IA & Systèmes d’information et digital

Objectifs

Dépasser l’usage généraliste de l’IA pour l’ancrer dans les décisions stratégiques du DSI/CDO : choix d’architecture, structuration de roadmap, gouvernance IA.

Maîtriser le prompting avancé appliqué aux enjeux de la direction IT.

Contenu

Panorama des LLM et modèles spécialisés à connaître en 2026 : ce qui distingue Claude, GPT-4o, Gemini, Mistral dans les contextes IT/Data — forces, limites, cas d’usage optimaux pour chaque modèle

Prompting avancé pour DSI/CDO :

• Chain-of-thought et raisonnement structuré appliqués aux arbitrages d’architecture (make-or-buy, cloud strategy, legacy modernisation)
• Techniques multi-étapes pour la construction de RFP, l’analyse comparative de solutions et l’évaluation de propositions de prestataires
• Création d’assistants IA contextuels : assistant de prise de poste rapide, assistant de revue d’architecture, assistant de préparation CODIR

L’IA au service des décisions stratégiques du DSI :

• Accélération du diagnostic de prise de poste : synthèse de l’existant (audits, post-mortems, documentations) via NotebookLM + Claude
• Analyse critique d’une architecture SI existante avec IA : identification des dettes techniques, des risques et des priorités de modernisation
• Structuration d’une stratégie data/IA pour une direction : cartographie des assets data, identification des cas d’usage à valeur, priorisation
• Cybersécurité & conformité à l’ère de l’IA : shadow AI dans les équipes tech, exposition des données dans les LLM, IA Act et responsabilités du DSI

🛠️ Atelier : chaque participant produit une analyse critique d’un cas d’architecture ou de stratégie IT réel de sa prochaine mission, assistée par IA

Objectifs

Maîtriser les outils IA avancés pour les directions IT/Data ; concevoir et déployer des workflows IA dans les équipes de développement, data et ops ; piloter l’adoption de l’IA dans une organisation tech sans perdre en qualité ni en sécurité.

Contenu

Outillage IA pour les équipes tech — au-delà de ChatGPT :

• Claude Projects et Claude API : cas d’usage pour les DSI — documentation vivante, assistants contextuels par équipe, analyse de logs et d’incidents
• GitHub Copilot / Cursor : mesure de la valeur réelle, bonnes pratiques d’adoption, points de vigilance sur la qualité du code généré et la dette technique induite
• Outils IA pour les équipes Data : Text-to-SQL, génération de pipelines, documentation automatisée de la data (dbt, DataHub)
• NotebookLM pour les directions IT : gestion de la connaissance technique, onboarding accéléré, capitalisation des architectures de décision

Conception de workflows IA pour les processus IT récurrents :

• Automatisation du support N1/N2 : triage des incidents, enrichissement des tickets, suggestions de résolution (Make / N8N + LLM)
• Revue de code augmentée et génération de tests : intégration dans la CI/CD, contrôle qualité, réduction du time-to-review
• Reporting automatisé : consolidation de tableaux de bord IT, synthèse de KPIs pour CODIR, alertes intelligentes sur la performance du SI

Piloter l’intégration de l’IA dans les équipes tech sans régresser :

• Définir un cadre d’usage IA pour les équipes dev et data : règles d’emploi, classification des données, niveaux de validation humaine requis
• Mesurer l’impact réel : vélocité, qualité, dette technique — indicateurs et méthodes pour évaluer le ROI de l’IA dans les équipes
• Gérer les résistances et les dérives : le développeur qui sur-délègue à Copilot, l’équipe data qui ne valide plus ses pipelines

🛠️ Atelier : concevoir le cadre d’intégration IA d’une équipe tech (règles d’usage, workflows, indicateurs de suivi) pour un contexte de mission réel

Objectifs

Maîtriser les enjeux de gouvernance IA à l’échelle d’une direction IT ; comprendre le fonctionnement et les cas d’usage réels des agents autonomes ; construire la feuille de route IA de sa mission et valoriser sa posture de DSI/CDO augmenté.

Contenu

Gouvernance de l’IA dans la direction IT — les sujets que le DSI/CDO doit piloter en 2026 :

• Architecture de souveraineté : cloud souverain vs hyperscalers, modèles on-premise vs SaaS, stratégie de rétention des données sensibles
• Gestion du shadow AI dans l’organisation : détection, cartographie des usages non déclarés, stratégie de réponse (interdire, encadrer, accélérer)
• Responsabilité et traçabilité des décisions IA : logging, auditabilité, documentation des modèles déployés — conformité IA Act pour les systèmes à risque
• Build vs buy vs intégrate : critères de décision pour les projets IA, évaluation des risques de dépendance fournisseur

Agents autonomes IA : état de l’art et cas d’usage concrets pour les directions IT :

• Agents de monitoring et d’observabilité : détection d’anomalies, corrélation d’incidents, escalade automatisée
• Agents de développement (Devin, SWE-agent) : ce qui est réellement déployable aujourd’hui, ce qui reste expérimental
• Agents d’orchestration de workflows IT : automatisation de processus multi-systèmes (ticketing, provisioning, reporting)
• Enjeux de supervision humaine : quand intervenir, comment auditer les décisions d’un agent, comment éviter les boucles d’erreur

Serious game collaboratif — cas de mission de transition DSI/CDO :

• Refonte du SI d’une ETI post-acquisition : arbitrage legacy vs remplacement, roadmap IA-assistée, présentation CODIR
• Déploiement d’un LLM interne dans une organisation à contraintes réglementaires fortes (finance, santé, secteur public) : architecture, gouvernance, change management
• Gestion d’une crise de shadow AI : un département a déployé un outil IA non approuvé avec des données clients — plan d’action DSI
• Feuille de route IA de mission : chaque participant structure son plan d’action — quick wins dans les 30 premiers jours, chantiers à 90 jours, vision 12 mois

Clôture : restitution collective, synthèse des apprentissages et évaluation finale.