White paper

Octobre 2026 · 20 minutes de lecture

De l'expérimentation au P&L

Comment les grands groupes et les scale-ups passent l'IA à l'échelle ?

Entretiens Constellations avec 25 Heads of AI en grands groupes (CAC 40 / ETI) et scale-ups (Next 40)

L'impact P&L réel de l'IA en 2026, les modèles d'organisation les plus efficaces, et les cas d'usage concrets par fonction

Rédigé par

Louis RavierAurélien RayerEnguerrand HurstelElyes ZemniAlexandre Breillot

[TODO: FR absent du white paper - « Louis Ravier, Aurélien Rayer, Enguerrand Hurstel, Elyes Zemni and Alexandre Breillot - Partners at Constellations »] [TODO]

2024
Usage individuel
2025
Exploration
2026
Scale et rentabilité
Synthèse

Les points à retenir

Préambule. Ce white paper s'adresse aux dirigeants et aux responsables IA qui doivent passer de l'expérimentation à l'impact. Il poursuit trois objectifs : faire le point sur l'impact P&L réel de l'IA en 2026, en grand groupe comme en scale-up ; dégager les modèles d'organisation et frameworks les plus pragmatiques pour passer à l'échelle ; et documenter des cas d'usage concrets et chiffrés, par process et par fonction.

Notre réponse en une phrase

En 2026, l'impact P&L de l'IA est réel mais concentré. Sur les processus réellement refondus, nos cas clients montrent 30 à 80% de temps gagné et des revenus récupérés de l'ordre de 1 à 3 points d'EBIT. Sur les processus simplement « augmentés », il reste marginal. L'avance prise par ces acteurs repose sur leur agilité organisationnelle plus que sur leur technologie

01

Le moteur IA est devenu une commodité. En deux ans, le coût d'un niveau de performance équivalent à GPT-3.5 a été divisé par environ 280 (Stanford AI Index 2025). Les modèles sont substituables, les requêtes se routent de l'un à l'autre. La technologie seule n'est plus, en elle-même, un facteur de différenciation.

02

L'avantage concurrentiel se construira sur quatre prérequis d'entreprise, dont aucun n'est technologique.

Framework - 4 P
Purpose

La « North Star » qui sous-tend les évolutions visées pour les clients, pour l'entreprise et pour les collaborateurs

Process

Ne pas superposer l'IA à des process défaillants ; prioriser et revoir les process en intégrant les impacts IA, jusqu'à envisager une refonte totale là où l'IA représente un levier de rupture

Pure data

Des données propres, adossées à une source unique de vérité, et maintenues par une data gouvernance appliquée

People

Une appropriation réelle et quotidienne des outils, des nouveaux process et de la stratégie cible, portée par des responsables de l'adoption bien identifiés

Selon le MIT (The GenAI Divide, 2025), 95% des pilotes d'IA générative ne produisent aucun effet mesurable sur le compte de résultat. Notre lecture, issue de nos missions et de nos entretiens : ces échecs tiennent moins à la technologie qu'à l'un de ces quatre prérequis non traités.

03

Les douze prochains mois matérialiseront des gains significatifs, dans les organisations qui savent se transformer le plus rapidement, et pas forcément dans les sociétés les plus avancées sur la Tech. On observe déjà des résultats frappants pour les scale-ups dont l'avance n'est pas inhérente à la technologie. Elles ne disposent ni de meilleurs modèles ni de meilleurs ingénieurs IA. Elles savent revoir un process en quelques semaines, elles sont claires sur leur stratégie et leur proposition de valeur, et elles font évoluer leur appareil de production au même rythme.

04

Le passage à l'échelle pour les grands groupes & ETI est plus exigeant : processus ancrés, donnée fragmentée, nombre de collaborateurs à embarquer, conformité incompressible. L'écart de rythme est réel. Le rattrapage est bien évidemment possible, à condition de traiter l'IA comme une transformation stratégique, arbitrée en COMEX, avec un sponsorship business et tech conjoint.

05

Pour autant, l'IA ne demande pas systématiquement un nouveau cadre d'analyse : les méthodologies de refonte de processus fonctionnent encore. Nous avons ainsi revu notre grille de lecture à l'aune des possibilités de l'IA - supprimer, accélérer, sécuriser, simplifier - et l'avons appliquée fonction par fonction, en nous limitant à ce que nous avons constaté, vérifié et chiffré sur le terrain chez nos clients. Ces cas sont rassemblés en dernière partie du document.

06

Enfin, en 2026, les directions font majoritairement le choix de réinvestir le temps gagné dans la croissance. Le temps libéré est réinvesti dans l'offre et la valeur client, dans les grands groupes comme dans les scale-ups. La réduction de coûts pourra toujours venir si elle devient nécessaire ; ce qui se joue aujourd'hui, c'est d'abord de prouver la valeur et d'accomplir la transformation IA de son modèle et de son groupe.

Ouverture

D'une nouvelle technologie à la captation de valeur

Le moteur IA devient une commodité : les modèles convergent, le coût de l'inférence baisse rapidement, et l'on arbitre déjà entre fournisseurs. La différenciation se jouera moins sur les moteurs que sur leur intégration au sein du core operating model : la clarté de la stratégie et de la proposition de valeur, la refonte des processus, la qualité de la donnée, la capacité des équipes à travailler autrement. Il s'agit d'une transformation d'entreprise, bien au-delà d'un choix d'outil.

Les entreprises qui tirent profit de l'IA se distinguent moins par leur technologie que par la manière dont elles l'intègrent à leurs moyens de production. C'est ce qui explique l'avance des scale-ups IA-native : non pas de meilleurs ingénieurs IA, mais des processus récents, une donnée propre et des équipes habituées à changer de méthode. Et c'est ce qui fait de l'IA, dans un grand groupe, un sujet de COMEX plutôt qu'un chantier de DSI, sous sponsorship business et tech conjoint.

Notre démarche. Ce white paper s'appuie sur 25 entretiens avec des Heads of AI & CDO du CAC 40, du Next 40 et d'ETI françaises, et sur les missions de transformation IA menées par nos partners. Il suit trois questions : pourquoi 2026 marque le passage à l'échelle (Partie I), comment structurer la transformation (Partie II), et quels leviers activer, fonction par fonction (Partie III).

Méthodologie

  • Entretiens : 25 entretiens semi-directifs, menés entre avril et septembre 2026, avec des Heads of AI, CDO et partners. Dont 10 CAC 40 / SBF 120, 5 Next 40 / scale-ups et 10 ETI
  • Cas clients : issus des missions de nos partners, anonymisés ; chiffres validés avec les clients concernés
  • Sources publiques : communications d'entreprise et presse, citées dans le document
  • Portée : lecture qualitative, non représentative statistiquement. Les impacts sont déclaratifs lorsqu'ils n'ont pas été mesurés
Partie I

Why Now ? 2026, l'impact P&L à l'échelle

L'impact P&L change de dimension dans les entreprises les plus agiles. Les grands groupes font face au mur du passage à l'échelle.

  • 01 2026 - l'impact P&L se matérialise, mais reste inégal
  • 02 Le coût de l'IA : un poste à piloter « by design »
  • 03 Le ROI : une réallocation des ressources vers la croissance
01

