Quel est votre rôle aujourd’hui ?

Je suis responsable de l’exploitation à la DSI d’Enedis. Cela couvre l’exploitation du système d’information d’Enedis et aussi l’aspect bureautique. Je suis à la DSI, avec un parcours essentiellement informatique : j’ai intégré le groupe EDF en 1991, après huit ans en prestations de services, et j’ai travaillé aussi bien côté direction informatique que côté métiers, comme responsable numérique.

Quel impact l’IA a-t-elle sur vos missions et celles de vos collaborateurs ?

Elle commence à avoir beaucoup d’impact, même si nous sommes encore au début de la transformation. Nous avons commencé à installer Copilot 365 sur les postes de certains collaborateurs. Ils l’utilisent pour faire des comptes rendus, gérer des informations, retrouver rapidement des éléments dans leurs documents ou leurs messages. Cette capacité à aller chercher de l’information est très puissante.

Quels sont les changements les plus profonds aujourd’hui avec l’IA dans votre activité ?

Nous explorons beaucoup le développement augmenté : le vibe coding, la génération de code, la capacité de l’IA à définir des tests ou à contribuer au testing. Nous regardons aussi les usages autour des spécifications.

Avez-vous déjà des exemples concrets de transformation ?

Oui. Nous avons par exemple commencé à mettre en place des outils agentiques pour l’aide à la réponse et la gestion du ticketing de hotline. Cela commence forcément à changer la manière de traiter certains sujets. Je pense aussi à des usages très quotidiens : quand j’ai besoin de prendre une décision, je peux demander à Copilot de me ressortir les derniers échanges, les décisions prises et les actions associées. En trente secondes, j’ai une synthèse de choses qu’aucun humain ne pourrait retrouver aussi vite dans des milliers de mails.

Les compétences attendues évoluent-elles dans les recrutements ?

Oui. Les personnes qui arrivent sont souvent déjà formées et aguerries aux outils d’intelligence artificielle. Elles sont aussi très demandeuses. Pour une entreprise industrielle comme la nôtre, il faut être au niveau des usages et des formations qu’elles ont connus en école d’ingénieurs. Si l’on explique à un jeune embauché qu’il va devoir oublier les outils qu’il a appris à utiliser, on aura du mal à recruter. Pour les collaborateurs déjà en poste, cela suppose aussi un vrai travail de formation et d’acculturation.

L’IA modifie-t-elle la place des juniors dans l’entreprise ?

Je le vois plutôt positivement. Je ne pense pas que l’IA rende les juniors inutiles. Au contraire, leur connaissance des outils et leur capacité à les utiliser peuvent nous aider à franchir le pas. Sur le vibe coding, par exemple, les plus jeunes savent déjà faire. C’est très précieux d’avoir un junior qui arrive, montre comment cela fonctionne et explique que le code ne se produit plus exactement de la même manière.

Qu’attendez-vous d’un jeune diplômé au-delà de la maîtrise technique ?

La compétence technique est importante, bien sûr, mais ce que j’attends surtout, c’est de la pédagogie. Dans un contexte où la transmission des compétences peut aussi se faire des juniors vers les seniors, un jeune diplômé capable d’expliquer simplement, de mettre le pied à l’étrier à des collaborateurs plus expérimentés, a beaucoup de valeur. Ce n’est pas seulement savoir utiliser l’outil : c’est savoir aider, montrer, accompagner, avec le bon relationnel.

Voyez-vous un risque de perte d’expertise avec l’usage de l’IA ?

Je parlerais plutôt d’une expertise différente. Il pourrait y avoir un problème si, un jour, nous devions faire machine arrière. Mais je ne crois pas que ce soit le bon raisonnement. J’ai connu la période de la robotisation et de l’automatisation. Je prenais souvent l’image du tracteur : quand un tracteur tombe en panne dans un champ, on ne revient pas aux bêches. On répare le tracteur ou on en prend un autre. Avec l’IA, c’est pareil. Elle est là, il faut apprendre à l’utiliser et à la maîtriser.

L’IA transforme-t-elle déjà les processus et l’organisation ?

Oui, progressivement. Pour la prise de décision, c’est déjà un outil utile, parce qu’il permet de retrouver de l’information et de monter rapidement en compétence sur un sujet. Et demain, avec l’agentique, l’impact sera plus fort encore sur les organisations. Nous regardons déjà le testing automatique ou le coding à partir de spécifications. Cela repositionne les collaborateurs et la manière dont le travail est organisé.

Quel angle mort vous préoccupe le plus ?

Le principal risque que je vois est social. Tout le monde ne peut pas, ne veut pas ou ne souhaite pas utiliser l’IA, parfois pour des raisons éthiques, parfois par peur, parfois parce que cela semble trop compliqué. Cela peut créer des écarts entre ceux qui l’utilisent fortement au quotidien et ceux qui ne l’utilisent pas. Pour moi, le sujet central est celui de l’acceptabilité et du corps social.

Comment réduire cet écart d’appropriation ?

Je crois beaucoup à l’acculturation par l’exemple. Il ne faut pas forcément imposer. Il faut montrer, faire essayer, expliquer simplement. C’est aussi pour cela que les juniors pédagogues sont importants : il est parfois plus facile, pour un collaborateur expérimenté, de demander à un jeune qui arrive de lui montrer comment faire que de demander à un collègue de même niveau. Les juniors peuvent apporter cette fraîcheur et faciliter cette appropriation progressive.

La production augmentée par l’IA peut-elle créer un décalage entre les capacités de production de l’IA et les capacités de validation humaine en bout de chaine ?

