À l'ère de l'intelligence artificielle générative, la capacité à innover rapidement est devenue le principal moteur de la compétitivité. Cependant, une réalité complexe freine cet élan : plus les applications deviennent intelligentes et distribuées, plus leur développement et leur maintenance ralentissent. Les équipes techniques sont confrontées à un double défi : la complexité des architectures microservices et l'opacité des modèles d'IA qui se comportent souvent comme des "boîtes noires". Cette situation crée une friction considérable, où un temps précieux est consacré à des enquêtes laborieuses plutôt qu'à la création de valeur. Le monitoring traditionnel, avec ses outils en silos pour les logs, les métriques et les traces, ne fait qu'accentuer ce problème, laissant les développeurs démunis face à des bugs qui ne se reproduisent que dans des environnements de production.

Découvrez une méthode unique et sans précédent pour décider juste, à chaque instant. 

Imaginez une IA experte, maîtrisant à la fois toute la chaîne Data et la réalité de vos métiers, qui détecte l’invisible dans des milliards de lignes de données, en un instant. 

Sans ouverture de flux, elle vous restitue, en temps réel, une vision claire de la situation et vous propose les meilleures actions, parfaitement alignées avec votre contexte.

Après avoir libéré ses équipes grâce à la Self-BI, le Crédit Agricole d’Île-de-France franchit une nouvelle étape et s’installe à la pointe de l’innovation.

Découvrez la démonstration d’une IA embarquée On-Prem, au cœur d’une plateforme Data unifiée et souveraine, qui réinvente le concept même du Pilotage.

Avec Starburst, découvrez comment transformer vos architectures data et exploiter pleinement le potentiel de vos données grâce aux data products et aux agents IA.

Dans cette session, vous découvrez comment :

*Partager et interroger vos données entre environnements on-premises, hybrides ou multi-clouds, en langage naturel via des agents IA et avec vos propres modèles LLM.

*Transformer des données brutes et inaccessibles en données exploitables, gouvernées et prêtes à l’emploi, enrichies et accessibles grâce aux data products et aux agents IA.

*Accélérer l’innovation et la prise de décision, et instaurer une culture de démocratisation de la donnée où chacun peut en extraire plus de valeur.

Le résultat : plus d’agilité et une organisation où la donnée devient un véritable levier d’innovation.

Starburst est une plateforme de données qui permet de construire un data lakehouse moderne (au format Iceberg par exemple), gouverner vos données et vos modèles LLM, et accéder ou fédérer toutes les sources de données, où qu’elles se trouvent.

Venez découvrir comment transformer la donnée brute en intelligence collective claire, vérifiable et immédiatement actionnable à grande échelle.

Avec Sinequa, transformez la masse de documents, mails et rapports en une intelligence collective exploitable, fiable et sécurisée.

Parce que les agents IA n’ont de valeur que si leurs données sont de qualité, Sinequa fournit la base de connaissances qui alimente vos équipes… et vos agents IA via le Model Context Protocol (MCP) ou d’autres moyens. 

Testez petit, déployez grand : la performance et la sécurité restent garanties à chaque étape.

• TotalEnergies et Mistral AI se sont associés en juin 2025 pour étendre l’utilisation de l’IA afin d’améliorer la performance des activités de TotalEnergies, notamment dans le domaine des énergies bas carbone

• Les partenaires ont créent un laboratoire d’innovation commun centré sur l’intelligence artificielle, dans lequel Mistral AI met à disposition ses technologies d’IA et TotalEnergies apporte son expertise et son savoir-faire dans la production d’énergies, notamment renouvelable et bas carbone, afin de tester et concevoir des solutions digitales avancées.

• Les premiers cas d’usage visent à :

o concevoir un assistant pour les 1000 chercheurs de TotalEnergies, afin de les accompagner dans leur mission de développement des nouvelles énergies et de baisse de l’empreinte environnementale de la Compagnie ;

o développer des solutions d'aide à la décision pour améliorer la performance de ses actifs industriels et réduire ses émissions de CO2

o mettre en place des solutions d’assistance destinées à améliorer l’expérience de ses clients et à les accompagner dans la réduction de leur consommation énergétique.

• Face aux enjeux européens de souveraineté numérique, TotalEnergies et Mistral AI étudient aussi les opportunités d’intégration d’infrastructure IA pour TotalEnergies, afin de contribuer au développement d’un écosystème technologique européen.