2026 - l'impact P&L se matérialise, mais reste inégal

Trois arcs temporels en vingt-quatre mois

  • 2024 - l'usage individuel. GPT ou Claude adoptés spontanément, à titre individuel. Des gains personnels réels, mais peu de valeur captée par l'organisation
  • 2025 - l'exploration. Les POC se multiplient, les premiers agents apparaissent, et les budgets augmentent considérablement. Mais les cas d'usage restent confinés, peu adoptés, rarement industrialisés
  • 2026 - le passage à l'échelle et la rentabilité. L'impact sur le compte de résultat est déjà visible chez les entreprises IA-native. La double pression s'installe : des coûts d'IA devenus un poste identifié, un board qui attend un impact topline chiffré
Timeline 2024-2026. 2024, individual use: spontaneous adoption of GPT or Claude, simple generative AI, no P&L impact. 2025, exploration: POCs and first agents, integration of Cowork and internal tools, disappointing results. 2026, scale and profitability: AI costs identified, frontier models and reasoning, gains reinvested mostly in growth. Source: Constellations survey of 25 Heads of AI and Partners, 2026.Timeline 2024-2026. 2024, individual use: spontaneous adoption of GPT or Claude, simple generative AI, no P&L impact. 2025, exploration: POCs and first agents, integration of Cowork and internal tools, disappointing results. 2026, scale and profitability: AI costs identified, frontier models and reasoning, gains reinvested mostly in growth. Source: Constellations survey of 25 Heads of AI and Partners, 2026.Frise 2024-2026. 2024, usage individuel : adoption spontanée et individuelle de GPT ou Claude, IA générative simple, impact P&L inexistant. 2025, exploration : multiplication des POC, premiers agents, intégration de Cowork et des outils internes, résultats déceptifs. 2026, scale et rentabilité : coûts IA identifiés, modèles frontières et réflexion, gains réinvestis majoritairement dans la croissance. Source : enquête Constellations auprès de 25 Heads of AI et Partners, 2026.Frise 2024-2026. 2024, usage individuel : adoption spontanée et individuelle de GPT ou Claude, IA générative simple, impact P&L inexistant. 2025, exploration : multiplication des POC, premiers agents, intégration de Cowork et des outils internes, résultats déceptifs. 2026, scale et rentabilité : coûts IA identifiés, modèles frontières et réflexion, gains réinvestis majoritairement dans la croissance. Source : enquête Constellations auprès de 25 Heads of AI et Partners, 2026.

De l'usage individuel à la rentabilité : trois arcs en vingt-quatre mois

Des gains spectaculaires, concentrés sur les organisations IA-native

Là où l'organisation est agile, versatile et construite autour de la donnée, les gains sont considérables et le time-to-market s'effondre.

Alan, scale-up française du Next 40, en donne une mesure publique : 40% des demandes de ses membres sont résolues instantanément par ses assistants IA - jusqu'à 70% sur les demandes simples - pour une satisfaction stable à 4,5 sur 5. Sur la même période, le nombre de membres a progressé de 34% à équipe de support client constante et la productivité d'ensemble d'environ 30% en un an.

Dans une autre scale-up fintech, la création d'une creative factory, adossée à une bibliothèque d'assets créatifs, permet aux équipes locales de décliner les assets via prompt. La part d'assets générés par IA passe de 5% à plus de 80% en deux trimestres, pour un objectif initial de 25% ; l'outil a été construit en un sprint de 15 jours.

Chez nous, l'IA est un objectif d'entreprise, pas un projet annexe : 75% de l'équipe Growth l'utilise chaque jour, et on est passés de 5 à 80% de visuels produits par IA en deux trimestres.

AI Growth Lead, Scale-Up - Fintech

Le vrai défi : le passage à l'échelle dans les grands groupes

Dans un grand groupe, la complexité est structurellement plus élevée - des processus profondément ancrés et une capacité d'adaptation plus réduite, une donnée bien plus complexe et fragmentée, davantage d'équipes à former, des exigences de conformité et de cybersécurité incompressibles.

Le COMEX veut du résultat tout de suite, pas “attendez huit mois qu'on nettoie la donnée”.

Performance Director, ETI - Industrie

On a lancé un POC d'analyse d'e-mails pour le support client, puis on l'a arrêté : la donnée n'était pas encore prête. On a préféré la fiabiliser d'abord plutôt que de faire tourner une IA sur des bases incomplètes.

AI Lead, Opérateur d'infrastructure européen - Télécom

L'année 2026 en a fourni plusieurs illustrations publiques, y compris chez des acteurs de premier plan.

Les revers de 2026 - Quand le passage à l'échelle cale

Industrie, CAC 40
12 mois

après le lancement de sa use-case factory

Gel de l'intégralité des financements IA, le temps de recentrer sa North Star, de réduire le périmètre à 2 corps de métiers prioritaires et d'améliorer d'abord la qualité de ses données

9 mois

après son déploiement, retrait du système

Le système d'inventaire par vision artificielle a été retiré de l'ensemble du parc nord-américain, faute de fiabilité

700

agents dont l'IA absorbait le travail en 2024

Dès 2025, réembauche d'humains pour restaurer la qualité de service et bascule vers un modèle hybride

Sources : Expérience Constellations (Industrie CAC 40) ; Reuters et CNBC (Starbucks) ; Bloomberg, Reuters (Klarna)

De vraies victoires montrent la voie chez les grands groupes qui avancent en traitant l'IA comme une évolution de leur appareil de production.

Les victoires - Quand l'IA transforme l'appareil de production

1,7 Md$

de valeur dégagée

Plateforme IA de gestion des fournisseurs (plus de 100 000 fournisseurs, 190 pays) : coûts d'achat en baisse de 4%, ruptures d'approvisionnement en baisse de 17%

x4

vitesse de développement produit

En concentrant l'IA sur la prédiction d'efficacité moléculaire

3 à 4x

productivité d'ingénierie

Agents de code (Devin + Claude) sur environ 12 000 développeurs, surtout sur la modernisation du legacy IT

Sources : presse économique et sectorielle ; communications d'entreprise

02

Le coût de l'IA : un poste à piloter « by design »

Le coût de l'IA est devenu un sujet de direction générale en moins d'un an.

La facture IA est devenue variable et difficile à piloter : on est passé de l'abonnement par utilisateur à la consommation à l'usage, et les agents peuvent consommer beaucoup. La dépense frappe le compte de résultat sur plusieurs lignes à la fois (investissement, charges d'exploitation, coût des ventes) et devient difficile à attribuer.

Le prix unitaire baisse, la facture monte : le coût par requête s'effondre, mais la consommation croît plus vite. Un raisonnement deux fois plus long peut coûter quatre fois plus cher, et une chaîne d'agents laissée en autonomie peut amplifier ses erreurs (jusqu'à 17,2x sans coordinateur, Google DeepMind 2025).

Plutôt que le prix du token, le bon indicateur est le coût d'une réponse utile (cost-of-pass) : le coût d'une requête aboutissant à une solution pertinente, rapporté à la même tâche faite par un expert. Sur une clôture comptable, l'ordre de grandeur type est d'une dizaine de dollars contre une semaine de comptable.

Coût des requêtes
÷
Réponses utiles
=
Cost-of-pass

Notre objectif était de mettre en place un AI Operating Model frugal, agnostique et multi-plateforme, avec souveraineté des données.

AI Lead, Large Cap - Télécom

Elyes Zemni

Dans une intégration, on fixe un budget de synergies et on le suit ligne à ligne. La facture IA mérite la même discipline : un responsable par cas d'usage, un coût unitaire suivi chaque mois, et un arbitrage clair entre ce qui passe à l'échelle et ce que l'on arrête.

Elyes Zemni · Partner | Transactions & Integration, Constellations

Dans une scale-up santé du Next 40, chaque leader dispose désormais d'une ligne de budget dédiée aux tokens, et conçoit son équipe en arbitrant entre recrutements et consommation d'agents. Depuis fin 2025, chaque responsable doit aussi décrire sa feuille de route “AI native” : quels agents pour quels processus, quel budget de tokens, et où les ressources humaines restent centrales.

AI Adoption Consultant, Next 40 - Santé

The levers for controlling spend, five verbs to manage the AI bill, from raw business query to useful answer: 1. Stop uses without value; 2. Route each task to the model that suits it; 3. Cache what repeats; 4. Govern rights and caps; 5. Train teams not to hand a deterministic problem to a probabilistic model. Key point: rather than the token price, the right indicator is the cost of a useful answer; this requires a multi-model architecture that arbitrates between performance, security, data sovereignty and cost.The levers for controlling spend, five verbs to manage the AI bill, from raw business query to useful answer: 1. Stop uses without value; 2. Route each task to the model that suits it; 3. Cache what repeats; 4. Govern rights and caps; 5. Train teams not to hand a deterministic problem to a probabilistic model. Key point: rather than the token price, the right indicator is the cost of a useful answer; this requires a multi-model architecture that arbitrates between performance, security, data sovereignty and cost.Les leviers de contrôle de la dépense, cinq verbes pour piloter la facture IA, de la requête métier brute à la réponse utile : 1. Arrêter les usages sans valeur ; 2. Router chaque tâche vers le modèle qui lui convient ; 3. Mettre en cache ce qui se répète ; 4. Gouverner les droits et les plafonds ; 5. Former les équipes à ne pas confier un problème déterministe à un modèle probabiliste.Les leviers de contrôle de la dépense, cinq verbes pour piloter la facture IA, de la requête métier brute à la réponse utile : 1. Arrêter les usages sans valeur ; 2. Router chaque tâche vers le modèle qui lui convient ; 3. Mettre en cache ce qui se répète ; 4. Gouverner les droits et les plafonds ; 5. Former les équipes à ne pas confier un problème déterministe à un modèle probabiliste.
Retour d’expérience Constellations