Oui, c’est un vrai risque. On peut produire beaucoup plus vite, mais la validation reste humaine. J’ai connu des transformations comparables avec la dématérialisation : quand les factures se sont mises à arriver par centaines ou milliers de manière dématérialisée, il a fallu revoir toute l’organisation, sinon les personnes en bout de chaîne se retrouvaient submergées. Avec l’IA, c’est pareil : il faudra adapter les processus et le management pour éviter la surcharge.

Que devraient intégrer les écoles comme l’EPITA dans les prochaines années ?

Les écoles doivent continuer à former des profils techniquement solides, mais elles doivent aussi travailler fortement les soft skills. Pour moi, c’est essentiel : savoir aider, expliquer, démystifier, accompagner les autres dans l’usage de l’IA. Les jeunes issus d’écoles comme l’EPITA ont déjà une vraie maîtrise technique. La différence se fera aussi sur leur capacité à porter ces usages dans l’entreprise et à embarquer les autres.

Quel est le point à retenir ?

L’IA est là et nous ne ferons pas machine arrière. Le sujet n’est donc pas de savoir s’il faut l’utiliser, mais comment la maîtriser, comment former les collaborateurs, comment préserver l’équilibre social et comment faire en sorte que les juniors deviennent aussi des passeurs de compétences dans l’entreprise.

Cet entretien s’inscrit dans le cadre d’une enquête menée par l’EPITA auprès de 232 diplômés de l’école et de collaborateurs des services technologiques d’Enedis et Datadog, sur l’impact et les usages de l’IA dans les métiers de l’ingénierie et de la tech.

L’article « Sur l’IA, le sujet central est celui de l’acceptabilité » – Michel Castel, Enedis est apparu en premier sur EPITA.

Quel est votre rôle aujourd’hui ?

Je suis Senior Staff chez Datadog. Je suis resté contributeur individuel, mais cela ne veut pas dire que je n’ai pas un rôle de leadership. C’est plutôt un leadership sans hiérarchie : je dois convaincre, conseiller et aider, sans pouvoir imposer. Quand je suis arrivé, je travaillais avec une dizaine de personnes ; aujourd’hui, j’interagis plutôt avec une centaine de personnes, parfois davantage indirectement. Mon rôle reste très technique, je passe une partie de mon temps à produire moi-même, une autre à relire ce que les autres prévoient de faire, à challenger les choix et à accompagner les équipes.

Quel impact l’IA a-t-elle eu sur votre métier ?

J’utilise des outils d’IA depuis environ deux ans, d’abord pour de l’assistance au code, puis de manière beaucoup plus poussée avec Claude Code. Aujourd’hui, je n’écris presque plus de code seul : je fais générer des premiers jets de pull requests, puis je relis, je commente, je corrige et j’oriente. L’IA prend en charge le boilerplate, tout ce qui n’aurait pas demandé beaucoup de réflexion. Moi, je passe davantage de temps sur les choix de conception, la manière d’écrire le code, les arbitrages et la qualité finale.

Cela vaut aussi pour la documentation. Avant, après une série de changements techniques, j’aurais écrit une documentation minimale. Maintenant, je peux demander à l’IA d’analyser les pull requests, d’en extraire une interface et de produire une première documentation. Je dois la relire, mais à temps équivalent, le résultat est souvent beaucoup plus complet.

Qu’est-ce que cela change dans votre rythme de travail ?

Je fais davantage de choses en parallèle. Avant, je menais peut-être deux projets en même temps ; aujourd’hui, je peux en suivre trois à cinq. Mais ce n’est pas seulement un gain d’efficacité : c’est aussi plus fatigant. Les temps morts disparaissent. Avant, attendre qu’un test passe ou qu’un code compile créait des pauses naturelles. Aujourd’hui, on peut toujours basculer sur autre chose. Il faut donc apprendre à se limiter, sinon la charge mentale devient très forte.

C’est l’un des angles morts de l’IA : elle permet de produire plus, mais tout ce qui est produit doit ensuite être relu, validé, intégré. Chez nous, on ne peut pas merger du code sans revue humaine, notamment pour des raisons de sécurité. Parce que nos clients nous confient des données ultrasensibles, on ne laisse rien au hasard.

« Chez Datadog, chaque modification passe par un double regard humain. C’est notre façon de garantir des choix techniques solides et un code irréprochable avant chaque mise en production. »

Corentin Chary, Senior Staff Engineer chez Datadog

L’IA accélère l’écriture, mais elle peut créer un goulot d’étranglement sur la relecture.

Les compétences attendues évoluent-elles dans les recrutements ?

Oui. Datadog est en train d’adapter ses grilles internes et certains entretiens pour tenir compte de l’usage de l’IA. Il existe maintenant des entretiens de code avec agent IA, mais aussi des entretiens sans IA. Les deux restent utiles. Il faut savoir utiliser l’outil, mais aussi comprendre le code produit. Si Claude ou un autre outil ne répond plus, il faut être capable de continuer à la main. Et même quand l’outil fonctionne, il faut comprendre ce qu’il a fait.

Nous avons accès à plusieurs solutions : Claude, Codex et d’autres outils, ainsi qu’à des agents développés en interne et intégrés à Datadog. L’environnement change très vite. Tous les mois, les usages évoluent. C’est pourquoi la compétence attendue n’est pas seulement de connaître un outil précis, mais de savoir l’utiliser intelligemment, de comprendre ses limites et d’être capable de garder la maîtrise technique.

L’IA modifie-t-elle la place des juniors ?

