Les projets d’IA se heurtent ainsi à trois inquiétudes très concrètes :

  • “Où vont mes données ?”
  • “Qui a accès aux modèles entraînés sur mes informations ?”
  • “Comment garantir que ce que je crée reste à moi ?”

Dans les secteurs sensibles — énergie, santé, défense, service public — ce questionnement est devenu une condition préalable à tout projet d’IA. Mais il touche désormais aussi les entreprises plus classiques, qui voient dans la Gen AI une opportunité immense… à condition que la confiance soit au rendez-vous.

La technologie n’est plus le frein.  
Ce qui freine aujourd’hui, c’est la peur de perdre la maîtrise. Si l’entreprise ne sait pas où vont ses données, elle ne bougera pas, même avec la meilleure IA du monde. 

Gianluca Simeone, Vice-président, Directeur mondial de la technologie et de l’innovation SAP et responsable de l’IA générative, Capgemini

Derrière cette remarque, une conviction s’impose : l’innovation ne vaut rien si elle n’est pas maîtrisée. Et c’est précisément ce que permet l’approche conjointe de Capgemini, SAP et Mistral AI.

L’IA souveraine, un choix d’architecture avant tout

Le terme “IA souveraine” circule beaucoup, souvent de manière floue. Pourtant, l’idée est simple : permettre à une organisation d’utiliser l’IA générative sans se déposséder de ses données, de ses modèles ni de ses savoir-faire. Il ne s’agit pas de se couper du monde, mais de créer un cadre où l’IA travaille avec l’entreprise, et jamais au-dessus d’elle. 

Concrètement, cela signifie que les données peuvent rester hébergées localement, dans un cloud souverain ou dans un environnement strictement contrôlé. Les modèles peuvent être entraînés dans le périmètre de l’entreprise. Les évolutions sont pilotées, documentées, auditées. Rien ne s’échappe, rien n’est réutilisé ailleurs. Ce qui est appris pour une entreprise reste dans l’entreprise.

La souveraineté, ce n’est pas une posture.
C’est la capacité à comprendre ce que fait l’IA, sur quelles données elle s’appuie et comment elle évolue.
Rien de plus. Mais surtout, rien de moins.

Amir Moeini, SAP Innovation Leader & Gen AI Expert, Global SAP CTIO Office, Capgemini

Cette vision n’est pas dogmatique ; elle est pragmatique. Elle rend l’IA possible là où elle était jusque-là impensable : dans des organisations qui n’ont pas le droit à l’erreur.

Un équilibre rare entre innovation et contrôle

L’articulation entre SAP, Capgemini et Mistral AI crée une dynamique intéressante : chacun apporte une pièce essentielle du puzzle. SAP offre un environnement structuré, stable, où la donnée est organisée et traçable. Capgemini apporte la méthode, la compréhension métier, et une vision très précise de ce que doit être une gouvernance de l’IA responsable. Mistral AI, enfin, permet d’utiliser des modèles performants, européens, et surtout déployables localement.

Ce triptyque crée une alternative solide aux modèles “tout cloud” ou “tout SaaS”, souvent vécus comme des boîtes noires. Ici, l’entreprise peut décider d’héberger les modèles directement dans ses data centers, parfois même dans la même salle que son système SAP. Pour certains clients régulés, cela change tout.

« On peut littéralement déployer la Gen AI à l’intérieur du périmètre que l’entreprise contrôle déjà, explique Amir.
Les données ne voyagent pas. Les modèles non plus. C’est une nouvelle manière d’apporter l’IA là où elle n’avait pas le droit d’aller. »

Cette approche ouvre des possibilités nouvelles pour les organisations qui refusaient jusqu’ici d’exposer leurs informations sensibles à l’extérieur.

L’enjeu central : reprendre la main sur le cycle de vie des modèles

Beaucoup pensent que la difficulté d’un projet IA réside dans le développement du modèle. La réalité est différente : le vrai défi commence après le déploiement. Un modèle apprend, évolue, se ré-entraine. Il peut dériver, se dégrader ou s’adapter. C’est précisément cette dynamique qu’il faut maîtriser. 

Pour Capgemini, le contrôle du cycle de vie est un acte stratégique. L’entreprise doit savoir d’où viennent les données, comment elles sont utilisées, ce que le modèle retient, ce qu’il oublie, et dans quelles conditions il doit être mis à jour. Sans cette visibilité, aucun directeur de la donnée n’acceptera de faire entrer la Gen AI dans un processus critique.

« Si on ne comprend pas ce qu’un modèle fait, on ne peut pas lui confier de responsabilité, affirme Gianluca. C’est aussi simple que ça. L’explicabilité n’est pas une option, c’est le fondement même de l’adoption. »

Ce regard lucide évite les dérives, les interprétations biaisées et les hallucinations, qui restent l’un des grands risques opérationnels de la Gen AI.