Le cost-of-pass d’une itération

Sur un référentiel client, trop volumineux pour un nettoyage manuel ligne à ligne, nous avons confié à un agent la conception d’un algorithme de cleaning. Après un cadrage fonctionnel avec le métier, une demi-journée de run a produit un algorithme couvrant l’essentiel du scope. Le coût marginal d’un run étant quasi nul, plusieurs hypothèses ont été testées et itérées sur les données réelles dans la même session

Avec l’agent
½ J/H · ~50 € de tokens

un data lead seul, sans dev dédié, nombreuses variantes testées sur la base complète

Sans agent
~5 J/H

de data scientist senior Python full time pour un first draft à challenger, avec peu d’itérations possibles

Impact IA : une courbe en J accélérée - des coûts qui augmentent d'abord plus vite que la productivité

C'est la leçon de l'électrification. Au tournant du XXe siècle, il a fallu près de quarante ans et une réorganisation complète des usines pour en tirer des gains de productivité. L'IA rejoue le même schéma, en beaucoup plus rapide : les gains se concrétisent après une phase de redesign des processus, de montée en compétences et de réorganisation, difficile à valoriser.

J-curve: AI value arrives after processes are redesigned, in a few years, where industrial electrification took 1890-1920. Three phases: AI on top, structuring, deployment.J-curve: AI value arrives after processes are redesigned, in a few years, where industrial electrification took 1890-1920. Three phases: AI on top, structuring, deployment.Courbe en J : la valeur arrive après le redesign des process, en quelques années, là où l'électrification industrielle a pris 1890-1920. Trois phases : l'IA on top, la structuration, le déploiement.Courbe en J : la valeur arrive après le redesign des process, en quelques années, là où l'électrification industrielle a pris 1890-1920. Trois phases : l'IA on top, la structuration, le déploiement.
Louis Ravier

Ce moment où les gains tardent est en réalité le plus décisif : c'est là qu'on sépare les use cases qui comptent de ceux qui ne feront jamais la différence. La bonne réponse consiste moins à réduire l'ambition qu'à affiner le cap, à reprioriser, et à consolider les fondations - data, processus, intégration - sur lesquelles tout le reste reposera. Les organisations qui reculent ici confondent une phase d'investissement avec un échec. Celles qui tiennent, avec discipline, sont celles qui captent la valeur plus tard.

Louis Ravier · Partner | Strategy & Performance, Constellations

03

Le ROI : une réallocation des ressources vers la croissance

À ce stade, le retour sur investissement de l'IA se lit davantage dans la productivité réinvestie que dans les coûts économisés. Nos missions et les études récentes convergent : les gains sont pour l'instant réinvestis dans la croissance - nouvelles offres, valeur client, élargissement des périmètres des équipes - plutôt que capturés en réduction d'effectifs.

Le premier gain est du temps libéré, à réaffecter. S'il n'est pas piloté, il se perd.

Cas · Grand groupe

IKEA - Ingka Group : du centre d'appels au canal de revenus

47%

des demandes du service client absorbées par le chatbot Billie

8 500

conseillers reconvertis en conseil en design d'intérieur à distance

+1,3 Md€

de revenus pour le canal de vente à distance, ≈3,3% des ventes

10%

des ventes du groupe : l'objectif visé en 2028

Le chatbot Billie d'Ingka Group, principale entité d'IKEA, absorbe environ 47% des demandes du service client - 3,2 millions de conversations, près de 13 millions d'euros d'économies opérationnelles. Plutôt que de réduire ses effectifs, le groupe a reconverti ses 8 500 conseillers de centre d'appels en conseillers en design d'intérieur à distance : l'analyse des demandes que le bot ne résolvait pas avait révélé une demande latente de conseil, invisible tant que les équipes étaient absorbées par le transactionnel. Le canal de vente à distance ainsi créé génère 1,3 milliard d'euros de revenus, environ 3,3% des ventes du groupe, avec un objectif de 10% en 2028

Sources : Ingka Group, Reuters, Harvard Business Review. Chiffres publics - voir note méthodologique

Mesurer l'impact : l'exercice le plus difficile

Le temps gagné est difficile à tracer. En phase d'adoption, on crée d'abord le réflexe, puis l'on affine la mesure. Les pratiques divergent fortement parmi nos interlocuteurs.

Dans une scale-up fintech du Next 40, une personne est dédiée à temps plein à l'estimation des impacts de l'IA, pour décider ce qui doit être industrialisé, rescopé ou arrêté.

À l'inverse, un acteur du private equity a renoncé au suivi bottom-up :

À ce stade, nous avons arrêté de suivre les impacts en bottom-up. Nous nous contentons d'une pré-analyse top-down avant de lancer le cas d'usage.

AI Lead, Large Cap - Private Equity

The Jevons paradox: as AI lowers the unit cost of a task, the volume of tasks performed rises, creating new capacity. Microsoft / Accenture: up to +26% software output for 4,867 developers using GitHub Copilot.The Jevons paradox: as AI lowers the unit cost of a task, the volume of tasks performed rises, creating new capacity. Microsoft / Accenture: up to +26% software output for 4,867 developers using GitHub Copilot.Le paradoxe de Jevons : quand l'IA baisse le coût unitaire d'une tâche, le volume de tâches réalisées augmente et crée une capacité nouvelle. Microsoft / Accenture : jusqu'à +26% de production logicielle pour 4 867 développeurs utilisant GitHub Copilot.Le paradoxe de Jevons : quand l'IA baisse le coût unitaire d'une tâche, le volume de tâches réalisées augmente et crée une capacité nouvelle. Microsoft / Accenture : jusqu'à +26% de production logicielle pour 4 867 développeurs utilisant GitHub Copilot.
Louis Ravier

L'IA ne change rien à la règle de toute transformation : la mesure ne doit pas retarder le lancement, elle doit le cadrer. Un objectif chiffré posé par le sponsor avant de démarrer, un ROI qui sert d'abord à prioriser puis à corriger, un impact réel suivi dans le temps. Sans cela, on ne sait pas si l'on mène la bonne bataille - et l'on n'obtient ni l'adhésion des équipes, ni le budget de la vague suivante.

Louis Ravier · Partner | Strategy & Performance, Constellations

Une course qui se gagne d'abord sur la croissance

Le premier acteur d'un secteur qui convertit l'IA en gain net sur sa proposition de valeur et son modèle économique prendra un ascendant pour plusieurs années. D'où une priorité donnée à la croissance, à l'élargissement de l'offre et à la valeur client, plutôt qu'à la réduction d'effectifs - il sera toujours temps d'activer les gains opérationnels

Partie II

How ? Assurer la transformation IA, du POC à la Use-Case Factory

Passer du POC à l'échelle est au moins autant une question d'organisation que de technologie. Voici ce que nos interventions auprès de grands groupes et d'ETI françaises nous ont appris sur la manière de structurer une Use-Case Factory IA, et de la faire adopter.

  • 01 La double exigence Business x Tech
  • 02 Les 4 P : les prérequis avant un déploiement de la factory
  • 03 Use-Case Factory - un programme de transformation à l'échelle du Groupe
01

La double exigence Business x Tech

Sponsorship COMEX conjoint - Business x Tech

L'IA n'est pas un programme Tech ou SI : elle engage la stratégie, le business model, la gouvernance, les opérations, puis les équipes et leur adoption. Un sponsorship transverse est donc indispensable : il garantit la priorisation des cas d'usage, tranche les arbitrages fonctionnels et porte l'adoption une fois le delivery achevé. La technologie, elle, tient la plateforme : socle de données et d'agents, intégration au SI, qualité, sécurité. Aucun des deux ne peut porter seul la transformation : les arbitrages remontent au comité de direction.