Pour l’instant, les juniors restent intéressants, notamment parce qu’ils ont été formés avec ces outils et peuvent avoir des usages différents des profils plus expérimentés. Ils apportent une autre culture de travail. Mais cela ne veut pas dire que tout est simple pour eux. Le coût de l’IA pousse à une réflexion sur la valeur ajoutée : l’enjeu de demain sera d’associer la puissance de l’outil à la créativité et à l’esprit critique de nos talents, quel que soit leur niveau d’expérience.

C’est comme en mathématiques : si l’on utilise une calculatrice trop tôt, on peut obtenir le résultat sans comprendre ce qu’on calcule.

Y a-t-il un risque de perte d’apprentissage ?

Oui, je le vois sur certains usages. Par exemple, après un incident, on produit des post-mortems, qui permettent de tirer des enseignements. Le risque global aujourd’hui avec l’adoption massive de l’IA est la perte d’esprit critique. Utiliser ces outils de manière purement automatisée, sans effort de relecture, freine la montée en compétences et dévalue le livrable. Faire un post-mortem, ce n’est pas seulement rédiger un compte rendu : c’est réfléchir à ce qui s’est passé, comprendre les causes, tirer des enseignements. Si l’IA fait tout à leur place, ils n’acquièrent pas cette expérience.

En revanche, quand une personne expérimentée utilise l’IA pour structurer un post-mortem, le résultat peut être utile, parce qu’elle sait quelles informations donner, quoi vérifier et ce qui compte vraiment. L’outil amplifie donc beaucoup le niveau de la personne qui l’utilise.

Observez-vous un écart entre ceux qui utilisent bien l’IA et les autres ?

L’écart existe, mais il est difficile à mesurer. Ceux qui étaient déjà très productifs avant et qui savent quoi faire deviennent souvent encore plus efficaces avec l’IA. Ce n’est pas seulement une question de vitesse d’écriture : c’est la capacité à avoir une idée, à la spécifier, à connaître le contexte de l’entreprise, à savoir ce qui a du sens pour l’équipe, le produit ou les clients. L’IA aide beaucoup, mais elle ne remplace pas cette compréhension.

C’est aussi pour cela que l’expérience reste importante. Beaucoup de savoirs ne sont pas écrits : ils sont dans la tête des gens, dans les échanges, dans l’histoire des décisions. Un junior peut très bien utiliser un agent, mais il ne sait pas forcément encore quoi lui demander ni comment juger si la réponse sert vraiment l’entreprise.

L’IA change-t-elle aussi les processus et l’organisation ?

Oui, elle peut aider à analyser des situations complexes que nous aurions moins facilement explorées avant. Par exemple, je l’utilise pour modéliser l’intérêt d’un changement technique : si l’on remplace un fournisseur ou une solution par une autre, à partir de quand est-ce rentable ? Quelles hypothèses faut-il prendre ? L’IA permet de produire rapidement un modèle, des graphes, une première analyse.

Je l’utilise aussi pour comprendre les frictions entre équipes. On peut analyser l’historique des changements de code, des incidents ou des interactions, et se demander pourquoi deux équipes passent autant de temps à se coordonner. Parfois, un problème d’API ou d’architecture technique crée de la friction humaine. L’IA peut aider à faire émerger ces signaux et à proposer des changements techniques pour que les équipes travaillent mieux ensemble.

Que devraient intégrer les écoles comme l’EPITA ou Epitech à l’heure de l’IA ?

Je vois trois axes. D’abord, apprendre à utiliser les outils d’IA, parce que c’est ce qui sera demandé. Ensuite, comprendre comment ils fonctionnent réellement, et surtout comprendre l’informatique sans eux : savoir écrire du C, du Python, du Rust, du Go ou du Java, savoir comment fonctionne un navigateur, un protocole, un système en production. Ce socle fera la différence.

Enfin, il faut donner aux étudiants des expériences longues et réalistes. Les projets de deux semaines ou d’un mois ne suffisent pas toujours. Il faudrait des projets qui vivent sur une année, avec un produit à concevoir, mettre en production, maintenir, sécuriser, corriger après incident et faire évoluer. L’IA peut aider à produire, mais l’expérience réelle reste indispensable pour comprendre ce que signifie faire tourner un service dans la durée.

Quel est le point à retenir sur ce sujet selon vous ?

L’IA ne supprime pas la nécessité de comprendre. Elle donne plus de capacité d’exécution à ceux qui savent déjà quoi faire, mais elle peut aussi empêcher d’apprendre si on l’utilise trop tôt ou trop superficiellement. Le futur profil différenciant sera celui qui sait utiliser ces outils, mais qui garde une compréhension technique profonde et une vraie expérience du terrain.

Cet entretien s’inscrit dans le cadre d’une enquête menée par l’EPITA auprès de 232 diplômés de l’école et de collaborateurs des services technologiques d’Enedis et Datadog, sur l’impact et les usages de l’IA dans les métiers de l’ingénierie et de la tech.

L’article « L’IA peut aider à produire, mais l’expérience réelle reste indispensable » – Corentin Chary, Datadog est apparu en premier sur EPITA.

Une Summer School pour expérimenter l’IA générative

Début juillet, le campus du Kremlin-Bicêtre a réuni des étudiantes et étudiants venus de Corée du Sud, du Vietnam, d’Espagne, de Slovaquie et de Bulgarie autour d’un objectif commun : découvrir les usages concrets de l’intelligence artificielle générative. Encadrés par Jérémie Kalonji, les participants ont suivi deux semaines de formation intensive mêlant théorie, expérimentations et travail collaboratif.

