Où en est vraiment l'IA en entreprise ? Interview de Paul-Antoine Tual, Directeur Fair4AI
L'intelligence artificielle s'impose dans les grandes organisations à un rythme inégal : certaines expérimentent à peine, d'autres déploient déjà des agents autonomes en production. Pour faire le point sur cette maturité contrastée, Paul-Antoine Tual, Directeur de Fair4AI au sein de Fair4B, répond en interview aux questions qui reviennent le plus souvent chez les directions achats et les managers opérationnels de grands groupes.
Peux-tu te présenter en quelques mots ?
Paul-Antoine Tual dirige aujourd'hui le pôle Fair4AI de Fair4B, après un parcours professionnel qui l'a mené d'un profil technique à des postes de direction dans différentes organisations. Cette trajectoire, entre expertise opérationnelle et pilotage stratégique, structure directement sa mission actuelle : développer la communauté de freelances IA de Fair4B, afin de mettre à disposition des grandes organisations les experts dont elles ont besoin pour leurs projets de transformation.
Où en est la maturité IA des grandes organisations ?
La maturité IA des grandes organisations reste très variable d'une entreprise à l'autre. Certaines organisations sont encore à leurs débuts et ont besoin de profils freelance orientés acculturation, formation et accompagnement du changement, dans la mesure où l'enjeu prioritaire est d'abord de poser les bases. D'autres organisations, à l'inverse, recherchent des profils beaucoup plus experts, de type agentique ou machine learning, ce qui traduit une maturité technique déjà avancée. Cette hétérogénéité explique pourquoi Fair4AI structure son offre autour de profils très différenciés plutôt que d'une réponse standardisée.
Agents autonomes : la promesse est-elle tenue ?
La promesse des agents autonomes n'est pas encore pleinement opérationnelle pour le travail des freelances IA. De nombreuses expérimentations sont en cours, avec de nombreux prototypes déjà en fonctionnement, mais les modalités concrètes de déploiement restent relativement floues. Les moyens techniques, notamment les plateformes mises à disposition des entreprises, ne sont pas encore stabilisés, ce qui impose un effort supplémentaire sur la modernisation des systèmes d'information avant de permettre un fonctionnement pleinement autonome.
C'est pour cette raison que Fair4AI recommande aujourd'hui de privilégier des agents fonctionnant en mode Human in the Loop, avec une intervention humaine notamment sur la validation. Cette approche permet de stabiliser le fonctionnement des agents avant d'envisager un passage à un mode totalement autonome, ce qui sécurise l'investissement des grandes organisations dans ces technologies encore jeunes.
L'AI Act : qu'est-ce que ça change concrètement ?
L'AI Act est entré en application en Europe et encadre désormais directement le travail des freelances IA. Les entreprises doivent mettre en œuvre tous les moyens nécessaires pour s'y conformer, et ce même si la réglementation a pu être assouplie sur certains points. Un principe reste central : tout contenu généré par l'IA, qu'il s'agisse de textes ou d'images, doit être signalé comme tel à l'utilisateur final. Cette obligation de transparence s'applique de la même façon lorsqu'un agent autonome intervient dans un processus, puisque son activité doit elle aussi être signalée. Ce cadre réglementaire pose ainsi les fondements d'un déploiement responsable des agents IA en entreprise.
Que doivent faire les freelances IA aujourd'hui ?
Se former à l'IA générative par tous les moyens disponibles reste la priorité pour les freelances IA. Les laboratoires de recherche et les newsletters spécialisées constituent des ressources accessibles pour suivre l'évolution rapide du secteur. Au-delà de la formation, la pratique demeure l'élément le plus déterminant : il est essentiel que les freelances pratiquent concrètement l'IA générative dès aujourd'hui, ce qui permet de valoriser leur profil, d'augmenter leur taux journalier moyen et de multiplier les propositions de mission.
La course au modèle est-elle terminée ?
La course au modèle s'est nettement accélérée depuis un an, avec une accélération marquée depuis décembre de l'année dernière. Une nouvelle tendance vient toutefois rebattre les cartes : l'apparition des modèles open source, appelés modèles "open weight", que les entreprises peuvent installer en local ou sur leurs propres serveurs afin de sécuriser la stabilité de leur fonctionnement.
Ces modèles open source n'accusent plus que deux à quatre mois de retard sur les grands modèles commerciaux, ce qui traduit un phénomène de commoditisation : les modèles deviennent accessibles à tous, et la course au modèle s'essouffle progressivement. Les modèles open source aujourd'hui disponibles sur le marché suffisent pour 95 % des tâches, si bien que les modèles dits "frontières" ne sont nécessaires que pour des usages très spécifiques, réservés à une minorité d'entreprises. Cette commoditisation entraîne des changements organisationnels profonds : les entreprises devront héberger leurs propres modèles et s'habituer à travailler avec des modèles en évolution constante.
62 % expérimentent, 23 % passent à l'échelle : qu'est-ce qui bloque ?
Une étude McKinsey de 2026 met en avant un écart marqué entre expérimentation et industrialisation de l'IA agentique : plus de 60 % des entreprises expérimentent l'IA agentique, mais seulement 23 % en tirent un retour sur investissement convaincant. Ce décalage s'explique par le manque de maturité des outils actuellement disponibles, sur un domaine encore très récent où les plateformes évoluent en permanence. Un agent créé au mois d'avril peut ainsi se retrouver rapidement obsolète, ce qui impose de s'appuyer sur des experts capables de fixer les bonnes pratiques dès la conception, de façon à ce que l'investissement des grandes organisations dans les agents IA reste pérenne et génère un retour sur investissement réel.
Quelle est l'erreur de cadrage la plus fréquente côté client ?
L'erreur de cadrage la plus fréquente consiste à vouloir faire de l'IA sans disposer d'objectifs précis et chiffrés. De nombreuses organisations se lancent dans des projets d'intelligence artificielle sans avoir clairement défini ce qu'elles souhaitent en retirer, ce qui complique ensuite l'évaluation des résultats obtenus. Un second point mérite d'être compris : la transformation IA des entreprises est un chantier que personne n'a encore fini de réaliser, et il n'existe pas de formation toute faite pour l'accomplir. Cette incertitude structurelle doit être appréhendée comme telle, ce qui justifie l'accompagnement par des experts capables de la piloter dans la durée.
La réponse Fair4AI : le talent à la demande
Fair4AI met à disposition des grandes organisations des freelances experts pour chacun des domaines de l'IA, sur des durées adaptées à chaque besoin. Ce modèle de "talent as a service" permet aux entreprises de mobiliser un talent, deux talents ou davantage simplement en sollicitant Fair4AI, qui propose alors les experts les plus adaptés à la mission. Cette flexibilité est particulièrement précieuse dans les moments de transformation, comme celui que traversent aujourd'hui les grandes organisations face à l'IA générative et à l'IA agentique, puisqu'elle leur permet de conserver la souplesse nécessaire pour mener leurs opérations de manière efficace et durable.
Interview réalisée avec Paul-Antoine Tual, Directeur Fair4AI chez Fair4B.