AI transformation is human first. The 10/20/70 rule fully applies: algorithms account for 10% of the work, the technical stack 20%, people and processes 70%.AI transformation is human first. The 10/20/70 rule fully applies: algorithms account for 10% of the work, the technical stack 20%, people and processes 70%.La transformation IA est d'abord humaine. La règle du 10/20/70 : les algorithmes représentent 10% du travail, la stack technique 20%, les personnes et les processus 70%.La transformation IA est d'abord humaine. La règle du 10/20/70 : les algorithmes représentent 10% du travail, la stack technique 20%, les personnes et les processus 70%.
Louis Ravier

Déployer l'IA à l'échelle est un sujet de COMEX : les arbitrages se prennent au plus haut niveau, et il faut des ressources capables d'interagir avec des C-level. Aligner les sponsors business et tech conditionne l'existence même du programme. C'est pourquoi 100% de nos missions IA sont sous sponsorship partagé, et 100% de nos équipes associent des consultants en stratégie et des profils tech issus des meilleures agences.

Louis Ravier · Partner | Strategy & Performance, Constellations

02

Les 4 P : les prérequis avant un déploiement de la factory

Notre expérience et nos entretiens convergent sur quatre prérequis d'entreprise, dont aucun n'est seulement technologique.

4 Ps, the 4 prerequisites for the AI transformation, around a joint Business x Tech sponsorship: Purpose, an AI North Star, the common thread of all business and tech deployments; Process, prioritised and reframed processes, as AI is no substitute for failing processes; People, adoption planned from Day 1; Pure data, data made reliable with the business, then maintained by joint governance.4 Ps, the 4 prerequisites for the AI transformation, around a joint Business x Tech sponsorship: Purpose, an AI North Star, the common thread of all business and tech deployments; Process, prioritised and reframed processes, as AI is no substitute for failing processes; People, adoption planned from Day 1; Pure data, data made reliable with the business, then maintained by joint governance.4 P, les 4 prérequis pour la transformation IA, autour d'un sponsorship Business x Tech : Purpose, une North Star IA ; Process, des process priorisés et recadrés ; People, l'adoption anticipée dès le Day 1 ; Pure data, une donnée fiabilisée avec le métier puis maintenue par une gouvernance conjointe.4 P, les 4 prérequis pour la transformation IA, autour d'un sponsorship Business x Tech : Purpose, une North Star IA ; Process, des process priorisés et recadrés ; People, l'adoption anticipée dès le Day 1 ; Pure data, une donnée fiabilisée avec le métier puis maintenue par une gouvernance conjointe.
Louis Ravier

Un process cassé, même accéléré par l'IA ou renforcé de cinquante personnes, restera un process cassé. Il ne faut pas attendre d'avoir 100% de ses process en mode best-in-class pour se lancer, mais c'est une perte de temps et d'argent de sélectionner ses cas d'usage prioritaires sans macro-cadrage process préalable.

Louis Ravier · Partner | Strategy & Performance, Constellations

On met énormément d'argent sur l'IA, on se prend un mur parce que la pertinence n'est pas au rendez-vous, puis on finit par revenir investir sur la donnée. On aurait gagné du temps dans l'autre ordre.

AI Lead, Grand Groupe - Health & Beauty

Les 4 P en pratique : enjeux et livrables

Prérequis
Enjeu clé
Livrables
Purpose

Une North Star IA, fil rouge de tous les déploiements business et tech

Formuler la vision et la North Star qui sous-tendent les évolutions visées pour les clients comme pour l'entreprise : modèle économique, offre, target operating model, impact P&L. La North Star IA devient le fil rouge de l'ensemble des déploiements

  • Vision et North Star IA portées par le COMEX
  • Récit partagé via une communication groupe
  • Priorisation des cas d'usage selon impact x faisabilité, arbitrée en COMEX
Process

L'IA ne répare pas un process défaillant : corriger et accélérer là où l'impact est le plus fort

L'IA ne compense pas un process défaillant ; elle accélère et optimise les process les plus impactants. La priorisation intègre l'impact P&L et le temps gagné, la professionnalisation et la montée en gamme, et les coûts - ETP internes et externes, CAPEX, OPEX

  • Matrice de priorisation des process
  • Macro-cadrage des évolutions sur les process retenus
  • Enjeux techniques et IA associés focalisés sur les process retenus
Pure data

Fiabiliser une fois avec le métier, puis garder la donnée propre by design

Des données propres, adossées à une source unique de vérité et maintenues par des règles appliquées. Le nettoyage s'appuie au maximum sur l'IA, avec les équipes métier - Sales, Finance, Ops - seules à même de trancher les cas litigieux, parfois jusque dans les usines ou les fichiers comptables. Les règles de correction deviennent ensuite des contrôles permanents, dès la saisie et dans les flux

  • Donnée redressée sur chaque référentiel
  • Source unique de vérité et data lineage établis
  • Gouvernance de la donnée conjointe business et tech
People

Pas d'évolution de l'operating model sans adoption complète

L'adoption est l'enjeu déterminant pour la plupart des groupes. Elle conditionne l'évolution réelle de l'operating model et l'appropriation quotidienne des outils, des process et de la stratégie cible

  • Acteurs de la transformation identifiés : responsables d'adoption, guilde d'évangélisateurs
  • Coaching et hypercare sur les premiers cas d'usage
  • Communication du projet de transformation global
  • Évolution des fiches de poste et de la cible organisationnelle
03

Use-Case Factory - un programme de transformation à l'échelle du Groupe

Depuis trois ans, Constellations accompagne la transformation des grands groupes sur les plans stratégique, tech et IA.

Nous nous appuyons sur ces programmes pilotés au plus haut niveau, pour proposer un cadre de gouvernance à la transformation IA. Ce cadre ne constitue pas une méthode unique, mais des repères pour conduire le passage du POC à une factory opérationnelle en moins de six mois : comment structurer, comment organiser, comment prioriser.

Structurer la factory : trois composantes

Une Use-Case Factory se construit comme un Transformation Office : une priorisation au niveau du COMEX, une instance qui pilote et cadence, une capacité de production commune, une déclinaison par métier. L'objectif est de passer du POC à une factory opérationnelle en moins de six mois. Quelle que soit l'organisation retenue, elle repose sur un sponsorship conjoint, co-garant du résultat, et sur trois composantes.

1 - Business lead : une instance d'arbitrage

  • Des arbitrages portés par le business : priorités, spécifications et cahier des charges fonctionnel, mesure du ROI, go/no-go
  • Une capacité d'arbitrage rapide : l'instance existe pour trancher, à un rythme hebdomadaire et non mensuel
  • Des rituels clairs : un backlog priorisé vivant, un comité d'arbitrage Métier x Tech régulier
  • Un pilotage au fil de l'eau : cadence, levée des blocages par une équipe d'intervention dédiée, réversibilité planifiée
  • Un propriétaire (sponsor) nommé avant chaque lancement : il répond de l'appropriation et de la maintenance du cas d'usage
Retour d'expérience Constellations

Un catalogue de données complet a été configuré en une demi-journée dans un environnement de test. Le coût d'entrée d'un POC peut désormais se compter en heures : l'effort s'est déplacé de la construction vers l'appropriation et la maintenance

Ce déplacement change la nature du sponsoring. La technique sait désormais construire vite ; seul un sponsor métier fort peut arbitrer les priorités, désigner un responsable pertinent et porter l'adoption dans la durée. Faute de ce relais, ce POC est resté une démonstration

2 - Tech : une engine room qui capitalise

  • Lead le delivery : build et industrialisation des use cases et des agents, qualité, sécurité, dette
  • Crée des actifs réutilisables et des garde-fous partagés : composants, prompts, connecteurs, évaluations, protocole de confiance. C'est ce qui permet de faire cent fois au lieu d'une, et ce qui distingue une factory d'une série de POC
  • Documente le contexte : descriptions, glossaire, règles métier. La documentation est autant un levier de performance qu'un levier de coût et une obligation de gouvernance
  • Assure une vision 360 des outils et des usages de l'IA : pour garantir l'architecture, la sécurité, la cohérence des usages et la maîtrise des coûts
  • Gère un pipeline unique : cadrage du résultat attendu, scoring, design, build, évaluation et pilote, décision, industrialisation et transfert
Retour d'expérience Constellations

Chez un opérateur d'infrastructure télécom européen, nous avons mesuré l'effet de la documentation sur la fiabilité d'un agent d'analyse en langage naturel. À questions et outillage identiques, la part de réponses justes passe de 40-60% avec la seule couche sémantique à plus de 80% une fois ajoutée une couche de contexte : descriptions, glossaire, règles métier. L'agent a progressé plus vite avec la maturité de la documentation qu'avec les nouvelles versions de modèle

Aurélien Rayer

La procédure est l'actif, le prompt est jetable. Un modèle se remplace en quelques semaines ; les compétences, les contrôles et le contexte sont le point d'ancrage.