Comprendre les technologies derrière l’intelligence artificielle

La Summer School avait pour ambition d’aller au-delà de la simple utilisation des outils d’IA. Les étudiants ont découvert le fonctionnement des grands modèles de langage, exploré les limites de l’IA générative et expérimenté des approches telles que l’exécution de modèles en local, le RAG local ou encore l’évaluation des performances des modèles. L’objectif était de leur donner les clés pour comprendre les mécanismes qui permettent à ces technologies de créer de la valeur.

Du vibe coding à des applications fonctionnelles

En s’appuyant sur les pratiques du vibe coding, les participants ont progressivement transformé leurs idées en applications déployées et fonctionnelles. À l’issue de ces deux semaines, ils repartent avec une méthodologie leur permettant de concevoir des solutions d’IA pérennes, en maîtrisant aussi bien les outils que les principes techniques qui les sous-tendent.

Une expérience internationale au-delà de la salle de classe

Cette Summer School a également été l’occasion de découvrir le patrimoine français avec la visite du Château de Versailles ou encore de l’Opéra Garnier. Une immersion culturelle qui a favorisé les échanges entre étudiants venus d’horizons différents et illustré la dimension internationale de la formation proposée par l’EPITA.

L’article L’EPITA a accueilli une Summer School dédiée à l’IA générative est apparu en premier sur EPITA.

Pendant plusieurs semaines, des centaines d’étudiantes, d’étudiants et de jeunes diplômés des plus grandes écoles ont participé aux phases de qualification de Gradient, un nouveau concours national d’algorithmique et de programmation imaginé par Prologin avec Mistral AI. Leur objectif : décrocher une place pour la finale nationale, qui se déroulera du 26 au 29 août 2026 sur le campus de l’EPITA au Kremlin-Bicêtre.

Une finale de 36 heures pour départager les meilleurs

Pendant 36 heures, plus d’une centaine de finalistes s’affronteront autour d’un défi de programmation grandeur nature. Leur mission : concevoir une intelligence artificielle capable de résoudre un problème inédit imaginé par Prologin, puis mesurer ses performances face aux solutions développées par les autres participantes et participants.

Au-delà de la compétition, Gradient est aussi un lieu de rencontre entre les meilleurs profils techniques français et les entreprises qui façonnent les technologies de demain. Mistral AI, partenaire fondateur du concours, sera présente tout au long de l’événement, aux côtés d’autres acteurs majeurs du numérique, pour échanger avec les candidates et candidats, proposer des immersions, accélérer des recrutements et récompenser les meilleures performances.

Un partenariat naturel entre l’EPITA et Prologin

L’accueil de cette finale s’inscrit dans une histoire commune de longue date. Depuis de nombreuses années, l’EPITA accompagne Prologin et accueille les grandes finales de ce concours devenu une référence dans le monde de l’algorithmique.

Cette proximité est aussi profondément ancrée dans l’histoire de l’association : Prologin a été fondé à l’initiative d’une diplômée de l’EPITA, illustrant les liens étroits entre l’école et les communautés qui font vivre la programmation compétitive en France depuis plus de trente ans.

Aujourd’hui encore, ce partenariat reflète une même ambition : révéler les meilleurs talents, encourager l’excellence technique et favoriser les rencontres entre étudiantes, étudiants, chercheurs, entreprises et entrepreneurs.

L’article Gradient : l’EPITA accueille la finale du nouveau concours national de Prologin et Mistral AI est apparu en premier sur EPITA.

Une employabilité qui se confirme chaque année

Les résultats de la promotion 2025 témoignent d’une excellente insertion professionnelle et illustrent l’adéquation entre les compétences développées à l’EPITA et les besoins des entreprises.

Les principaux indicateurs sont les suivants :

• 98 % des diplômés trouvent leur premier emploi en moins de deux mois.
• 77 % signent leur contrat avant même la remise du diplôme.
• 100 % sont recrutés en CDI.
• Le salaire brut annuel médian atteint 47 200 € en France et 60 000 € à l’international, primes comprises.

Ces résultats sont issus de l’enquête d’insertion réalisée auprès de la promotion 2025, en partenariat avec la Conférence des grandes écoles (CGE).

Une école, une multitude de carrières

Pour les diplômés de l’EPITA, les perspectives d’embauche sont loin de se limiter aux entreprises du numérique. Les ingénieurs de la promotion 2025 travaillent aujourd’hui dans des domaines aussi variés que l’aéronautique, la cybersécurité, la banque, l’automobile, le cloud, la santé, le luxe ou encore la défense.

Cette diversité reflète une évolution profonde : aujourd’hui, le numérique est devenu un levier stratégique dans tous les secteurs d’activité. Les compétences en développement logiciel, intelligence artificielle, cybersécurité, cloud, systèmes embarqués ou data sont désormais indispensables pour accompagner les transformations technologiques des entreprises.

Des entreprises parmi les plus innovantes

La diversité des débouchés de l’EPITA se reflète dans les entreprises qui recrutent ses diplômés dès leur premier emploi. Certains rejoignent de grands acteurs de la tech et du cloud, comme Google, Apple, NVIDIA, OVHcloud, Dassault Systèmes ou Accenture. D’autres s’orientent vers l’industrie et la mobilité, au sein de groupes tels qu’Airbus Defence & Space, Renault ou Alstom.

Les diplômés de l’EPITA sont également présents dans la banque et l’assurance, notamment chez BNP Paribas, dans la distribution avec Carrefour, ou encore dans le secteur du luxe avec Chanel. Leurs compétences sont aussi recherchées dans des domaines essentiels comme la santé, par exemple à l’Assistance Publique – Hôpitaux de Paris, ainsi que dans le secteur public, notamment au ministère des Armées.

