l'information sur Internet. Typiquement, il y a eu des nouveaux algorithmes qui sont arrivés sur le marché il y a moins de deux mois, nous sommes en train de les tester, nous vérifions jusqu'où ça peut aller. Évidemment, nous partageons cela à nos clients au quotidien. Pour être plus concret par rapport à votre question, nous utilisons l'IA sur trois volets, le retour d'expérience en tant que client zéro, c'est vraiment ce que nous essayons de transcrire à nos clients. D'un point de vue bureautique, nous avons accès à Copilot, et ça, c'est une grande chance.

Utiliser Copilot, ce n'est pas uniquement faire des résumés ou dans des compte-rendus de réunions Teams, ce n'est pas uniquement faire des traductions, ça peut être beaucoup plus sophistiqué. Ça peut nous permettre de générer des contenus, des fichiers Excel différents, des analyses, mais ça nécessite d'avoir compris comment tirer parti de l'intelligence collective des gens qui ont déjà manipulé cet outil pour le transmettre aux autres. Il y a un énorme enjeu d’acculturation dans nos propres équipes, et c'est ce que nous essayons d'inculquer auprès de nos clients. Il y a un autre volet qui est la présence l'IA dans nos autres outils comme Salesforce, SAP, etc. Évidemment, les éditeurs ont fait des investissements significatifs autour de l'IA ces dernières années, et ont apporté des nouvelles fonctionnalités et une ergonomie différente. Là aussi, nous avons un rôle de conseil, il faut montrer à nos clients comment cette IA peut être intéressante au quotidien sur les processus et les outils qui leur sont propres, pour améliorer la productivité essentiellement, ou alors leur utilisation quotidienne.

Le troisième volet, ce sont les choses plus ad hoc, très spécifiques à un besoin, à un métier précis ou une technologie très pointue qu'il va falloir construire sur mesure. Là aussi, nous créons des choses pour nos clients.

00:17:23 
Raphaëlle Duchemin : Justement, vous parlez des clients. Vous m'avez dit par exemple : « On a travaillé pour un client de la grande distribution. » Quel était le besoin et comment vous avez essayé de l'aider à y répondre ?

00:17:33 
Pierre Capelle : Souvent, nos clients ne disent pas : « Nous avons besoin d'IA », nos clients nous disent : « Nous avons un besoin métier. » Le besoin en l’occurrence, par exemple, c'était un outil de Knowledge Management, l’enjeu était d’améliorer le partage des informations en interne à travers un outil de KM spécifique avec 3 000 utilisateurs derrière et d'avoir un client zéro. Des gens qui ont déjà testé sur eux-mêmes, c'est rassurant et ça permet de prendre des directions plus claires. C’est ce que nous avons fait, nous avons aidé ce client dans son approche du KM à injecter de manière efficace, à certains endroits très précis, de l'IA générative pour gagner en efficacité, en appropriation. Là, nous avons vu en l'espace de quelques jours, l'outil de KM utilisé de manière plus importante, à savoir 30 % d'utilisation supplémentaire en quelques jours. Cela montre bien que l'ergonomie liée à l'IA générative, en tout cas l'appropriation, était plus efficace.

00:18:36 
Raphaëlle Duchemin : C'est plus efficace et il y a aussi un gain de temps, il y a un gain d'investissement en nombre de personnes qui travaillent sur le projet ?

00:18:46 
Pierre Capelle : Il existe des approches bouleversées, littéralement, en tout cas entrechoquées par cette technologie. Je vous donne un exemple, c'était le tout début, notre tout premier projet en IA générative. Nous étions en train de discuter avec un client de la grande distribution, non alimentaire cette fois, sur un enjeu de création d’indicateurs sur la consommation carbone à l'utilisation des produits. C'est une donnée qui n'existait pas de manière native dans leur système d'information et qui était encore moins communiquée par les fournisseurs de manière naturelle. C'était un enjeu de créer un énorme jeu de données pour répondre à des enjeux réglementaires, et nous estimions ce projet à six mois, six personnes. Quand je dis nous, c’est PwC et tous les autres cabinets de conseil qui étaient mis en concurrence sur ce besoin. Nous avons proposé de tester l’IA générative pour faire ce projet, et nous l’avons réalisé en un mois et demi avec une seule personne. Le client a dit ce jour-là : « C'est Star Wars votre truc. »

