Egis change d’avis et abandonne son IA maison

De l’ambition initiale au constat d’un plateau

Lancé en mars 2024, Iris se présentait comme un « Secure GPT » basé sur les modèles d’OpenAI et opéré dans un environnement cloud privé. L’outil offrait une interface de chat généraliste pour assister les 20 000 collaborateurs, mais sa valeur ajoutée résidait dans ses modules spécialisés pour l’ingénierie.

Parmi ceux-ci figuraient des applications pour la réponse semi-automatisée aux appels d’offres ou la comparaison d’un mémoire technique aux exigences d’un cahier des charges.

Pour porter cette ambition, Egis avait constitué une équipe dédiée qui intégrait des expertises techniques et fonctionnelles jusqu’alors absentes de l’entreprise. Cependant, l’analyse des chiffres d’usage allait révéler un écart avec les ambitions initiales.

L’effort d’acculturation fut conséquent. Près de 4 000 employés ont été formés tout au long de 2024, et les premiers mois montraient une courbe d’adoption encourageante. Mais entre fin 2024 et début 2025, cette courbe a atteint un plateau. Le nombre d’utilisateurs actifs mensuels stagnait autour de 3 000, un chiffre modeste au regard des 20 000 collaborateurs du groupe.

L’intensité d’utilisation restait également limitée, avec une moyenne de 50 à 60 prompts par mois et par utilisateur actif.

Cette stagnation coïncidait avec une décision interne de réduire l’effort d’acculturation en 2025 et de redéployer une partie de l’équipe dédiée sur un autre projet Data d’envergure.

La concurrence du Shadow AI

Le « Shadow AI » participait également au plafonnement d’Iris. Grâce à un outil d’analyse capable de suivre l’utilisation des services IT sur les postes de travail, Egis a pu mesurer l’ampleur du recours aux alternatives.

En France, l’usage de ChatGPT en « shadow » était quasiment identique à celui de l’application interne. Dans les autres régions, là où se concentre la croissance du groupe, ChatGPT l’emportait largement.

« Les utilisateurs qui utilisent ChatGPT en shadow faisaient 10 fois plus de prompts par mois qu’avec Iris », se souvient Romain Bertrand. Ce constat a poussé à réévaluer l’approche de l’IA générative.

Fallait-il investir massivement pour rattraper le rythme des géants de la tech, ou chercher une autre voie ? La seconde option s’est imposée compte tenu de l’écosystème IT existant.

L’environnement Microsoft 365 était déjà déployé sur la totalité des 20 500 postes de travail. L’entreprise comptait 1 400 utilisateurs actifs mensuels de la Power Platform, dont une communauté de 400 « makers ».

Une armée de 400 « makers » sur Power Platform

Ces « citizen développeurs » – des ingénieurs capables de développer de manière autonome des applications métiers avec la technologie Microsoft – constituaient une force mobilisable et répartie dans le monde entier.

La découverte de cette « armée » de 400 makers, distribuée globalement, a déverrouillé la nouvelle stratégie GenAI. Et elle était parfaitement alignée avec le modèle opérationnel « très décentralisé » d’Egis.

Copilot Studio, le framework de Microsoft pour développer des assistants IA, est techniquement intégré à la Power Platform. Plutôt que de repartir de zéro, Egis pouvait s’appuyer sur une gouvernance, des compétences et un réseau déjà en place pour accélérer le déploiement de solutions d’IA à plus large échelle.

Iris vs Copilot : une grille d’analyse pour trancher

La décision de pivoter s’est appuyée sur une analyse comparative multicritères.

Sur la maintenance et l’adoption, l’avantage de Copilot était indéniable. En s’appuyant sur une solution SaaS, Egis se déchargeait de toute la maintenance applicative et sécuritaire, gérée par Microsoft. L’adoption était aussi facilitée, puisque Copilot est nativement intégré à l’environnement de travail des 20 500 collaborateurs.

Sur la scalabilité, Copilot s’imposait également. Le framework Microsoft permet d’industrialiser et de déployer des assistants développés localement à l’échelle avec un effort et un coût « modiques », assure le responsable.

Le modèle basé sur des licences, plutôt que sur le financement d’une équipe de développement interne, offrait un coût total de possession (TCO) plus simple à maîtriser et un retour sur investissement potentiellement plus rapide.