Cette variété d’employeurs montre que les compétences acquises à l’EPITA dépassent largement le seul secteur informatique. Les ingénieurs diplômés interviennent partout où les organisations doivent concevoir des logiciels complexes, sécuriser des infrastructures critiques, développer des solutions d’intelligence artificielle, exploiter la donnée, piloter des projets numériques ou construire les plateformes sur lesquelles reposeront les services de demain.

Quels secteurs recrutent les diplômés de l’EPITA ?

Cette diversité d’entreprises se retrouve dans les secteurs d’activité qui recrutent les diplômés. Si plus d’un ingénieur sur deux rejoint les services des technologies de l’information (53 %), les autres s’orientent vers des domaines très variés :

• Technologies de l’information : 53 %
• Conseil : 8 %
• Industrie des technologies de l’information : 8 %
• Automobile, aéronautique, navale et ferroviaire : 7 %
• Banque et assurance : 6 %
• Recherche et développement : 4 %
• Télécommunications, médias et divertissement : 2 %
• Administration : 2 %
• Construction : 2 %
• Santé : 1 %
• Autres secteurs : 7 %

Cette répartition montre que les compétences acquises à l’EPITA répondent aux besoins d’entreprises très différentes, mais confrontées aux mêmes défis numériques.

Les métiers les plus exercés

Les diplômés de l’EPITA occupent principalement des fonctions d’ingénieur et peuvent rapidement évoluer vers des responsabilités d’expertise, de pilotage technique ou de management. Parmi les métiers les plus représentés figurent l’ingénierie en développement informatique, le conseil, la cybersécurité et les réseaux, la data et l’intelligence artificielle, ainsi que la gestion de projet.

Cette diversité de fonctions reflète l’étendue des compétences mobilisées par les entreprises. Les diplômés interviennent sur les principaux enjeux du numérique, notamment le cloud, la sécurisation des systèmes, l’exploitation des données, le développement logiciel, les infrastructures et les systèmes distribués. Leur formation leur permet ainsi de choisir entre une trajectoire d’expertise technique et une évolution vers des fonctions de coordination ou de management.

L’article Où travaillent les diplômés de l’EPITA ? Insertion, salaires et entreprises qui recrutent est apparu en premier sur EPITA.

Quel est votre rôle aujourd’hui ?

Je suis responsable du département Smart Grid au sein de la direction technique d’Enedis. Notre mission est de préparer Enedis aux ruptures technologiques en cours et à venir, à travers des études prospectives et de R&D, la mise en œuvre de démonstrateurs sur le réseau, ou encore des projets d’industrialisation et de mise à l’échelle sur le réseau, en lien avec les métiers techniques de l’entreprise et les directions régionales. Une partie de notre activité concerne l’IA, surtout des IA spécialisées et sur mesure, appliquées aux métiers techniques d’Enedis. Notre rôle est donc d’identifier et d’évaluer les cas d’usage qui présentent un intérêt suffisant, en lien avec la direction du numérique et des métiers concernés, puis d’en piloter l’industrialisation et le déploiement lorsqu’ils peuvent apporter une valeur réelle aux équipes.

Quel impact l’IA a-t-elle déjà sur votre métier ?

Je vois l’impact à deux niveaux. D’abord dans mon propre travail et celui de mes équipes : l’IA nous aide à explorer des documents, résumer des contenus, structurer des réflexions, faire de la veille ou du benchmark. Dans des métiers où nous manipulons beaucoup de documents techniques, parfois très lourds, cela peut représenter un gain de temps considérable. Ensuite, il y a les usages métier que nous développons ou industrialisons, par exemple la reconnaissance d’images prises par drones pour identifier des ouvrages en mauvais état et prioriser des opérations de maintenance ou de renouvellement. Pour moi, l’IA est donc d’abord un outil d’aide à la décision, et un levier de performance très puissant.

Qu’est-ce que l’IA change le plus profondément dans l’activité d’Enedis ?

Le changement le plus visible concerne l’accès à l’information technique. Nos agents et techniciens doivent souvent retrouver des procédures ou des règles dans des corpus documentaires très denses. Avec l’IA, on peut faire beaucoup mieux qu’avec un moteur de recherche classique : on réduit un irritant fort et on aide les équipes à trouver plus vite la bonne information. Cela leur permet de se concentrer sur ce qu’elles doivent faire, plutôt que sur la manière de retrouver ce qu’elles doivent faire. De façon générale, le développement de l’usage de l’IA apporte des leviers de performance très forts. La prochaine étape consiste à ne plus traiter seulement des cas d’usage isolés, des irritants, ce qui est bien sûr indispensable, mais à revisiter des processus métiers entiers, comme le raccordement d’un client au réseau, en se demandant à chaque étape ce que l’IA peut transformer.

« De façon générale, le développement de l’usage de l’IA apporte des leviers de performance très forts. La prochaine étape consiste à ne plus traiter seulement des cas d’usage isolés, des irritants, ce qui est bien sûr indispensable, mais à revisiter des processus métiers entiers, comme le raccordement d’un client au réseau, en se demandant à chaque étape ce que l’IA peut transformer. »

Jean Pompée, Responsable du département Smart Grid chez Enedis

Observez-vous des différences d’usage entre juniors et seniors ?

Oui, même si l’usage de l’IA, notamment générative, n’est pas encore systématique. Il dépend beaucoup des outils mis à disposition par l’entreprise, notamment pour des raisons de sécurité. Depuis que nous avons accès à un outil sécurisé, on observe une inflexion. Les profils plus jeunes ont souvent davantage le réflexe d’utiliser l’IA, par exemple pour résumer rapidement un document réglementaire ou technique. Les profils plus expérimentés l’utilisent plutôt pour structurer une réflexion, cadrer une feuille de route, prioriser ou nourrir des sujets prospectifs. L’écart ne tient donc pas seulement à l’âge : il dépend aussi de l’accès aux outils, de l’apprentissage du prompt et de la culture métier.