Aurélien Rayer · Partner | AI, Data & Tech, Constellations

Facteur clé de succès : rester model-agnostique. Les actifs indépendants des modèles (compétences réutilisables, contrôles avant mise en production, contexte documenté, jeux d'évaluation) concentrent l'apprentissage et restent la propriété du client

3 - Change & adoption : une guilde

  • La North Star et le projet d'entreprise au centre : l'IA présentée comme un objectif commun, porté par toute l'entreprise
  • Un réseau d'évangélisateurs : une guilde à l'échelle du groupe, bras people de la factory
  • Du coaching plutôt que de la formation : des coachs qui tiennent le crayon sur les premiers cas d'usage, en mode hypercare, puis accompagnent le passage à l'échelle
  • De nouvelles compétences : les groupes les plus en avance sur l'adoption de l'IA mettent en place des évaluations sur des skills IA indispensables dans leur modèle, côté Métier et côté Tech
  • La documentation comme vecteur de transmission : l'IA rend la documentation à la fois plus complète, car elle coûte peu à produire, et beaucoup plus accessible, car chacun peut l'interroger en langage naturel plutôt que de la parcourir. Le savoir de l'équipe ne repose plus sur quelques personnes (ou externes !)

Du coaching plutôt que de la formation. Une journée de formation ne met pas au niveau, c'est comme Excel. Il faut des coachs qui tiennent le crayon sur les premiers cas d'usage, puis apprennent à passer à l'échelle.

Performance Director, ETI - Industrie

Retour d'expérience Constellations

Au sein d'une équipe data, deux effets non anticipés ont été observés

  • Le premier est une montée en compétence induite : l'agent produisant le premier jet, les praticiens passent davantage de temps à relire, vérifier et arbitrer qu'à rédiger. Ils exercent ainsi plus tôt un jugement habituellement réservé aux profils seniors, à condition que la relecture reste systématique
  • Le second est une meilleure transmission du savoir : la documentation, devenue peu coûteuse à produire, est rédigée de manière systématique et conservée avec le code. Le contexte ne dépend plus de la personne qui l'a créé, et la mémoire de l'équipe devient collective

Organiser la factory : deux axes, quatre archétypes

Une Use-Case Factory emprunte au Transformation Office l'essentiel de ses fonctions : une priorisation au niveau de l'entreprise, une instance qui pilote et cadence, une capacité de production commune, une déclinaison par métier. La forme qu'elle prend dépend de l'organisation dans laquelle elle s'inscrit.

  • La composition de la Use-Case Factory : Business lead, Engine room Tech et Adoption, intégrés ou dissociés
  • Son positionnement dans l'organisation : niveau COMEX ou niveau BU
Matrix of the four archetypes on two axes, integrated or separated, ExCom or BU level: 1 AI Transformation Office, 2 Federated AI Squads, 3 AI Portfolio Office, 4 Shared AI Engine.Matrix of the four archetypes on two axes, integrated or separated, ExCom or BU level: 1 AI Transformation Office, 2 Federated AI Squads, 3 AI Portfolio Office, 4 Shared AI Engine.Matrice des quatre archétypes sur deux axes, intégré ou dissocié, COMEX ou BU : 1 AI Transformation Office, 2 Federated AI Squads, 3 AI Portfolio Office, 4 Shared AI Engine.Matrice des quatre archétypes sur deux axes, intégré ou dissocié, COMEX ou BU : 1 AI Transformation Office, 2 Federated AI Squads, 3 AI Portfolio Office, 4 Shared AI Engine.

Aucun archétype n'est universel. Chacun répond à une configuration d'organisation, et peut évoluer avec ses besoins.

En pratique, les ETI et les phases de lancement penchent vers une factory centralisée (archétype 1) ; les grands groupes multi-métiers convergent souvent vers un hub central léger avec des relais par BU, dont l'arbitrage reste central pour éviter la fragmentation.

Archétype 1 · Intégré - Niveau COMEX

1 AI Transformation Office

Un organe unique, rattaché au COMEX et transverse aux BU, réunit Business lead, Tech et Adoption.

AI Transformation Office: at ExCom level, one body brings together Business Lead, Tech Engine Room and Change and Adoption; it delivers and supports the use cases of BU A, B and C, on centralised Tech foundations and a data office.AI Transformation Office: at ExCom level, one body brings together Business Lead, Tech Engine Room and Change and Adoption; it delivers and supports the use cases of BU A, B and C, on centralised Tech foundations and a data office.AI Transformation Office : au niveau COMEX, un organe réunit Business Lead, Tech Engine Room et Change & Adoption ; il livre et accompagne les use cases des BU A, B et C, sur des fondations Tech centralisées et un data office.AI Transformation Office : au niveau COMEX, un organe réunit Business Lead, Tech Engine Room et Change & Adoption ; il livre et accompagne les use cases des BU A, B et C, sur des fondations Tech centralisées et un data office.

Pour qui : ETI et grands groupes peu silotés, habitués à piloter la transformation au niveau du COMEX

Forces
  • Priorisation efficace au niveau de l'entreprise
  • Arbitrages fonctionnels au plus haut niveau en cas de besoin
  • Alignement constant avec la North Star et la stratégie
  • Appui sur les best practices pour monter plus vite en compétences
  • Contrôle des budgets Tech et Change
Vigilance
  • Suppose une proximité et un leadership forts des business leads sponsors vis-à-vis des BU
  • Dans les grands groupes, laisse moins d'agilité aux BU
Archétype 2 · Intégré - Niveau BU

2 Federated AI Squads

Chaque BU dispose de squads complètes qui portent leurs use cases de bout en bout. Une couche de pilotage simplifiée porte les standards communs, la répartition des budgets par BU et le suivi de la transformation.

Federated AI Squads: light central steering at ExCom level for common standards, budget allocation by BU and transformation tracking; BU A, B and C each have their own Business Lead, Tech Engine Room and Change and Adoption.Federated AI Squads: light central steering at ExCom level for common standards, budget allocation by BU and transformation tracking; BU A, B and C each have their own Business Lead, Tech Engine Room and Change and Adoption.Federated AI Squads : pilotage central léger au niveau COMEX (standards communs, répartition des budgets par BU, suivi de la transformation) ; chaque BU a son Business Lead, sa Tech Engine Room et son Change & Adoption.Federated AI Squads : pilotage central léger au niveau COMEX (standards communs, répartition des budgets par BU, suivi de la transformation) ; chaque BU a son Business Lead, sa Tech Engine Room et son Change & Adoption.

Pour qui : Groupes décentralisés, BU autonomes et outillées en Data et Tech

Forces
  • Arbitrage et priorisation au sein de chaque BU
  • Proximité et vitesse d'exécution
  • Responsabilité claire sur le P&L de chaque BU
Vigilance
  • Duplication des efforts
  • Coûts difficiles à gouverner
  • Priorités groupe peu portées
  • Montée en compétences et partage des bonnes pratiques plus difficiles
Archétype 3 · Dissocié - Business lead au niveau COMEX

3 AI Portfolio Office

Business lead et Adoption sont portés au centre. La Tech est réalisée dans les BU, sur une plateforme commune et sous une design authority centrale.

AI Portfolio Office: at ExCom level, Business Lead and Change and Adoption handle decisions, portfolio and ROI, the guild and the design authority; BU A, B and C each have a Tech Engine Room and an adoption relay.AI Portfolio Office: at ExCom level, Business Lead and Change and Adoption handle decisions, portfolio and ROI, the guild and the design authority; BU A, B and C each have a Tech Engine Room and an adoption relay.AI Portfolio Office : au niveau COMEX, Business Lead et Change & Adoption portent l'arbitrage, le portefeuille et le ROI, la guilde et la design authority ; chaque BU a une Tech Engine Room et un relais Adoption.AI Portfolio Office : au niveau COMEX, Business Lead et Change & Adoption portent l'arbitrage, le portefeuille et le ROI, la guilde et la design authority ; chaque BU a une Tech Engine Room et un relais Adoption.

