Lors du dernier rendez-vous du club de l’Agora des Chief Data Officers, Christophe Hesters, Chief Data Officer Group chez Safran, a dévoilé les projets ambitieux du groupe autour de l’intelligence artificielle générative. L’occasion de découvrir comment Safran intégre l’IA-G dans ses activités en mettant l’accent sur la sécurité, la formation et la gouvernance des données.
Christophe Hesters, qui pilote la feuille de route data 4.0, nous partage les premiers cas d’usage concrets et les enjeux liés à cette révolution technologique, de la gouvernance de la donnée à la création de valeur par la donnée avec de la BI et IA générative.
Julien Merali : Est-ce que vous pouvez peut être nous présenter le périmètre que vous occupez aujourd’hui chez Safran ?
Christophe Hesters : Je travaille chez Safran depuis 25 ans. J’ai travaillé une grande première partie de ma carrière dans toutes les opérations aéronautiques et j’ai pris cette fonction de chief data officer il y a quatre ans maintenant. Je suis rattaché à un membre du Comex qui pilote toute la partie systèmes d’information et transformation digitale. Et dans cette équipe-là, au sein de la transformation digitale, je pilote la feuille de route data 4.0.
Il y a un parallèle avec le Manufacturing 4.0 puisqu’on est une société industrielle. Et dans cette feuille de route data 4.0, je dois mettre en place tout ce qui est création de valeur par la data. Donc on va retrouver les sujets de gouvernance de la donnée d’une part, mais aussi toute la création de valeur par la donnée avec de la BI, de l’IA, de l’IA générative, et cetera.
On parle souvent d’IA générative, mais c’est finalement très large. Quelles sont les typologies de cas d’usage que l’on va trouver chez Safran ?
Christophe Hesters : Je différencierai deux natures de cas d’usage : ceux génériques que l’on peut adresser via des plateformes comme ChatGPT qui s’adressent un peu à tous les employés pour améliorer leur productivité. Ou alors pour un espace de travail augmenté avec des solutions comme Microsoft Copilot.
Après, il y a une autre catégorie de cas d’usage qui est là pour répondre à des demandes beaucoup plus spécifiques du business et que l’on développe en équipe intégrée entre le business, l’IT et la data science pour développer ces cas d’usage beaucoup plus complexes qui nécessitent des développements.
À quel moment vous avez décidé d’aller sur un Copilot ou ChatGPT puis des outils davantage maison puisqu’on imagine qu’il y a une question très forte de confidentialité quand on est chez Safran. Et d’ailleurs, n’est-il pas étonnant d’autoriser Copilot ou GPT pour des collaborateurs de Safran ?
Christophe Hesters : Alors ce qu’il faut savoir déjà, c’est que ChatGPT on ne l’a pas coupé, c’est-à-dire que les salariés peuvent l’utiliser pour de l’information publique. Par contre, on a développé une plateforme qui s’appelle Secure ChatGPT qui est une plateforme sécurisée chez Safran, qui répond aux mêmes fonctionnalités que ChatGPT mais qui, pour le coup, peut être utilisée avec de la donnée confidentielle.
Donc ça, ce n’est pas une solution que l’on trouve sur Internet. Et cette solution, on l’a développée avec les systèmes d’information internes et avec nos partenaires. Et on l’a testé pendant cinq semaines avec 1000 utilisateurs. Et on a fait chaque semaine des webinaires pour essayer de capter leur feedback. Que faisaient-ils avec l’outil et en étaient-ils satisfaits ? Et à l’issue de cette phase de cinq semaines, on a décidé de déployer l’outil plus largement.
Aujourd’hui, on est à un déploiement de plus de 6000 employés de cette solution Secure ChatGPT. Et probablement que l’on va l’étendre au-delà de ce périmètre-là.