Les compétences attendues évoluent-elles dans les recrutements ?

Sur les métiers data, Système d’information ou innovation, oui, nous recherchons déjà des data analysts, des data scientists ou des spécialistes de l’IA et des algorithmes. Côté métier, la priorité reste la compétence métier, car une solution IA utile doit être pensée avec une compréhension fine des contraintes opérationnelles. En revanche, un profil qui combine une vraie compétence métier, par exemple en électrotechnique, réseau ou électronique de puissance, avec une expérience en IA ou en data, sera clairement valorisé. Un jeune diplômé qui arrive avec ces deux dimensions sera, pour moi, le profil idéal. 

Qu’attendez-vous d’un jeune diplômé au-delà de la maîtrise des outils ?

Je n’attends pas seulement qu’il sache utiliser un outil. J’attends qu’il comprenne ce qu’on attend de l’IA, quelles données sont mobilisées, quelle est leur qualité et comment évaluer le résultat. L’IA peut dériver ou produire des résultats faux ; il faut donc être capable de le détecter, et de maintenir nos modèles IA à un niveau d’intelligence élevé. Cette capacité repose sur l’expertise métier, l’esprit critique et la compréhension des données. Pour moi, l’IA reste un outil très puissant, un peu comme les statistiques ou les probabilités : elle accélère, elle aide, mais elle ne remplace pas totalement – en tout cas pour l’instant – le jugement professionnel.

L’IA transforme-t-elle la place des profils juniors ?

C’est une question très importante, mais elle reste difficile à trancher. Certaines tâches de début de carrière, souvent répétitives ou chronophages, peuvent être prises en charge par des agents IA. Je comprends donc l’inquiétude des jeunes ingénieurs : ces missions sont des paliers d’apprentissage, indispensables pour former des experts notamment. Mais une entreprise doit se demander jusqu’où elle veut aller. Remplacer certaines tâches peut sembler performant à court terme, mais si l’on supprime toutes les premières marches, on fragilise la formation des futurs experts.

Comment voyez-vous la transmission des savoirs ?

Je pense qu’elle doit fonctionner dans les deux sens. Les seniors transmettent l’expertise métier, l’expérience et la capacité à juger la pertinence d’un résultat. Les juniors, eux, peuvent apporter de nouvelles façons de travailler, notamment avec les outils collaboratifs et l’IA.

L’IA peut-elle remplacer l’expertise humaine ?

Je reste prudent. L’IA peut synthétiser très vite, explorer des options, repérer des signaux et accélérer la montée en compétence. Mais concevoir un outil fiable, définir le bon besoin, choisir les données, vérifier la qualité des résultats et détecter les dérives exigent une expertise humaine très pointue. Plus l’IA est utilisée sur des sujets critiques, plus l’expertise humaine devient nécessaire pour cadrer, contrôler et interpréter.

Quels angles morts identifiez-vous ?

Plusieurs sujets restent ouverts : le niveau de formation nécessaire, les populations à former, la stratégie industrielle à adopter, la dépendance à des solutions externes, la souveraineté technologique et le lien avec le cloud. Il y a aussi un enjeu de maintien en condition opérationnelle et d’intelligence des modèles : il faut réinterroger régulièrement leur performance, leur pertinence et leur qualité, puis les réentraîner ou changer d’algorithme si nécessaire.

Quel conseil donneriez-vous à une école d’ingénieurs qui forme des ingénieurs à l’heure de l’IA ?

Il faut former des étudiants capables de relier métier, donnée et IA. Dans notre cas, le patrimoine d’Enedis repose à la fois sur le réseau électrique et sur la donnée, c’est ce qu’on appelle les smart grids. Les ingénieurs les plus performants seront ceux qui sauront travailler sur ces deux dimensions, avec une base métier solide, une culture data/IA et une vraie capacité de contrôle critique.

Cet entretien s’inscrit dans le cadre d’une enquête menée par l’EPITA auprès de 232 diplômés de l’école et de collaborateurs des services technologiques d’Enedis et Datadog, sur l’impact et les usages de l’IA dans les métiers de l’ingénierie et de la tech.

L’article « Le développement de l’usage de l’IA apporte des leviers de performance très forts » – Jean Pompée, Enedis est apparu en premier sur EPITA.

Quel est votre rôle aujourd’hui ?

Je suis Engineering Manager niveau 2 chez Datadog, côté product engineering. Je travaille sur plusieurs produits de sécurité, plus précisément sur leurs intégrations côté client via l’agent Datadog. Mon rôle consiste à encadrer plusieurs équipes très techniques, pour un groupe d’environ trente personnes, avec des managers qui me reportent directement. Nous ne sommes pas directement responsables de ce qui est visible sur datadog.com : nous travaillons plutôt sur la façon dont les produits s’intègrent chez les clients, avec des enjeux forts de qualité, de fiabilité et de sécurité.

Quel impact l’IA a-t-elle eu sur votre métier ?

L’impact est devenu très structurant. Chez Datadog, on est passé d’une logique où il fallait accélérer, à une logique où il fallait utiliser l’IA, puis à une logique où il fallait innover avec elle. L’entreprise a ouvert largement l’accès à des outils comme OpenAI, Anthropic, Codex, Claude Code ou Gemini, tout en développant aussi certains modèles spécialisés en interne.

Qu’est-ce que l’IA change le plus profondément dans l’activité ?