Pour qui : Groupes très décentralisés où la discipline d'arbitrage et l'alignement avec la stratégie groupe restent à installer. Organisations très Tech, type scale-up

Forces
  • Tech Engine Room à tous les niveaux, tout en gardant un alignement stratégique global
  • Change et Adoption pilotés au centre : meilleures pratiques, maîtrise des budgets, priorisation des efforts
  • Production proche du terrain
Vigilance
  • Côté Business Lead, rester proche des priorités des BU et du terrain
  • Interfaces Business / Tech plus difficiles à gérer
  • Hétérogénéité des Tech Engine Rooms entre BU : rôle de la design authority à garantir
Archétype 4 · Dissocié - Business lead au niveau BU

4 Shared AI Engine

La Tech est mutualisée au centre. Les BU portent le Business lead et, le plus souvent, l'Adoption ; celle-ci peut aussi être confiée à une guilde centrale adossée à la plateforme.

Shared AI Engine: at transformation, IT-data or digital level, a shared engine holds the Tech Engine Room and optionally adoption, with pooled build, industrialisation and cost control; BU A, B and C each carry their Business Lead and Change and Adoption.Shared AI Engine: at transformation, IT-data or digital level, a shared engine holds the Tech Engine Room and optionally adoption, with pooled build, industrialisation and cost control; BU A, B and C each carry their Business Lead and Change and Adoption.Shared AI Engine : au niveau transformation, SI-data ou digital, un moteur partagé porte la Tech Engine Room et, en option, l'adoption, avec build, industrialisation et maîtrise des coûts mutualisés ; chaque BU porte son Business Lead et son Change & Adoption.Shared AI Engine : au niveau transformation, SI-data ou digital, un moteur partagé porte la Tech Engine Room et, en option, l'adoption, avec build, industrialisation et maîtrise des coûts mutualisés ; chaque BU porte son Business Lead et son Change & Adoption.

Pour qui : Organisations plus traditionnelles, dotées d'une DSI forte difficilement duplicable en BU, et de BU très autonomes avec un fort ownership business

Forces
  • Arbitrages fonctionnels et priorisation au plus près du terrain
  • Build cohérent et réutilisation des assets
  • Responsabilité business sur les résultats
Vigilance
  • Tech Engine Room en position de preneur d'ordres
  • Conflits de capacité entre BU : suppose une règle d'allocation explicite
  • Pilotage BU x Tech plus complexe : rituels à adapter en conséquence
Partie III

Zoom - Les leviers de productivité à l'heure de l'IA : cas concrets

La valeur de l'IA sur un process se décompose en quatre leviers. Les deux premiers économisent du temps, les deux derniers assurent de la qualité et de la simplicité.

Quatre leviers de valeur sur un process

01
Remove - supprimer la tâche

Le travail répétitif, volumique ou à base de règles est pris en charge de bout en bout ; le temps humain se redéploie vers les cas qui exigent du jugement

02
Accelerate - accélérer ce qui existe

Supprimer les interfaces et les ressaisies, traiter plus de volume à qualité constante, et surtout débloquer le goulot qui ralentit toute la chaîne

03
Secure - sécuriser l'exécution

Les contrôles se font au fil de l'eau, dans la tâche elle-même. Les erreurs sont corrigées au moment où elles apparaissent, et l'on économise les audits, reprises et allers-retours de fin de chaîne

04
Simplify - alléger le livrable

L'IA absorbe des formats non structurés et des exceptions que l'automatisation classique ne savait pas traiter

La plupart des pilotes ne chassent que le deuxième levier, accélérer ce qui existe. Les gains durables viennent d'une lecture des quatre.

Enguerrand Hurstel

Quand on passe un process au crible des quatre leviers, l'essentiel de la valeur se cache souvent dans une étape que personne n'avait ciblée : une interface à supprimer, un contrôle à intégrer au flux, un livrable devenu inutile. Les meilleurs résultats viennent des équipes qui cherchent là avant d'accélérer l'existant.

Enguerrand Hurstel · Partner | Digital, Marketing & Customer Experience, Constellations

Ce cadre de lecture n'est pas nouveau : les cabinets de conseil en stratégie l'utilisent depuis des décennies pour décomposer un processus. Nous l'avons adapté aux évolutions considérables rendues possibles par l'IA, et surtout documenté par des exemples concrets issus de nos transformations IA chez nos clients, en France et en Europe.

L'arbre des quatre leviers

Où l'IA crée de la valeur sur un process

Tree of the four levers. Removing tasks: remove the task, level 1 support resolved autonomously, 68% of cases handled. Accelerating tasks: remove the interface, about 30 min saved per file; gain efficiency, Google Ads analysis 4 to 6 times faster; unblock a bottleneck, marketing due diligence down to about 1 week. Securing tasks: zero defects from the start, about 1.5 points of EBIT recovered; reduce complexity, 0.5 data scientist instead of 2. Simplifying deliverables: lighten the deliverable, teams query data in natural language.Tree of the four levers. Removing tasks: remove the task, level 1 support resolved autonomously, 68% of cases handled. Accelerating tasks: remove the interface, about 30 min saved per file; gain efficiency, Google Ads analysis 4 to 6 times faster; unblock a bottleneck, marketing due diligence down to about 1 week. Securing tasks: zero defects from the start, about 1.5 points of EBIT recovered; reduce complexity, 0.5 data scientist instead of 2. Simplifying deliverables: lighten the deliverable, teams query data in natural language.Arbre des quatre leviers. Suppression des tâches : supprimer la tâche, support de niveau 1 résolu de façon autonome, 68% des cas traités. Accélération : supprimer l'interface, ≈30 min gagnées par dossier ; gagner en efficacité, facteur 4 à 6 ; lever un goulot, due diligence marketing ramenée à ≈1 semaine. Sécurisation : zéro défaut dès l'origine, ≈1,5 point d'EBIT récupéré ; réduire la complexité, 0,5 data scientist au lieu de 2. Simplification : alléger le livrable, les équipes interrogent la donnée en langage naturel.Arbre des quatre leviers. Suppression des tâches : supprimer la tâche, support de niveau 1 résolu de façon autonome, 68% des cas traités. Accélération : supprimer l'interface, ≈30 min gagnées par dossier ; gagner en efficacité, facteur 4 à 6 ; lever un goulot, due diligence marketing ramenée à ≈1 semaine. Sécurisation : zéro défaut dès l'origine, ≈1,5 point d'EBIT récupéré ; réduire la complexité, 0,5 data scientist au lieu de 2. Simplification : alléger le livrable, les équipes interrogent la donnée en langage naturel.

Les pages suivantes détaillent chacun de ces leviers, puis présentent les cas d'usage concrets identifiés, fonction par fonction.

01

Suppression des tâches

L'IA prend en charge de bout en bout le travail répétitif, volumique ou à base de règles, et redéploie le temps humain vers les cas qui exigent du jugement.

02

Accélération des tâches

Supprimer l'interface. L'IA absorbe les traductions, ressaisies et passations entre deux étapes ou deux systèmes. Elle réduit les ruptures de flux et rapproche directement l'entrée du résultat attendu.

  • L'IA réduit la distance entre l'intention et l'action. L'interface devient conversationnelle, contextuelle, parfois invisible
  • L'IA permet de mettre dans les mains du Business une capacité à développer techniquement des premiers POC pour gagner du temps dans les échanges avec la Tech

Gagner en efficacité. C'est souvent le premier levier activé, car il peut s'ancrer dans les process existants. L'IA permet de traiter beaucoup plus de volume dans le même temps, en réduisant le temps nécessaire par opération et en augmentant la capacité globale du process.

Lever un goulot. La valeur vient souvent moins d'une automatisation généralisée que de l'application de l'IA au point précis qui ralentit tout le processus. Lever le goulot permet d'accélérer l'ensemble de la chaîne.

03

Sécurisation des tâches

Zéro défaut dès l'origine. L'IA permet d'intégrer les contrôles directement dans l'exécution plutôt que de détecter les erreurs après coup. La qualité devient continue, avec des anomalies identifiées et corrigées beaucoup plus tôt.