Après sur la solution Copilot, c’est un petit peu différent. On fait une phase d’évaluation, mais cette fois-ci, elle va durer plus longtemps, au moins un an, parce que c’est une solution qui est quand même très onéreuse. Et on veut absolument cerner quels sont les cas d’usage. Est-ce que ça apporte bien de la valeur ? Et puis, c’est vrai que la solution présente quelques instabilités. On ne va pas l’introduire en production avant et on prendra probablement une décision d’étendre Copilot en début d’année prochaine.
Comment accompagnez-vous les collaborateurs pour leur expliquer quel outil, interne ou public, utiliser ?
Christophe Hesters : C’est un point très important chez Safran, que ce soit sur la data ou sur tous nos sujets digitaux. On a mis en place effectivement tout un plan d’accompagnement au changement, d’acculturation et de formation. On a ce qu’on appelle la Digital Academy qui permet de dispenser des contenus sur tout nous axes : data, manufacturing, engineering, etc.
Donc des contenus qui peuvent venir soit de nos partenaires externes quand on considère qu’ils sont bons, soit des contenus que l’on développe par rapport à nos exigences propres.
Et on a également Safran Université qui existe depuis de nombreuses années, dans laquelle on met en place des programmes de montée en compétences qui peuvent être très pointus pour upsacaler, voire même, former des salariés pour qu’ils changent de métier. On a, par exemple, des programmes autour de la Data Science qui durent près un an.
Et par rapport à l’utilisation de l’IA générative, on a aussi mis en place une politique, une charte d’utilisation de l’IA générative qui explique bien ce que l’on peut faire avec les solutions que l’on trouve sur le web et ce que l’on ne peut pas faire.
On a beaucoup parlé, dans le monde de l’entreprise, de ces collaborateurs venir en masse toquer à la porte de la data, de l’IT pour vouloir de l’IA Générative. Comment avez-vous priorisé les sujets ?
Christophe Hesters : On a mené ce qu’on a appelé une démarche d’Opportunity Framing le dernier trimestre de l’année 2023. En fait, on est allé à la rencontre de toutes les sociétés avec les Chiefs data Officer et les représentants des stream de transformation digitale opérationnelle, Manufacturing, Engineering, Client et Employé Expérience. Et de ces rencontres, on a relevé 150 idées. Et de ces 150, on en a caractérisé à peu près la moitié en termes de cas d’usage, c’est-à-dire : quelle est la valeur apportée pour le business, le R.O.I et la valeur non-financière.
Quels sont les enjeux aussi dans le delivery du cas d’usage ? C’est-à-dire : est-ce que les données sont disponibles ? Est-ce que l’on a les compétences pour mener le cas d’usage ? Donc on a regardé tout ça. Et les comités de direction des sociétés ont validé 65 projets. Sur ces 65 projets, on a proposé au Comex d’en déployer 5 cette année.
Pourquoi ces 5 là ? Parce que ce sont des projets qui ont vocation à être scalés assez largement à l’intérieur du groupe. Nous voulions d’abord voir si c’était faisable, industrialiser une solution et ensuite pouvoir la passer à l’échelle. Et c’est le processus que l’on a suivi.
Est-ce que vous pouvez nous dévoiler ces cinq projets de Gen IA ?
Christophe Hesters : On va trouver des projets assez variés, même s’ils tournent tous autour principalement de l’exploitation de la connaissance au travers de ce qu’on appelle le RAG, retrieval augmented generation, qui est en fait une solution qui permet d’exploiter des bases de connaissances. Et donc on va avoir des cas d’usage dans plusieurs métiers.
Le premier, par exemple, c’est au niveau du support client. Quand les compagnies aériennes exploitent un avion, elles peuvent avoir des problèmes sur certains composants – par exemple sur la nacelle qui est la partie qui entoure le moteur. Si on a un impact de foudre, on va avoir un problème. Et le client, lui, ce qu’il veut, c’est une réparation rapide pour pouvoir voler.
Ce qu’il fait dans ces cas-là, c’est qu’il appelle le service client. Il demande une réparation pour pouvoir revoler assez rapidement. Et ce travail-là, ça prend pas mal de temps parce que dans toute la base historique, il faut aller rechercher la bonne réparation. Ça peut prendre plusieurs heures. Et puis, quand elle n’existe pas, il faut la développer.