Ce qui change le plus, c’est l’accélération de la production technique. Dans mon équipe, nous devons souvent décliner une fonctionnalité dans beaucoup de cas d’intégration. Avant, certains travaux pouvaient prendre plusieurs trimestres, aujourd’hui, ils peuvent parfois être réalisés en quelques semaines, avec une revue humaine approfondie. L’IA aide aussi à explorer une base de code, retrouver du contexte, faire de l’archéologie technique et produire des premières versions exploitables.

L’IA est-elle devenue une compétence évaluée au recrutement ?

Oui, de manière explicite. Nous avons modifié nos recrutements pour vérifier l’aisance des candidats avec l’IA. Les entretiens de programmation peuvent maintenant se faire avec un LLM : soit nous fournissons une clé, soit le candidat utilise son propre outil. L’objectif n’est plus seulement de voir s’il résout l’exercice, mais de comprendre comment il utilise l’IA pour raisonner, coder et avancer. S’il ne l’utilise pas, cela peut devenir un point de discussion au débrief.

L’IA menace-t-elle la place des juniors ?

Mon analyse va plutôt à l’inverse de ce qu’on entend souvent. À ce stade, je ne pense pas que l’IA remplace les juniors. Elle peut au contraire les rendre beaucoup plus autonomes. Un junior qui arrive chez Datadog peut interroger un LLM sur la base de code, les documents internes ou l’historique GitHub, et accéder beaucoup plus vite à un contexte technique qui était auparavant difficile à obtenir. C’est un outil très puissant pour l’onboarding. La situation changerait peut-être si les modèles atteignaient un niveau d’expertise beaucoup plus élevé, mais aujourd’hui ce n’est pas ce que j’observe.

Observez-vous des différences entre juniors et seniors ?

Oui. Les plus jeunes, notamment ceux issus d’écoles comme EPITA ou Epitech, ont adopté les outils très vite. Ils les utilisent souvent de manière plus avancée : personnalisation de l’environnement, usage de versions open source, changement de modèle selon les besoins, comparaison entre solutions. Les profils plus seniors ont parfois des usages plus stabilisés, privilégiant des méthodes éprouvées et ciblées. Cela dit, en entreprise, nous avons aussi accès à des outils, des volumes de code et des environnements que les étudiants n’ont pas toujours. Le plus important reste donc la vitesse d’apprentissage une fois en poste.

Y a-t-il un risque de perte d’expertise ?

Dans mon équipe, je ne le constate pas encore, parce que les sujets sont très critiques. Une mauvaise release peut impacter un client, donc la documentation, la relecture et la validation restent très rigoureuses. Le risque existe plutôt dans des contextes où beaucoup de code est généré rapidement sans compréhension suffisante. La vraie question, à long terme, est collective : que devient une codebase après un, deux ou trois ans de modifications fortement assistées par IA ? C’est quelque chose que nous nous efforçons de garder activement sous contrôle.

« La vraie question, à long terme, est collective : que devient une codebase après un, deux ou trois ans de modifications fortement assistées par IA ? C’est quelque chose que nous nous efforçons de garder activement sous contrôle. »

Julio Guerra – Engineering Manager chez Datadog

Comment l’IA transforme-t-elle vos processus de management ?

Elle nous permet de combler des trous dans les processus. Par exemple, pour nos revues mensuelles d’opérations, nous ne voulions plus nous contenter de moyennes qui masquent les cas particuliers. Une IA peut analyser les métriques, repérer des outliers, comparer avec le mois précédent et produire un rapport. Autre exemple : les tickets support. Un LLM peut analyser les tickets Zendesk, filtrer les cas pertinents, recouper les informations et produire une synthèse hebdomadaire. Ce sont des tâches qui auraient demandé énormément de temps humain et que nous ne faisions pas systématiquement.

Quels angles morts vous préoccupent ?

Le principal risque, pour moi, c’est le goulet d’étranglement humain. L’IA permet de produire plus vite et davantage, mais tout doit encore être relu, validé ou intégré par des humains. Cela crée une surcharge : du code ou des projets générés hors planification peuvent arriver dans les équipes et demander des heures de revue à des personnes qui ne l’avaient pas prévu. Le risque n’est donc pas seulement technique ; il est aussi organisationnel. L’IA peut créer du travail non planifié, de la frustration et une pression supplémentaire sur les chaînes de validation.

Que faudrait-il enseigner aux futurs ingénieurs ?

Il faut leur apprendre à construire un agent, à l’évaluer, à le benchmarker et à comprendre comment il fonctionne. C’est comparable à l’apprentissage des frameworks ou des langages : il ne suffit pas d’utiliser un outil, il faut savoir choisir une solution, comprendre ses limites, vérifier ses résultats et l’intégrer dans un système fiable. Les étudiants doivent connaître plusieurs modèles, savoir les comparer, comprendre les enjeux de sécurité et de confidentialité, et garder des bases techniques solides pour pouvoir relire, corriger et maîtriser ce que l’IA produit.

Quel est, selon vous, le point à retenir ?

L’IA ne supprime pas le besoin d’ingénieurs. Elle change la façon dont on travaille, accélère certaines tâches et rend des profils plus autonomes, y compris les juniors. Mais elle déplace aussi la difficulté : il faut savoir contrôler, relire, organiser, planifier et garder la maîtrise collective. C’est là que se fera la différence.

Cet entretien s’inscrit dans le cadre d’une enquête menée par l’EPITA auprès de 232 diplômés de l’école et de collaborateurs des services technologiques d’Enedis et Datadog, sur l’impact et les usages de l’IA dans les métiers de l’ingénierie et de la tech.