  • Revenue assurance détectant en temps réel les prestations non facturées : de l'ordre de 1,5 point d'EBIT récupéré
  • Revue de contrats signalant les clauses non conformes à l'échelle : trente fois plus de termes détectés
04

Simplification des livrables

Réduire la complexité. L'IA traite les formats non structurés, des exceptions et des règles multiples sans qu'il soit nécessaire de tout standardiser au préalable. Elle permet donc de simplifier des process historiquement conçus autour de systèmes rigides.

Alléger le livrable. Quand l'intelligence passe dans l'interaction, le livrable lui-même peut devenir plus léger, moins structuré, parfois inutile. On cesse de construire des artefacts lourds pour compenser la rigidité des outils.

Démonstrateurs : les use-cases concrets identifiés par fonction et par levier

Tous les cas ci-dessous sont issus de missions de nos partners, sauf mention contraire, et anonymisés.

Finance

Suppression · Supprimer la tâche
Flash reporting automatisé & en self-service

La consolidation mensuelle multi-usines (Excel et PowerPoint), qui mobilisait environ une journée de contrôleur, est prise en charge par un agent construit par le métier en quatre demi-journées. La restitution est produite en 1h15, en self-service

Industrie, ETI, Client Constellations

Accélération · Supprimer l'interface
Dossier sans ressaisie

Un agent lit et rapproche automatiquement plus de 80% des données d'un dossier entre les documents et les systèmes, supprimant la ressaisie et les allers-retours entre le métier et les outils. Environ 30 min gagnées par dossier

Banque, CAC 40, BNP Paribas

Accélération · Gagner en efficacité
Facturation augmentée

Un agent réunit et reconsolide les sources (comptabilité, ERP, données opérationnelles), vérifie la cohérence de chaque ligne (prestations réellement livrées, prix, remises), signale les écarts et pré-valide la facturation avant émission. Sur un cycle mensuel multi-entités, le contrôle passe d'environ 5 jours à environ 1 jour, avec moins d'avoirs et de litiges

Distribution B2B, PME, Client Constellations

Accélération · Lever le goulot
Reporting ad hoc à la demande

Une couche de contexte associée à l'IA génère à la demande les reportings spécifiques demandés par le COMEX, sans retraitement manuel de la donnée. La filiale française publie ses reportings dès le 2 du mois, contre le 7 ou le 8 pour les autres pays

Services B2B, ETI, Client Constellations

Sécurisation · Zéro défaut dès l'origine
Revenue assurance

Sur une donnée fiabilisée, un agent détecte de manière prédictive les prestations en production non facturées et les schémas récurrents de fuite de revenus. Premier chantier : environ 1,5 M€ récupérés sur un périmètre d'environ 80 M€, soit près de 1,5 point d'EBIT

Télécom, ETI, Client Constellations

Simplification · Réduire la complexité
Référentiel client (One SIRET)

Un algorithme de rationalisation du référentiel client, conçu avec l'IA, fiabilise la donnée avant son exploitation. 15 000 enregistrements traités en 12 minutes ; acceptation automatique au-delà de 95% de score, le reste étant trié en lots de revue

Télécom, ETI, Client Constellations

Simplification · Alléger le livrable
Talk with your data

Les équipes interrogent la donnée en langage naturel et obtiennent la réponse ou le graphique directement, au lieu de construire et de naviguer dans des dashboards. Le livrable figé s'efface derrière la question

Télécom, ETI, Client Constellations

Sales & Marketing

Suppression · Supprimer la tâche
Post-production assistée par IA

La post-production est désormais quasi intégralement générée par IA, et les briefs le sont de plus en plus. L'économie atteint 5 à 10% sur des budgets très importants, avec un enjeu de réinternalisation de la valeur captée par les agences

Luxe, CAC 40, Client Constellations

Accélération · Supprimer l'interface
Production de contenus en self-service

Une creative factory en self-service, adossée à une brand library validée, permet aux équipes locales de décliner les assets par prompt. La part d'assets générés par IA passe de 5% à plus de 80% en deux trimestres, pour un objectif initial de 25% ; l'outil a été construit en un sprint de 15 jours

Fintech, Scale-Up, Client Constellations

Accélération · Supprimer l'interface
Tech stack : nouveaux besoins d'outillage

En un trimestre, Amazon, Google, Meta et TikTok ont lancé des serveurs MCP officiels qui permettent à des agents de lire, et parfois de piloter, les comptes publicitaires. Ils imposent une matrice de droits par agent, des plafonds de dépense et une validation humaine avant toute modification. Le monitoring GEO (Profound, Peec AI) devient un outil de pilotage, avec un panel de prompts suivi chaque semaine. S'y ajoutent une base de marque lisible par les agents, un DAM gérant jumeaux numériques et variations, et souvent un MMM light internalisé développé avec l'aide d'un LLM et de modèles open source

Publicité en ligne, Plateformes, Amazon · Google · Meta · TikTok (sources publiques)

Accélération · Gagner en efficacité
Analyse de performance ad hoc

L'analyse des search terms Google Ads est réalisée avec l'IA en 30 minutes environ pour trois versions, contre une demi-journée auparavant, soit un facteur 4 à 6

HealthTech, Scale-Up, Client Constellations

Accélération · Gagner en efficacité
Suivi des rendez-vous commerciaux

Un outil analyse la transcription de l'échange, identifie les objections et rédige le follow-up en s'appuyant sur les battle cards. Le gain de temps mesuré est de 30%, sous réserve d'une base de connaissances commerciale bien documentée

Fintech, Scale-Up, Client Constellations

Accélération · Gagner en efficacité
Organisation : du silo par canal au pod orienté résultat

Unilever a regroupé ses services marketing globaux dans une organisation « Global Business Services » dotée de hubs IA, qui libèrent les brand teams de la gestion de projet ; la production graphique est confiée à Sketch Pro, une division interne fondée sur l'IA générative. L'organisation cible passe d'équipes par canal (SEA, social, CRM, contenu) à des pods par objectif, structurés autour de nouveaux rôles : orchestrateur d'agents, garant de la marque, responsable GEO, directeur de la creative factory et measurement lead. La base d'exécution junior se réduit au profit de profils seniors de pilotage

Grande consommation, Grand groupe, Unilever (sources publiques)

Accélération · Lever le goulot
Déclinaison créative

Environ 60 variations sont produites par concept (statiques et vidéos), contre une dizaine auparavant, sans dégradation de la performance observée

HealthTech, Scale-Up, Client Constellations

Sécurisation · Zéro défaut dès l'origine
Reporting et tests d'incrémentalité

Le corpus d'analyses (reporting, tests d'incrémentalité) est automatisé ; un monitoring de l'ensemble des comptes publicitaires au regard de règles de référence est en cours de déploiement

Luxe, CAC 40, Client Constellations

Simplification · Réduire la complexité
Marketing mix modeling

La collecte de données est automatisée en intégrant des sources moins structurées et la modélisation supervisée par 0,5 data scientist (contre 2 historiquement), pour un coût environ deux fois inférieur à celui d'un MMM externalisé (environ 40 k€)

Luxe, CAC 40, Client Constellations

Simplification · Alléger le livrable
Generative Engine Optimization (GEO)

Des contenus et un maillage interne ciblés augmentent la fréquence de citation de la marque par les moteurs conversationnels : +80% sur l'univers travaillé, contre +20% en évolution naturelle, sur un pilote de 6 à 8 semaines

Retail mode, ETI, Client Constellations

Simplification · Alléger le livrable
Site de marque adaptatif

Le site de marque s'adapte au visiteur et intègre une recherche conversationnelle dédiée au cadeau, avec reprise par un conseiller si nécessaire. Hypothèse en cours de test : environ +5% de ventes sur un marché pilote

Luxe, CAC 40, Client Constellations

Alexandre Breillot

En marketing, l'IA a d'abord fait exploser la production de contenus. La prochaine marche porte sur la mesure : savoir quelles variations, quels canaux et quelles réponses des moteurs conversationnels créent des ventes, et réallouer le budget chaque semaine en conséquence.

