Les LLM : un défi pour l'industrie face à la quête de stabilité

Une entreprise bretonne face aux défis des LLM

En février 2026, une entreprise de taille intermédiaire en Bretagne, comptant environ 1000 employés, a décidé d'intégrer l'intelligence artificielle générative dans ses opérations. Cette initiative faisait suite à un budget soigneusement élaboré entre septembre et novembre 2025. Bien que l'IA générative ait été incluse prudemment dans le budget, l'adoption massive des outils dits agentiques, capables d'enchaîner des tâches complexes de manière autonome, n'était pas prévue. L'objectif était d'améliorer la compétitivité, mais l'entreprise n'avait pas anticipé l'ampleur des défis que cette adoption rapide impliquerait.

Quelques semaines après le lancement du projet, de nouvelles versions du modèle d'IA ont été publiées, chacune apportant des améliorations significatives en termes d'autonomie. Face à ces avancées, la direction a décidé d'accélérer le processus pour obtenir un avantage concurrentiel, avec une livraison visée en juin. Cependant, cette décision allait se révéler plus complexe que prévu.

Les défis de l'intégration des nouvelles versions

Thomas, responsable du projet, a organisé le travail en allouant des tâches spécifiques au personnel, aux logiciels et à l'IA. Sophie, en charge de la qualité et de la conformité, a mis en place des contrôles rigoureux pour assurer la sécurité du code, sa traçabilité et son auditabilité. Abdel, le référent technique, devait intégrer le code généré par l'IA aux normes de sécurité de l'entreprise.

L'équipe a commencé à utiliser l'IA de manière exploratoire, découvrant ses capacités et ajustant les processus en conséquence. Des modes opératoires ont été rédigés, et des formations ont été dispensées aux opérateurs. Sophie a même pu développer des tests de validation des connaissances en ligne grâce à la nouvelle génération de LLM, ce qui aurait été trop coûteux auparavant. L'équipe de communication a fait la promotion des fonctionnalités rendues possibles grâce à l'IA, soulignant les bénéfices pour le client. Parallèlement, l'équipe commerciale a ajusté le catalogue, les prix et le niveau de service garanti par contrat.

Cependant, chaque nouvelle version de l'IA a nécessité des ajustements des garde-fous et des modes opératoires, perturbant le travail des opérateurs qui devaient se réadapter à chaque fois. Les prompts ne produisaient plus tout à fait le même résultat, nécessitant une révision constante des procédures.

Durant les quatre mois du projet, ce cycle de mise à jour et d'adaptation s'est répété trois fois, entraînant des retards et empêchant la stabilisation du processus. Finalement, le projet n'a jamais été déployé, illustrant les difficultés à maintenir une continuité opérationnelle face à des changements technologiques rapides.

Un goulot d'étranglement inattendu

Ce cas révèle un déplacement du point de blocage : ce n'est plus la performance du modèle qui pose problème, mais le temps d'apprentissage humain et la lourdeur des dispositifs de gouvernance. Les gains de productivité espérés sont absorbés par la nécessité de réajuster constamment les processus à chaque nouvelle version de l'IA.

L'entreprise se trouve donc dans une situation délicate, entre la nécessité de suivre le rythme des innovations technologiques pour rester compétitive et celle de maintenir une structure garantissant la qualité pour ses clients. Malgré les compétences et la volonté de Thomas, Sophie et Abdel, la qualité des processus, qui constitue la valeur ajoutée de l'entreprise, n'est pas compatible avec des changements imposés et non maîtrisés.

Les LLM : des atouts pour le langage, des limites pour l'industrie

Les grands modèles de langage (LLM) sont particulièrement efficaces dans les domaines liés à la production et à la compréhension du langage. Ils sont utilisés avec succès pour automatiser le support client, synthétiser des documents, rédiger des offres commerciales, former le personnel et analyser les retours clients. Des entreprises comme Orange, BNP Paribas, HSBC et Air France ont intégré ces technologies pour améliorer leurs services et processus internes, générant ainsi une valeur rapide avec un retour sur investissement à court terme.

Cependant, dès que l'on sort du domaine du langage pour entrer dans des processus industriels, les limites des LLM deviennent apparentes. Ils peinent à garantir la qualité d'un processus de bout en bout, notamment en ce qui concerne la sécurité du code, la traçabilité, l'auditabilité et l'intégration dans des systèmes existants. La fréquence des nouvelles versions de LLM, avec quatre versions majeures de Claude AI entre janvier et mai 2026, rend impossible la stabilisation d'un processus à grande échelle.

Une organisation décentralisée comme solution

Les entreprises qui réussissent à tirer parti des LLM partagent souvent des caractéristiques communes : elles sont agiles, décentralisées en petites unités autonomes, et organisées autour de la satisfaction du client et de la création de valeur. Elles génèrent de fortes marges sur un temps limité, et leur turnover est souvent élevé, les collaborateurs étant attirés par l'apprentissage et l'innovation.

Ces organisations adoptent une logique émergente, responsabilisante et ascendante, où les équipes testent, ajustent et conservent ce qui fonctionne à un rythme soutenu. Cependant, les LLM ne sont pas une solution universelle. Ils excellent dans la génération de langage, mais sont inadaptés aux processus nécessitant une rigueur extrême, comme ceux de l'industrie, du droit, de la comptabilité ou de l'informatique. Dans un prochain article, nous explorerons les alternatives aux LLM, ces technologies d'IA plus spécialisées qui offrent souvent une meilleure stabilité et un retour sur investissement plus prévisible dans les environnements industriels.