Comment transformer des données publiques hétérogènes en actifs exploitables, traçables et intégrables à grande échelle ? À travers un retour croisé entre North Data et Malt, découvrez les dessous d’un projet Big Data : structuration de données massives, extraction assistée par IA, intégration de ces données dans des flux opérationnels et impact métier concret.

L’IA n’est pas seulement une révolution technologique, elle redéfinit aussi notre manière d’apprendre. Sur la Demo Stage 6, Craft.AI présentera avec OMNES Education un Compagnon d’apprentissage intelligent, conçu pour transformer l’expérience étudiante grâce à l’exploitation des données issues du LMS et du futur Learning Record Store (LRS). Concrètement ? Chaque étudiant interagit quotidiennement avec son environnement numérique : choix de cours, rythme d’étude, activités collaboratives, réussites… et parfois échecs. Ces signaux sont autant d’indices de son profil cognitif, de ses appétences et de ses modes de progression. Le Compagnon d’apprentissage, propulsé par les technologies Craft.AI, analyse en continu ces traces d’apprentissage pour fournir des recommandations personnalisées : - suggérer des ressources adaptées à son style d’apprentissage, - proposer des stratégies pour mieux surmonter ses points faibles, - encourager des pratiques pédagogiques qui maximisent la réussite. Au-delà de la simple personnalisation, il s’agit d’un agent IA fiable, explicable et souverain, respectant les exigences de confiance et de protection des données imposées par le RGPD et le futur AI Act européen . Les bénéfices sont doubles : - Pour les étudiants : un accompagnement individualisé qui favorise l’autonomie et l’efficacité. - Pour l’institution : une meilleure valorisation des données pédagogiques, un pilotage fin de la réussite académique et une innovation concrète pour renforcer l’attractivité des programmes. Cette démonstration illustre parfaitement la mission de Craft.AI : industrialiser des agents IA responsables, capables de passer du prototype à la production à grande échelle en quelques semaines. Rendez-vous le 2 octobre de 14h à 14h30 – Demo Stage 6 pour découvrir en live comment l’IA devient un véritable compagnon d’apprentissage, loin des gadgets et au plus proche des besoins réels des apprenants.

Comment un grand compte de l'industrie française, grâce à JEMS et Snowflake, a su redonner du temps à ses métiers et accélérer l'exploitation de ses données non structurées pour en faire un véritable levier de performance.

Découvrez comment déployer avec succès l'IA agentique dans les services financiers avec Cloudera, en naviguant les défis techniques et les barrières de confiance. Apprenez des stratégies pratiques pour évaluer les agents IA, garantir la conformité et passer du proof-of-concept aux solutions prêtes pour la production dans les environnements FSI hautement réglementés.

Découvrez comment le cloud souverain permet à Thales de répondre aux enjeux majeurs de transformation Data & IA, dans un marché de la Défense de plus en plus concurrentiel.

• L’IA générative représente aujourd’hui une promesse pour la robotique industrielle : celle de robots capables de comprendre des instructions en langage naturel, de planifier dynamiquement et de s’adapter à la variabilité des environnements de production.
• Deux voies se dessinent. La première mise sur des approches end-to-end, où des modèles multimodaux de plus en plus puissants apprennent directement à exécuter des tâches complexes. La seconde privilégie des approches hybrides, où l’IA générative assure la compréhension sémantique et la planification haut niveau, tandis que l’exécution s’appuie sur des briques de contrôle éprouvées. Dans les deux cas, les défis sont grands : concevoir des architectures robustes et modulaires, rassembler des volumes massifs de données, disposer de capacités de calcul adaptées et garantir la fiabilité dans des environnements industriels réels.
• Au CEA List, nous explorons ces problématiques en cherchant à concilier l’ambition des approches end-to-end et la fiabilité des architectures hybrides. Cette présentation partagera des retours d’expérience et des perspectives sur l’alliance entre IA générative et robotique.

Une part essentielle des données stratégiques réside dans des systèmes critiques et de production (tels que IBM i, Oracle, SAP, SQL Server...) . Les extraire sans perturber la production est l’un des obstacles majeurs aux initiatives de modernisation.