00:19:49 
Raphaëlle Duchemin : En tout cas, je ne sais pas si c'est Star Wars, mais comment on fait pour que ça se diffuse davantage et que ça descende dans les plus petites entreprises, dans les TPE, dans les PME ? C'est l’étape suivante ?

00:20:00 
Pierre Capelle : Aujourd'hui, c'est déjà diffusé, comme c'est diffusé auprès des populations les plus jeunes, parce qu'aujourd'hui, vous n'avez plus un étudiant qui n'a pas encore utilisé ChatGPT dans son quotidien, et ces étudiants arrivent sur le marché, ils sont eux-mêmes dans les entreprises, les choses se font de manière naturelle. Il y a aussi les éditeurs, c'est-à-dire que l'IA ne se voit pas toujours mais elle est là, elle est présente, elle est autour de vous et vous ne la voyez pas. À la question, est-ce que les TPE sont aujourd'hui tout aussi dotées ? Bien sûr que oui, elles en bénéficient. L'autre question, c'est : est-ce qu'elles vont savoir utiliser l'IA comme un avantage concurrentiel ? Ça, c'est plutôt aujourd'hui l'apanage soit des très grands groupes qui ont la capacité de faire des investissements d'innovation autour de ça, pour en faire un avantage compétitif, ou alors des start-ups qui en font le cœur de leur business model.

00:20:58 
Raphaëlle Duchemin : Pierre, vous vous doutez puisque nous parlons d'IA, qu’une IA est avec nous. Je suppose qu'elle a des questions à vous poser.

00:21:05 
Pierre Capelle : Très bien.

00:21:06 
Raphaëlle Duchemin : Pierre, l'IA voudrait savoir comment vous voyez son évolution dans les prochaines années et son impact sur les différents secteurs ?

00:21:14 
Pierre Capelle : Je pense que nous sommes au tout début d'un cycle de maturité qui est très loin d'être au plus haut. Pour faire une analogie technologique, je pense qu'on est un peu à l'âge du BlackBerry où nous sommes encore à appuyer sur des touches, à tester la technologie avec quelque chose qui peut être assez lourd à manipuler parfois, ce n'est pas toujours confortable, mais c'est utile, puis on attend l'iPhone. Je pense que l'IA générative va bientôt avoir son iPhone, c'est-à-dire que vous l'aurez partout sans le savoir, vous allez arrêter de taper sur un clavier pour poser des questions, mais vous pourrez directement communiquer verbalement, dialoguer en parlant avec votre IA. Ça, c'est une évidence.

L'autre point, c'est que cette IA, vous la verrez moins, vous ne la verrez plus, elle sera là, avec vous, mais vous ne l'appellerez même plus une IA. C'est un outil technologique, aujourd’hui vous ne téléphonez pas seulement avec votre téléphone, vous l'utilisez comme un appareil photo aussi. L'usage, c'est : « Est-ce que tu as une super photo à faire ? Oui, je sors mon téléphone. » L'IA sera la même chose probablement, c'est-à-dire qu'elle sera partout autour de vous, mais d'une certaine manière, vous allez vivre avec. Les questions qui se posent aujourd'hui sur l’acculturation, la formation, etc., seront probablement naturelles dans très peu de temps, surtout comme je vous l'ai évoqué juste avant, pour les plus jeunes générations qui vivent déjà avec, qui sont nées avec cette technologie.

00:22:49 
Raphaëlle Duchemin : C'était Histoires d'IA, la série de ceux qui font et qui se transforment grâce à l'intelligence artificielle. Retrouvez tous les épisodes sur pwc.fr.