Là, l’idée, c’est d’utiliser l’IA générative pour aller rechercher l’information beaucoup plus vite, identifier les réparations les plus proches de la problématique client via la requête en langage naturel, et donc de répondre au client dans un délai qui est beaucoup plus court. Et on a démontré la faisabilité de la solution qui a été industrialisée et qui est en train d’être passée à l’échelle et d’être adoptée.
Ça, c’est le premier cas d’usage au niveau support client.
On va retrouver des choses un peu analogues dans l’exploitation des bases de connaissance. Par exemple en production, pour traiter toutes les non-conformités. Quand on a une pièce qui est non-conforme, on a des personnes qui proposent une sanction pour dire qu’elle est conforme ou pas.
Et là, ce qu’on veut, c’est que l’IA générative puisse présenter les éléments et avoir une aide à la sanction pour que l’opérateur puisse décider rapidement si oui ou non la pièce est acceptable sur la base de tout l’historique que l’on a développé.
On a également un troisième cas d’usage ambitieux, celui générer une documentation complètement nouvelle.
C’est ce que l’on appelle le tech pub dans le monde aéronautique, c’est-à-dire toute la documentation technique qui s’adresse aux compagnies aériennes pour intervenir sur leurs équipements. Là, l’idée, c’était de pouvoir définir une liste de parc numbers pertinents sur la base de dessins ou de plans PDF. Ça, c’est un travail très chronophage avec beaucoup de sources d’erreurs.
Et donc, via l’IA générative, on peut avoir cette liste des composants automatisée. C’était le premier volet. Et les deux autres volets étaient de pouvoir rédiger de façon automatique, en respectant la norme aéronautique S1000D, assimiler les processus de montage et démontage des équipements. Donc là, il y avait quand même un gros challenge. Là-aussi, on a démontré que c’était faisable et cette solution a été industrialisée et mis en place au niveau du business.
Un quatrième cas d’usage a été de mettre en place un chatbot au niveau des ressources humaines, de façon à ce que les salariés puissent interroger ce chatbot en posant à peu près n’importe quelle question.
Par exemple, je vais avoir un enfant. A combien de congés mais-je droit ? Plutôt que d’utiliser les ressources RH, l’idée est d’avoir un chatbot qui va répondre automatiquement et qui va prendre aussi en considération la filiale dans laquelle on travaille parce que les accords sociaux ne sont pas les mêmes. Donc on prend en compte dans la base de connaissance et dans le modèle et on va pouvoir répondre à toutes les questions que se posent les salariés sur leur poste ou leurs droits.
Nous avons également un autre cas, côté engineering. Alors celui-là est assez intéressant et il s’inscrit dans une démarche un peu plus complexe puisqu’il combine de l’IA traditionnelle et de l’IA générative. En fait, quand on vend des sièges aux compagnies aériennes, on est obligé de faire des crash tests. Et la difficulté, c’est que ces essais-là sont difficilement prédictifs. Et quand on échoue ? Non seulement ça a un coût, mais en plus, on a un retard de livraison client. Donc l’idée est d’utiliser l’IA pour essayer de mieux prédire les essais. Et on a démontré qu’on arrivait à beaucoup mieux prédire les essais.
Enfin, on a utilisé l’IA générative sur un volet très particulier. On voulait pouvoir interroger dans son langage naturel des bases de données SQL qui ne sont donc pas accessibles à tout le monde. Et ça avait beaucoup de valeur pour préparer les essais notamment, mais pas que. Et on s’est rendu compte que même les top managers avaient de la valeur à aller interroger ces bases de données.
Et visiblement les opérateurs et les opérationnels sont très satisfaits de ça.
On voit qu’il y a beaucoup de cas d’usage et probablement encore plus demain. Quels sont les prérequis globaux avant de mettre en place un cas d’usage et de passer à l’échelle ?