Le clean core SAP comme condition de réussite

On l’oublie souvent, mais l’IA n’arrive jamais dans un environnement neutre. Elle s’insère dans un système existant, avec ses forces et ses fragilités. Dans l’univers SAP, la condition de succès s’appelle clean core.

Un ERP clair, standardisé, sans excès de personnalisation, est un terrain fertile pour l’IA. Tout y est cohérent, gouverné, lisible. Les extensions se font à l’extérieur du cœur du système, via SAP BTP. Les données circulent mieux. Les processus sont stables. L’IA peut s’intégrer sans rupture.

« On ne peut pas espérer construire une IA fiable sur un système qui a été tordu dans tous les sens, rappelle Gianluca.
Un clean core, ce n’est pas un luxe. C’est la condition pour que l’IA devienne un moteur d’amélioration continue. »

Ce principe, encore parfois perçu comme une contrainte, devient un accélérateur puissant lorsqu’il est combiné à une IA souveraine.

Faire entrer la Gen AI dans les environnements les plus sensibles

Pour certaines organisations, la question de l’IA ne se limite pas à un débat de principes. Dans la défense, l’énergie, la santé ou l’administration, l’environnement est tellement réglementé que toute initiative technologique doit respecter un cadre strict. Le cloud n’est pas toujours une option. Les flux sortants sont surveillés. Et les processus doivent rester parfaitement traçables.

C’est précisément dans ces contextes que les architectures locales ou souveraines prennent tout leur sens. En combinant SAP, Capgemini et Mistral, il devient possible d’apporter la puissance des modèles génératifs au plus près des systèmes critiques, sans jamais sortir du périmètre contrôlé par l’organisation. Les modèles peuvent fonctionner dans le même data center que l’ERP, sous la supervision des équipes internes, avec une transparence totale sur leur fonctionnement et sur leur évolution.

« On peut travailler en mode poupées russes, illustre Amir Moeini.
Tout s’emboîte dans l’infrastructure existante du client, sans rien imposer et sans rien exposer. »

Des cas d’usage concrets, dans des environnements où l’erreur n’est pas permise

Dans ces organisations sensibles, l’IA ne sert pas à “réinventer” les processus. Elle vient plutôt aider les équipes à naviguer dans une complexité devenue difficile à gérer manuellement, et à prendre des décisions avec davantage de clarté et de certitude.

Dans le secteur de la santé, par exemple, l’analyse rapide des fournisseurs critiques, des stocks ou des risques logistiques permet d’éviter des ruptures sur des matériels essentiels — un travail long, dispersé et souvent stressant pour les équipes.

Dans le secteur de l’énergie, les opérateurs doivent corréler des données techniques, réglementaires et opérationnelles issues de systèmes hétérogènes ; la Gen AI permet de rapprocher ces informations de façon cohérente, tout en restant dans un environnement souverain.

Dans le secteur public, où la conformité est omniprésente, des agents spécialisés peuvent assister les équipes dans l’analyse documentaire ou la vérification réglementaire, simplement à partir d’instructions en langage naturel.

Ces agents, intégrés à l’écosystème SAP, n’ont rien de générique. Ce sont des “experts numériques” délimités par des règles précises : ils savent ce qu’ils peuvent faire, où aller chercher l’information et dans quelles conditions. Ils n’agissent jamais en dehors du cadre métier existant. Ils n’automatisent pas à la place de l’humain ; ils éclairent, structurent, facilitent.

« Dans un environnement contrôlé, un agent IA ne remplace rien ni personne, rappelle Amir.
Il apporte de la lisibilité là où la charge d’analyse est devenue trop importante. »

Une IA forte, mais toujours maîtrisée

La Gen AI ouvre des perspectives puissantes, mais elle n’a de valeur que si l’organisation garde la main. C’est particulièrement vrai dans les secteurs régulés, mais c’est en réalité une attente commune à toutes les entreprises : elles veulent innover, mais elles veulent comprendre. Elles veulent aller vite, mais sans renoncer à la sécurité. Elles veulent être accompagnées, sans perdre leur autonomie.

L’approche Capgemini, soutenue par SAP et par Mistral, répond précisément à cette tension. Elle permet d’introduire des capacités avancées sans rompre l’équilibre existant, de tirer parti de l’IA sans exposer ce qui est critique, et de créer de la valeur sans dégrader la confiance.

« La véritable innovation n’est jamais une rupture brutale, conclut Gianluca Simeone. 
C’est une progression maîtrisée, qui renforce ce que l’entreprise sait déjà faire, tout en ouvrant de nouvelles possibilités. »

C’est là que la Gen AI trouve tout son sens : non pas dans une promesse abstraite, mais dans une pratique responsable, souveraine et profondément utile.