Sur l’innovation, l’arbitrage illustre le dilemme « build vs. buy ». Iris avait permis à Egis d’internaliser des compétences en IA. Cependant, Copilot bénéficie de la puissance de R&D de Microsoft, avec des « releases notes mensuelles » qui apportent des « évolutions majeures », avec la garantie d’avoir un accès constant à la pointe de la technologie sans effort.

Sur la gouvernance aussi, l’avantage revenait à Copilot, car Egis disposait « déjà d’une gouvernance Microsoft qui existe au niveau de l’entreprise ». La nouvelle stratégie pouvait s’ancrer dans des processus et une structure déjà établis, réduisant la friction organisationnelle.

Sur la sécurité et la confidentialité, critère fondamental pour Egis, les deux solutions ont été jugées équivalentes. Le paramétrage de Copilot garantit l’absence d’apprentissage des modèles sur les données de l’entreprise.

Ces données sont traitées au sein du « tenant Azure Egis, qui est un tenant sur du cloud privé », assurant le même niveau de confidentialité qu’Iris.

Sur l’interopérabilité, une solution interne offrait a priori plus de souplesse pour s’interfacer avec des éditeurs tiers non Microsoft. Cependant, ces points n’ont pas été jugés bloquants pour Copilot.

Déploiement et gouvernance décentralisée

Une fois la décision prise, Egis a défini un plan de transition articulé autour de trois axes. Premièrement, la transition des cas d’usage : plus aucun nouveau développement ne serait réalisé sur Iris. Les cas existants et pertinents seront progressivement redéveloppés sur Copilot, avec un objectif d’achèvement de cette migration d’ici 2026.

Deuxièmement, une gouvernance décentralisée s’appuie sur une petite équipe pour piloter la stratégie, tout en donnant une large autonomie aux régions. Des licences premium sont allouées aux entités locales pour leur permettre de développer leurs propres assistants, en s’appuyant sur un réseau d’ambassadeurs et la communauté des 400 « makers ».

Troisièmement, pour démocratiser l’usage, Copilot Chat est déployé sur les postes des 20 000 collaborateurs. Pour les usages avancés, Egis a acquis 300 licences premium en 2025, avec l’objectif de monter à 500, ou plus, une fois la création de valeur démontrée.

Premiers cas d’usage et gains d’efficacité observés

Selon Romain Bertrand, la capacité à générer de la valeur, sur des cas d’usage concrets, est tangible, avec des investissements en temps et en ressources considérés comme faibles.

Le premier exemple est un agent FAQ pour une application interne. L’objectif était de remplacer une solution SaaS coûteuse utilisée comme base de connaissance pour une application métier critique. Un assistant Copilot a été déployé directement dans Microsoft Teams, ce qui a permis aux utilisateurs d’accéder plus facilement à l’information et d’escalader une question à un expert si besoin.

Le tout a été développé et testé pour un investissement de 30 jours-personnes, transformant un « centre de coût SaaS » récurrent en un « actif » interne performant et considéré comme peu coûteux.

Avec Copilot Studio, Egis s’est également penché sur la détection de défauts sur les infrastructures routières. Le processus initial était entièrement manuel : deux techniciens se déplaçaient sur site pour photographier et consigner les dégradations. Grâce à un agent Copilot, un technicien peut désormais prendre une photo avec son téléphone. Le bot détecte automatiquement les défauts sans recourir à un modèle de machine learning complexe.

Développée en 5 jours-hommes, cette solution transforme une opération de terrain, lente et gourmande en main-d’œuvre, en un processus temps réel et beaucoup plus scalable, résume Romain Bertrand.

Un coup d’arrêt au Shadow AI ?

La démarche d’Egis dénote. Il est rare qu’une grande entreprise partage, avec transparence, sa décision de « partir dans un axe complètement différent » après un investissement initial significatif.

Mais pour Egis l’essentiel était de rendre obsolète le Shadow AI. Pour y parvenir, Romain Bertrand insiste, il est indispensable « d’être le plus performant possible ». L’entreprise espère rendre les alternatives externes inutiles, ce qu’elle n’avait pu faire avec Iris.

Ce n’est qu’une fois la performance démontrée que des mesures plus coercitives pourraient être envisagées.