Christophe Hesters : Alors, il y a énormément de prérequis si on veut faire les choses de façon robuste et pérenne. Chez Safran, on a décidé de ne pas trop faire de POC (Proof of Concept). On préfère vraiment développer des MVP (Minimum Viable Product) et d’industrialiser rapidement des solutions. Mais pour ce faire, il faut un certain nombre de choses.
Il faut déjà des compétences pluridisciplinaires, c’est-à-dire des compétences à l’IT et à la Data Science qui sont plutôt dans les métiers. Et avoir des compétences de pilotage agile dans les business. C’est important d’avoir des product owners dans les business qui comprennent le métier mais qui sont capables aussi d’interagir avec les gens de l’IT.
Donc tout le volet compétences est très important. Ensuite, on a un autre point fondamental – et en tant que CDO, je le martèle depuis très longtemps, avant même les l’IA Générative – c’est tout ce qui concerne la donnée. Si on n’a pas de données, on ne va nulle part.
Safran est constitué d’énormément de filiales historiques de l’aéronautique qui ont donc un legacy, qui ont des formats de données qui ne sont pas homogènes. On essaie d’homogénéiser les choses au fur et à mesure, mais il y a beaucoup de choses qui sont différentes et donc il y a des cas d’usages que l’on met en œuvre dans certaines sociétés parce qu’elles ont des données bien structurées.
Et quand on veut les passer à l’échelle, si le travail sur la data n’a pas été fait, forcément, il va y avoir un travail à faire. Donc toute la structure au niveau de la donnée est extrêmement importante. Si on devait retenir deux choses, ce sont donc les compétences et la data.
Après, il y a toute la structure de gouvernance et de pilotage qui est aussi très importante pour généraliser et passer à l’échelle.
Alors justement, le passage à l’échelle ! Quelles sont les étapes ?
Christophe Hesters : En début d’année, quand on a lancé les cinq cas d’usage que j’ai mentionné, j’ai beaucoup poussé pour qu’on ait un framework un peu systémique. Je voulais qu’on ait du pilotage agile à l’échelle et qu’on s’appuie sur un framework de type safe. Et là, on m’a dit qu’on n’allait jamais y arriver parce qu’on partait de très très loin. Pour autant, on a fini par converger avec mes collègues de l’IT et de Safran Analytics et on a mis en place ce framework de pilotage d’agilité à l’échelle qui rassemblait d’une part les filiales du groupe qui étaient les sociétés qui implémentaient ces cas d’usages en pilote et également les entités centrales de la Direction des systèmes d’information et de Safran Analytics.
Et en fait, ça a extrêmement bien marché, c’est-à-dire qu’on a pu piloter ces cinq projets en simultané pour bien définir les patterns d’infrastructure IT d’une part, mais également les patterns de data science. Et ça, c’est extrêmement utile pour la généralisation et le passage à l’échelle.
Et c’est quelque chose que l’on veut vraiment ancrer dans nos opérations. Et là, on va modifier et amender aussi un peu notre gouvernance pour que cela vive dans le temps.
Il y a un élément important, c’est l’élément humain, l’accompagnement et la montée en compétence. On a beaucoup parlé de Data Stewart dans les entreprises au début de la data. Est-ce qu’il y a des IA Stewarts pour accompagner vos actions et propager la culture IA au sein de Safran ?
Christophe Hesters : Au sein de Safran, nous avons par exemple une communauté qui s’appelle Data Square, qui embrasse tout ce qui touche à la data et l’IA et qui est animée par la structure Safran Analytics et mes équipes avec des relais dans toutes les sociétés du groupe. Donc cela permet d’échanger des bonnes pratiques, de discuter.
Je ne sais pas si on peut appeler cela des stewarts, mais en tout cas, on a des ambassadeurs. Et on voit que cette communauté grossit au fil de l’eau. En parallèle, dans Digital Academy, on va trouver des contenus d’acculturation et de formation, mais aussi énormément de feed-back du terrain avec notamment des petites vidéos qui montrent des choses très concrètes faites sur le terrain pour justement embarquer les personnes.
