Speakers will present how to efficiently manage the usage of the spare part and maintenance execution by using data from ERP Manufacturing, ERP HR and PLM combined with GenAI.

Les intervenants présenteront comment gérer efficacement l’utilisation des pièces détachées et l’exécution de la maintenance en utilisant les données des ERP Manufacturing, ERP RH et PLM, combinées à l’IA générative.

Les projets en intelligence artificielle et en machine learning nécessitent un accès à des données centralisées et de haute qualité. Pourtant, gérer des pipelines de données en interne conduit souvent à une complexité accrue, des inefficacités et des retards qui freinent l’innovation. Cette session montrera comment l’automatisation transforme la circulation des données, en simplifiant l’ingestion, la normalisation et la préparation, pour alimenter efficacement les applications d’IA et de ML.

Vous découvrirez comment des pipelines automatisés, des services de data lake managés et des modèles de déploiement rapides permettent de passer plus vite de l’expérimentation à la production, en générant une réelle valeur business.

Au programme :

● Stratégies pour centraliser et normaliser des données issues de sources diverses

● Comment obtenir des données fiables et de haute qualité grâce à l’automatisation

● Les leviers pour accélérer le passage de l’IA de l’expérimentation à la production grâce à des flux de données évolutifs

● Démonstration Live: Découvrez en direct comment construire une application GenAI et créer un chatbot capable de fournir des recommandations personnalisées – une illustration concrète de la valeur apportée par des données centralisées et fiables.

Découvrez comment la collaboration entre les équipes métiers et IT devient un levier d’innovation puissant, tout en respectant les obligations de gouvernance et sécurité. À travers des cas concrets, nous montrerons comment les business users peuvent intégrer sans code de la GenAI dans leurs processus d’analyse de donnée pour gagner en efficacité et aborder des use cases innovants. Tout cela ponctué par une vue pour l’IT qui doit s’assurer d’une utilisation responsable des modèles LLM.

Une session inspirante pour vos futurs projets data & IA!

GenAI is reshaping analytics with the rise of the Data Agent — an intelligent assistant that replaces static dashboards with dynamic, conversational insights. Discover how this shift will transform the way businesses explore, predict, and act on their data.

Aligning Business Goals with AI Performance Through Modern Evaluation

Les responsables des données dans le monde sont désormais encouragés à se tourner vers la GenAI et les agents IA pour favoriser l’innovation, la croissance et la productivité de leur organisation, mais sans données pertinentes, les projets d’IA risquent de rester au stade de l’expérimentation.

Découvrez comment des données bien préparées alimentent une IA pertinente, responsable, robuste et évolutive.

Plongez dans les coulisses d’un partenariat stratégique : l’alliance entre BPCE Vie, acteur majeur de l’assurance en France, et Zaion, pionnier de l’IA vocale appliquée à la relation client. Lors de cette conférence, découvrez comment la solution GenAI Agent Assist révolutionne l’expérience client, notamment à travers la génération automatisée et en temps réel des comptes rendus post-appel pour les conseillers. 

Ce retour d’expérience met en lumière la façon dont deux entreprises françaises s’appuient concrètement sur une technologie d’intelligence artificielle de nouvelle génération, souveraine et éthique, pour façonner l’avenir de la relation client—et illustrer la force de l’innovation « Made in France ». 

Le processus d’allocation des coûts dans Alteryx s’appuie sur des workflows automatisés pour répartir avec précision les coûts des ETP entre les centres d’activités, selon des critères prédéfinis tels que les effectifs ou les volumes, en respectant des règles spécifiques d’allocation des coûts et de calcul des KPI.

1. Ingestion et préparation des données

Alteryx se connecte à plusieurs sources (par exemple, ERP, CRM, stockage cloud) pour extraire les données liées aux ETP, aux coûts et aux volumes. Le processus agrège, prépare et aligne ces ensembles de données disparates afin de créer une base de coûts unifiée.

2.Amélioration de la qualité des données

Des règles de transformation dynamiques sont appliquées pour garantir la cohérence, supprimer les doublons, gérer les valeurs manquantes et standardiser les types de données. Des outils de profilage des données offrent une visibilité sur les anomalies et valeurs aberrantes susceptibles d’impacter la logique d’allocation.

3. Logique d’allocation des coûts

Cela permet de définir des règles d’allocation flexibles et des étapes de validation — allant de ratios simples à des règles dynamiques dictées par les besoins métiers — en fonction des moteurs de coûts, ETP et volumes, pour garantir l’exactitude des calculs de KPI.

4. Intégration de l’IA générative

Les fonctions d’IA générative (par exemple via OpenAI ou les outils Gen AI d’Alteryx) renforcent le workflow en permettant :

La génération automatique de schémas de données adaptés à un format cible.

L’assistance via un outil Copilot pour créer des transformations à partir d’instructions en langage naturel.

La création de règles d’allocation dynamiques.

5. Sortie et visualisation

Les allocations finales peuvent être exportées vers des outils de reporting, des tableaux de bord ou des data lakes. Les utilisateurs peuvent consulter des synthèses d’allocation, des écarts et des vues détaillées pour appuyer la prise de décision via des applications analytiques personnalisées.

Comment exploiter tout le potentiel de la GenAI tout en protégeant un corpus documentaire sensible et critique.

Avec Infogreffe et le Conseil National des Greffiers, nous avons développé une solution de Retrieval Augmented Generation (RAG) sur AI Foundry, spécifiquement architecturée pour répondre de manière optimale aux exigences des tribunaux de commerce.

Dans cet atelier, nous montrerons comment des documents juridiques complexes peuvent être indexés et interrogés de manière sécurisée, afin de fournir aux greffiers des réponses fiables, contextualisées et vérifiables.

Les principaux objectifs visés étant de valider la conformité d’un document, d’accélérer la recherche d’informations réglementaires et d’améliorer l’accès à des références métiers critiques.

Nous partagerons également les choix technologiques et les mesures de sécurité mises en œuvre pour garantir confidentialité, traçabilité et souveraineté de la donnée.

Un retour d’expérience pragmatique qui illustre comment la GenAI peut transformer un métier dont la donnée est un actif stratégique.