Cette démonstration montrera comment la réplication de données permet de :

• Diffuser la donnée en temps réel sans impact sur les opérations,

• Consolider les données dans Snowflake, BigQuery ou les Data Lake pour l’analyse et l’IA,

• Réduire les coûts d’intégration et limiter les risques projets.

Une session de 30 minutes avec démonstration et temps de questions-réponses.

Déployer des agents IA en production pose trois défis : la sécurité des données, la souveraineté de l’infrastructure et la fiabilité des résultats.

Avec le AI Model Hub de IONOS, vous accédez à des modèles open source via une API OpenAI-compatible, stateless et opérée en Europe, garantissant conformité et souveraineté.

Découvrez un exemple concret de système multi-agents qui combine LLMs, accès à des sources variées, utilisation d'outils, étapes de processing et mécanismes de sélection pour fournir des réponses fiables et contextualisées.

La plateforme NORMA, disponible en version open source, vient évaluer chaque étape (extraction, classification, génération) pour détecter faiblesses ou régressions, et garantir un comportement sûr.

Ses capacités de batch testing et d'intégration continue permettent de comparer vos versions, suivre la qualité dans le temps et bloquer toute régression avant mise en production.

En combinant l'infrastructure souveraine de IONOS et l’évaluation continue de NORMA, vous obtenez un pipeline robuste pour transformer vos PoC en solutions IA fiables et sécurisées!

À l'ère de la production d'IA, les enjeux liés à la qualité et à la fiabilité des données sont plus critiques que jamais, surtout avec l'augmentation constante du volume des actifs de données. 

Face à ce constat, les équipes data sont confrontées à un défi de taille : comment fournir des données prêtes pour l’IA sans augmenter leurs effectifs ? C’est là qu’intervient l’observabilité des données agentique. 

Rejoignez cette session pour découvrir cette nouvelle ère :

- Comment les agents vont révolutionner et accélérer les workflows d’observabilité des données

- Pourquoi les agents fourniront une qualité de données contextualisée selon les équipes, et pourquoi cela est important

- Comment les interfaces en langage naturel vont encore démocratiser l’observabilité des données à l’échelle de l’organisation

Vous repartirez avec une vision claire de la façon dont le marché de l’observabilité des données intègre les capacités de l’IA pour accompagner les entreprises dans leur quête d’analytique de pointe et de données prêtes pour l’IA.

Table-ronde

Harnessing the power of AI without compromising the reliability and relevance of outcome :

Financial decision systems and critical-mission products

AI and Digital transformation in legacy IT systems

Use cases illustrating the need to master AI solutions in critical or essential business processes.

Baptiste ARTUR will present the guidelines implemented by HPDIA for building AI solutions requiring reliability, explainability, and control.

La promesse des agents d'IA autonomes repose sur un élément essentiel : l'accès continu à un flux de données riche, diversifié et fiable en temps réel. Pourtant, de nombreuses organisations découvrent que leur principal obstacle n'est pas le manque de modèles d'IA, mais la fragmentation et la complexité des pipelines de données nécessaires pour les alimenter.

L’IA agentique n’est pas un buzzword, c’est une nouvelle ère qui s’ouvre après l’essor de l’IA générative.

Des agents autonomes opèrent déjà au sein des entreprises pour exécuter des tâches complexes, interagir avec des systèmes métier et générer de vrais gains de productivité.

Dans cette conférence résolument orientée terrain, nous partagerons :

• Des exemples de cas d’usage concrets en production,

• Les architectures techniques et outils mobilisés pour concevoir et déployer ces agents,

• Les enseignements clés issus du terrain : ce qui fonctionne, ce qui fonctionne moins, et comment industrialiser,

• Des retours d’expérience réels et les bonnes pratiques associées.

Une session sans langue de bois, pensée pour les entreprises qui veulent passer à l’action et exploiter l’IA agentique de manière pragmatique et efficace.

Nous explorons un cas d'usage où la solution logicielle d'Amiral Technologies permet une prise en main rapide et une forte économie en coût de maintenance dans un contexte d'un équipementier.

Prevent hallucinations and vulnerabilities in LLM agents Learn how continuous Red Teaming can protect your LLM agents from emerging threats like hallucinations and data leakage. We'll present how enterprises can automate security evaluation, detect vulnerabilities before they become incidents, and ensure continuous protection of AI agents.