C’est aussi une façon de motiver les personnes et de rassurer les gens qui ont l’impression qu’ils peuvent être disruptés par l’IA. Donc on essaye aussi de beaucoup rassurer par rapport à ça.
Chez Safran, on ne veut personne sur le bord de la route. On veut absolument que tout le monde soit en position de se former. Et je suis à peu près convaincu que l’IA ne remplacera pas l’homme. En revanche, les personnes qui n’utilisent pas l’IA auront potentiellement plus de risque d’être remplacées par quelqu’un qui sait l’utiliser.
Et le top management a-t-il été très acteur ?
Christophe Hesters : Absolument. Quand j’ai pris mes fonctions, j’ai fait ce travail déjà au niveau de la data, pour expliquer l’importance de la gouvernance et de la donnée. Et on l’a répliqué aussi avec l’IA générative. Donc l’année dernière, j’ai présenté au Comex avec mon collègue de Safran Analytics, l’IA générative avec deux enjeux.
Premier enjeu qui était de présenter cette nouvelle techno et de donner un peu les enjeux associés. Et le deuxième volet qui était de présenter un plan d’action, une road map qui a été acceptée par le Comex. Il y eu un très fort engouement du Comex et ils ont adhéré très rapidement à cette démarche. Et lorsque nous sommes revenus en décembre pour présenter un point d’étape, ils nous ont dit qu’il fallait accélérer les cinq cas usage et qu’il fallait les faire en six mois et non en un an.
Donc c’était extrêmement challengeant. Et en plus, vous allez augmenter en capacité delivery. Donc, très très pushi !
Et cette année, avec ma collègue RH et un partenaire externe, on a monté un plan de formation d’une demi-journée sur l’IA générative pour former quasiment 100 % des execs (« executives officers »).
Et on est en train de le faire aussi au niveau du management intermédiaire avec un format différent.
Quels conseils pourriez-vous donner aux CDO sur l’IA générative et la gouvernance de la donnée ?
Christophe Hesters : Je dirais que l’IA générative est une fabuleuse opportunité pour rendre concret ce sujet de gouvernance de la donnée. Parce que ces sujets peuvent paraître abstraits, en particulier par le management. Quand on est dans le déploiement d’un projet d’IA générative, on met tout de suite le doigt sur la data. Pour faire des POC, on peut tester des choses même si la data n’est pas de qualité.
Maintenant, quand on veut avoir des résultats robustes, répétitifs et pérennes, ça ne suffit pas. Et donc là, on touche du doigt ces sujets de gouvernance de la donnée.
Donc, j’accompagnerais le business pour essayer de mener des projets d’IA générative mais plutôt en mode MVP qu’en POC. Et derrière, tirer tous les sujets pour structurer la data de manière un peu systémique.
Si on regarde vers l’avenir, quels sont les prochains projets à court moyen terme pour vous chez Safran.
Christophe Hesters : Il va y avoir le passage à l’échelle dans les différentes filiales des projets que j’ai mentionnés, puisque ce sont des projets qui ont vocation à être scalés dans les différentes sociétés. En parallèle, on fait vivre la démarche d’opportunity framing.
Et donc on voit qu’il y a des idées qui se rajoutent au fur et à mesure.
Et là-aussi, c’est important de pouvoir prioriser par la valeur, par le fait que la data et les compétences sont disponibles. C’est quelque chose qui va se déployer massivement. On va avoir partout de l’IA. Et aujourd’hui, nos cas d’usage sont très tournés vers les améliorations de la productivité. Je pense que l’on va trouver de plus en plus des cas d’usages aussi tournés vers l’innovation.
Et on va faire de plus en plus de choses en multimodal, avec de l’image, avec du texte, etc. On va pouvoir utiliser aussi ce qui émerge des agents pour non seulement avoir des propositions, mais peut-être aussi des actions, parce qu’aujourd’hui, on ne va pas encore jusque-là. Donc clairement pouvoir automatiser des choses assez complexes y compris en production. Beaucoup de choses à faire.
Propos recueillis par Julien Merali, Général Manager du Pôle IT d’Agora Manager