Alexandre Breillot · Partner | Digital, Marketing & Customer Experience, Constellations

Private Equity

Suppression · Supprimer la tâche
Due diligence marketing automatisée

Un audit outside-in complet (positionnement, UX, acquisition, martech) est réalisé de bout en bout par des agents

Mid Cap, Private Equity, Client Constellations

Accélération · Supprimer l'interface
La diligence sans les interfaces

Les agents se branchent directement sur la data room et interrogent tous les documents simultanément : plus besoin d'ouvrir, lire et synthétiser fichier par fichier, ni de naviguer dans les interfaces du VDR

Large Cap, Private Equity, Client Constellations

Accélération · Gagner en efficacité
Origination augmentée

Une veille agentique exploite les données externes et surtout la donnée propriétaire du fonds (expert calls, notes qualifiées) pour identifier des cibles avant les intermédiaires. Gain d'environ 1,5 ETP et pipeline en hausse de 15%, en cours d'évaluation avant passage à l'échelle

Large Cap, Private Equity, Client Constellations

Accélération · Lever le goulot
Qualification des opportunités

Un agent de scoring qualifie les opportunités en aval du sourcing et harmonise la grille de lecture des dossiers : 3 à 4 ETP libérés sur une équipe de 50

Large Cap, Private Equity, Client Constellations

Sécurisation · Zéro défaut dès l'origine
Contrôle intégré à la diligence

Un agent surveille la data room, vérifie chaque nouveau document contre la checklist et génère chaque nuit la liste des red flags (concentration client, clauses de change-of-control, passifs cachés) pour la revue du matin. On audite 100% de la data room au lieu d'un échantillon

Large Cap, Private Equity, Client Constellations

Simplification · Réduire la complexité
Vendor due diligence

Un premier outil de VDD a été testé : il fait gagner un tour sur l'analyse, sans remplacer les cabinets. Cible à terme : devenir l'outil principal de screening et de validation des cibles sur les plus petits build-ups

Mid Cap, Private Equity, Client Constellations

Simplification · Alléger le livrable
Études consommateurs synthétiques

Des panels synthétiques remplacent une partie des enquêtes consommateurs. L'approche reste en phase de test

Large Cap, Private Equity, Client Constellations

Tech

Suppression · Supprimer la tâche
Opérations réseau autonomes

Un agent déclenche seul plus de 100 actions de remédiation et ramène la gestion d'un incident réseau majeur de quelques heures à environ une minute (plus de 95% de réduction) ; 237 000 événements traités en 2026 ; 12 cas d'usage en autonomie complète, 400+ en production

Télécom, Grand groupe, Client Constellations

Accélération · Supprimer l'interface
Outil de pilotage conçu par le métier

Pour un outil de pilotage de projets déployé auprès de 30 000 collaborateurs, les équipes métier ont conçu elles-mêmes leurs maquettes via une intégration Airtable et Claude, réduisant la phase de cadrage d'environ trois mois

Transport maritime, Grand groupe, Client Constellations

Accélération · Gagner en efficacité
Développement logiciel et data

Code IA : productivité x5 à 7 sur le développement assisté par agents (estimation des praticiens), avec une forte marge de progression. Le gain d'environ 50% du premier mois suppose plusieurs semaines de montée en compétence préalable

Télécom, ETI, Client Constellations

Accélération · Lever le goulot
Outils métier en vibe coding

Les équipes métier conçoivent leurs propres outils sans équipe technique, à l'image d'un outil de visualisation de l'expérience client : il reconstitue le parcours réel d'un utilisateur sur une vue unique - étapes franchies, points de friction, abandons - là où l'information était jusqu'ici éclatée entre plusieurs outils. Prototypé sans ticket adressé à l'équipe technique

Fintech, Scale-Up, Client Constellations

Sécurisation · Zéro défaut dès l'origine
Qualité par défaut

Les agents génèrent descriptions et tests sur toute la couche de données brutes, relus unité par unité : environ 95% des modèles documentés et testés, 100% des sources sous contrôle de fraîcheur, la dérive détectée automatiquement. Tests et documentation deviennent systématiques parce qu'ils ne coûtent presque plus rien

Télécom, ETI, Client Constellations

Simplification · Réduire la complexité
Maintenance conversationnelle

Les équipes interrogent en langage naturel ; l'IA regroupe les cas similaires multilingues et propose la solution, absorbant un historique hétérogène. -30% de coûts de maintenance sur des lignes de production

Industrie, Grand groupe, Siemens Senseye

Simplification · Alléger le livrable
L'achat dans la conversation

Le système de commerce existant est connecté à ChatGPT, Gemini ou Copilot sans replateformer : la transaction se fait dans l'échange, l'interface e-commerce s'efface et libère de la disponibilité SI

Commerce, Leader tech, commercetools AgenticLift

Ops

Suppression · Supprimer la tâche
Négociation autonome de la long tail

Les achats situés sous le seuil de gouvernance, jusqu'ici non traités, sont négociés par des agents IA orchestrés par un moteur de workflow persistant, avec validation humaine avant envoi. Gain annuel de 2% sur un périmètre de 1 Md€ d'achats

Services environnementaux, Grand groupe, Client Constellations

Accélération · Supprimer l'interface
Validation pricing priorisée

Un agent enregistre au quotidien les validations effectivement rendues et en déduit, par des règles explicites, ce qui peut être pré-statué. Le validateur ne va plus chercher les demandes dans l'outil : il reçoit une liste de besoins déjà priorisée et ne tranche que ce qui le nécessite

Distribution B2B, Grand groupe, Client Constellations

Accélération · Gagner en efficacité
Traitement des tickets de niveau 1

Une fois les arbres de décision, la FAQ et l'analyse des tickets outillés par l'IA, le niveau 1 est automatisé et les équipes concentrées sur les niveaux 2 et 3

Télécom, ETI, Client Constellations

Accélération · Lever le goulot
Priorisation du service client

En priorisant la file d'attente là où l'enjeu est le plus fort, on lève le goulot au bon endroit : +40% de précision de priorisation, résolution des incidents récurrents 2,5 fois plus rapide, +80% de résolution au premier contact

Beauté, CAC 40, Client Constellations

Sécurisation · Zéro défaut dès l'origine
Coaching des équipes de vente

Des agents accompagnent les conseillères de vente en point de vente sur la connaissance produit et la pratique commerciale. L'impact reste à ce stade mesuré de manière top-down

Luxe beauté, Grand groupe, Client Constellations

Simplification · Réduire la complexité
Achats sous contrôle

Chaque réquisition est contrôlée au regard des politiques, catégories, devis et grilles tarifaires : les revues passent de plusieurs jours à quelques minutes

Services environnementaux, Grand groupe, Client Constellations

Simplification · Alléger le livrable
Assistant produit pour les équipes magasin

Un agent conversationnel exploite des sources non structurées (base de données, fiches produits, fiches de sécurité) pour permettre aux équipes en magasin de répondre en direct aux questions des clients

Distribution B2B, Grand groupe, Client Constellations

Constellations

Les auteurs

Louis Ravier
Louis Ravier
Partner | Strategy & Performance
louis.ravier@constellations.team

Expert en stratégie et transformation d'entreprise, après 15 ans de conseil en stratégie (ex OC&C & EY-Parthenon)

Aurélien Rayer
Aurélien Rayer
Partner | AI, Data & Tech
aurelien.rayer@constellations.team

Expert en data, MLOps et IA générative, après plus de 10 ans en scale-ups (ex Google & Artefact)

Enguerrand Hurstel
Enguerrand Hurstel
Partner | Digital, Marketing & Customer Experience
enguerrand.hurstel@constellations.team

Expert en omnicommerce et marketing data-driven, après plus de 10 ans de conseil en marketing (ex BCG)

Elyes Zemni
Elyes Zemni
Partner | Transactions & Integration
elyes.zemni@constellations.team

Expert en stratégie et transactions, après plus de 10 ans de conseil (ex Bain & Company & EY-Parthenon)

Alexandre Breillot
Alexandre Breillot
Partner | Digital, Marketing & Customer Experience
alexandre.breillot@constellations.team

Expert en growth et performance marketing, ancien VP et SVP Marketing (ex Vestiaire Collective & Lazada / Alibaba)

Diagnostic 4P
Deux heures avec votre COMEX

Nous confrontons votre feuille de route IA aux quatre prérequis, identifions les trois processus à plus fort potentiel P&L et recommandons l'archétype de factory adapté à votre organisation