.jpeg)
Cet article présente une synthèse structurée des principaux enseignements tirés de Pigment Prism. Toutes les sessions évoquées ci-dessous sont disponibles en replay.
Si vous souhaitez revoir l'une des sessions ci-dessous, elles sont disponibles en streaming à la demande ici :
Bret Taylor, Chairman d'OpenAI et co-fondateur de Sierra
La diffusion s’est ouverte sur une conversation enregistrée avec Bret Taylor, ancien CTO de Facebook, Chairman de Twitter, co-CEO de Salesforce, actuel Chairman d’OpenAI et cofondateur de Sierra.
La technologie façonne les entreprises, et non l’inverse
Les géants mondiaux (Amazon, Google, Salesforce,...) sont nés de ruptures technologiques majeures.
Bret rappelle qu’à travers Sierra, il ne fait que « surfer » sur une vague beaucoup plus vaste : celle de l’IA générative et des agents IA.
Son conseil aux dirigeants : ne pas adopter une vision myope du monde. Aucune entreprise ne définit seule son avenir. Les décisions doivent intégrer les forces externes structurantes.
Construire autour des imperfections pour instaurer la confiance
Bret souligne la difficulté initiale de bâtir sur des modèles non déterministes. Ses deux recommandations :
- Ne pas survendre les capacités. Un agent IA doit se présenter comme tel ; les utilisateurs acceptent mieux l’erreur lorsqu’ils savent qu’elle est possible.
- Mettre en place des garde-fous : l’IA ne devrait pas encore prendre des décisions critiques sans supervision humaine.
En résumé : n’attendez pas que l’IA soit parfaite. Travaillez avec ses limites.
Mati Staniszewski, cofondateur et CEO, ElevenLabs
Mati a pris la suite avec une discussion centrée sur l’organisation humaine et la productivité à l’ère de l’IA.
Les équipes sont l’actif le plus précieux
Pour recruter, ElevenLabs part d'une vision claire du futur et privilégie les talents qui la partagent.
L’entreprise fonctionne en petites équipes autonomes, capables d’avancer vite et de maximiser l’impact individuel.
Dans chaque équipe, Mati veille à intégrer de l’expertise technique pour optimiser les processus, un impératif dans un monde où chaque équipe cherche à gagner en efficacité grâce à l’IA.
Olivier Pomel, cofondateur et CEO, Datadog
Olivier dirige Datadog, plateforme de monitoring et d’observabilité pour systèmes cloud-scale.
Combiner approche top-down et bottom-up
Les grandes initiatives IA doivent être impulsées par la direction. Mais il faut aussi laisser les équipes libres d'explorer et d’innover localement : elles connaissent mieux leurs problèmes que quiconque.
Donner la priorité au feedback client
La clé de la profitabilité de Datadog : des boucles de feedback très rapides.Datadog vend des abonnements mensuels — rare en enterprise software — afin de recevoir les mauvaises nouvelles le plus vite possible. Revenus et rétention jouent le rôle de signaux immédiats.
Des Traynor, cofondateur et CSO, Intercom
Des Traynor a partagé une vision particulièrement pratique de l’exploration IA.
Explorer toutes les possibilités
L’IA réduit drastiquement le coût de l’exploration. Chez Intercom, les roadmaps deviennent quasi interactives : prototyper, maquetter, générer des versions multiples d’une idée est instantané.
L’impact ne concerne pas seulement l’ingénierie. Selon Des, l’IA peut rendre les dirigeants plus lucides et plus efficaces : « L’IA peut rendre un VP meilleur. Beaucoup de leaders pensent encore que l’IA est un truc pour les jeunes. »
Le piège "construire" vs "acheter" en IA
Les entreprises sous-estiment l’effort nécessaire pour créer des outils IA fiables.
Une démo ou un prototype hackathon donne l’illusion que « construire en interne » est simple. En réalité, la distance entre une démo et un système robuste est immense.
Des est clair : construire n’est pas toujours rationnel. Le capital humain doit se concentrer sur la stratégie, pas sur le remplacement de solutions existantes pour économiser quelques milliers d’euros.
Naveen Zutshi, CIO, Databricks
Naveen a partagé une vision structurée de l’adoption de l’IA à grande échelle.
Votre donnée et votre vision comptent autant l’une que l’autre
La réussite d’un programme IA dépend de la maturité de la donnée et de la pertinence des cas d’usage.
Exemples soutenus par Databricks
- Mastercard : traitement des paiements et onboarding client avec supervision humaine.
- Rolls-Royce : fusion de données IoT et environnementales pour prévenir les pannes moteur, réduisant les émissions carbone.
- Walgreens : optimisation logistique, +20 % de productivité et +160 M$ de valeur générée.
Les CIO doivent imposer clarté et gouvernance
La demande d’IA explose dans tous les départements. Sans cadre clair, l’entreprise voit émerger une « shadow AI » risquée.
Pour atténuer ce risque, chaque directeur informatique devrait mettre en place un cadre de sécurité pour l'IA, définir une politique claire d'utilisation des outils d'IA et créer un document stratégique interne sur l'IA. Une gouvernance responsable implique également de rechercher les biais, de garantir la traçabilité des données et de disposer d'un système d'audit et de traçabilité permettant de corriger les erreurs des agents.
Panel Finance : Michael Miao (VP Finance, Glean) & Dan Zhang (CFO, ClickUp)
Animé par Jay Peir de Pigment, le panel a exploré la question centrale : comment passer du concept aux résultats concrets en matière d’IA ?
Structurer intelligemment l’adoption
Pour ClickUp, Dan distingue deux phases :
Phase 1 : présenter l’IA comme une opportunité de création, soutenue par un programme cadencé (formations hebdo, récompenses mensuelles, hackathons trimestriels)..
Phase 2 : associer les projets IA aux capacités clés de l’organisation : automatisation transactionnelle, partenariats business renforcés.
Michael rappelle : l’adoption IA est d’abord un défi organisationnel. L’IA peut intimider ; il faut démontrer sa valeur, accompagner les utilisateurs, et déployer des rôles dédiés similaires à des « forward-deployed engineers » pour aider les équipes à créer et utiliser leurs propres agents IA.
Mesurer le ROI requiert une vision élargie
Dan distingue trois catégories de ROI : L'automatisation 1-10 : gains de productivité mesurables. Le deuxième est « 0-1 unlocks », qui fait référence à de nouvelles capacités qui étaient impossibles avant l'IA, telles que la personnalisation instantanée des informations pour chaque utilisateur ou l'analyse de tous les commentaires de la communauté.
La troisième catégorie se concentre sur l'amélioration qualitative apportée par l'IA, comme la synthèse d'informations complexes pour aider à la prise de décision ou la présentation de rapports au conseil d'administration. Dan a averti que se contenter de mesurer le temps gagné risquait de passer à côté de la véritable valeur à long terme générée par les deuxième et troisième catégories, qui peuvent transformer la qualité et, au final, avoir un impact sur la croissance du chiffre d'affaires.
Pour voir l’intégralité de l’événement, cliquez ici.
Pour découvrir comment Pigment ouvre l’ère de l’EPM agentique, cliquez ici.