L’article « L’impact de l’IA est devenu très structurant » – Julio Guerra, Datadog est apparu en premier sur EPITA.

Qarnot : une autre façon de penser la puissance de calcul

Depuis sa création, Qarnot développe une approche singulière du cloud et du calcul haute performance. L’entreprise est partie d’un constat simple : les serveurs informatiques produisent de la chaleur, souvent considérée comme une contrainte à évacuer. Qarnot en a fait une ressource.

Son modèle repose sur la récupération et la réutilisation de la chaleur générée par les serveurs. Grâce à une technologie de refroidissement liquide direct, Scaleway indique que jusqu’à 95 % de la chaleur produite par les serveurs HPC de Qarnot peut être récupérée et réorientée vers des réseaux de chaleur, des équipements publics ou des sites industriels.

Cette approche permet à Qarnot de traiter deux enjeux à la fois : fournir de la puissance de calcul pour des usages complexes et mieux valoriser l’énergie consommée par les infrastructures numériques.

Le HPC bas carbone au service de l’innovation

Essentiel dans l’aéronautique, l’énergie, l’automobile, la finance ou la recherche, le calcul haute performance permet de lancer des simulations numériques et de traiter des calculs complexes.

Qarnot se distingue par une approche bas carbone : proposer de la puissance de calcul dans le cloud tout en réutilisant la chaleur produite par ses serveurs. Un positionnement qui répond à un double enjeu : accompagner la hausse des besoins de calcul, notamment liés à l’IA et à la simulation, tout en mieux valorisant l’énergie consommée.

Clément Pellegrini, de l’EPITA à la direction technique de Qarnot

Le parcours de Clément Pellegrini illustre cette rencontre entre expertise technologique, infrastructure et impact environnemental.

Diplômé de l’EPITA en 2014, il s’intéresse très tôt aux systèmes, aux réseaux et à la programmation. Pendant son cycle ingénieur, il choisit la majeure Conception de plateformes – GISTRE, tournée vers les sujets techniques, le développement système et le code bas niveau.

Après son diplôme, il rejoint Qarnot comme Software Engineer. À l’époque, l’entreprise est encore une petite structure technique. Clément Pellegrini participe alors au développement de la plateforme de calcul, notamment autour de l’API et des briques logicielles nécessaires au fonctionnement du service.

Son rôle évolue ensuite vers la direction technique. En tant que CTO, il intervient à la croisée de plusieurs domaines : plateforme de calcul, systèmes, réseau, logiciel embarqué, interfaces, applications web et outils internes.

Une aventure technique devenue stratégique

L’histoire de Qarnot montre comment une innovation technologique peut devenir un sujet stratégique pour l’industrie européenne. Le cloud, le HPC et l’IA ne sont plus seulement des sujets d’infrastructure : ils touchent à la souveraineté numérique, à la compétitivité industrielle, à la sécurité des données et à la transition énergétique.

En rejoignant Scaleway, Qarnot bénéficie désormais d’un relais plus large pour déployer sa plateforme auprès d’entreprises européennes. Mais l’enjeu principal reste celui porté par Qarnot depuis ses débuts : démontrer qu’une infrastructure de calcul peut être performante tout en valorisant mieux l’énergie qu’elle consomme.

Former des ingénieurs capables de construire des infrastructures utiles

À travers ce parcours, l’EPITA retrouve l’un des marqueurs forts de sa formation : préparer des ingénieurs capables de comprendre les technologies en profondeur, mais aussi de les appliquer à des problématiques concrètes.

L’exemple de Qarnot est particulièrement parlant. Il ne s’agit pas seulement de cloud, de logiciel ou de serveurs. Il s’agit de concevoir des systèmes complets, mêlant calcul distribué, infrastructure, réseau, embarqué, efficacité énergétique et usages industriels.

Le parcours de Clément Pellegrini rappelle ainsi qu’un ingénieur peut contribuer à des innovations qui dépassent largement le cadre du numérique. Chez Qarnot, la technologie devient un levier pour répondre à un double défi : fournir la puissance de calcul dont les entreprises ont besoin et réduire l’impact environnemental des infrastructures qui la produisent.

L’article Qarnot rejoint Scaleway : Clément Pellegrini, un diplômé de l’EPITA au cœur du cloud bas carbone est apparu en premier sur EPITA.

Deux entreprises lauréates portées par des alumni de l’EPITA

Dans la promotion 2026, Doctolib est listée parmi les lauréats du Next40. Fondée en 2013, l’entreprise fait aujourd’hui partie des acteurs majeurs de la santé numérique en Europe. Son histoire est aussi liée à l’EPITA : Ivan Schneider et Jessy Bernal, tous deux diplômés de la promotion 2008, font partie des cofondateurs de Doctolib.

Autre entreprise distinguée cette année : Akeneo, lauréate du French Tech 120. Spécialisée dans la gestion de l’information produit, l’entreprise aide les marques, distributeurs et industriels à mieux structurer, enrichir et diffuser leurs données produits. Son président cofondateur, Frédéric De Gombert, est diplômé de l’EPITA, promotion 2004.

Doctolib : la technologie au service de l’accès aux soins

Avec Doctolib, Ivan Schneider et Jessy Bernal ont contribué à bâtir l’une des entreprises françaises les plus connues du grand public. La plateforme a transformé la prise de rendez vous médicaux et l’organisation numérique des professionnels de santé.

Leur parcours illustre une dimension forte de l’entrepreneuriat technologique : partir d’un problème concret, construire une solution robuste, puis l’améliorer à grande échelle. Avant Doctolib, les deux ingénieurs avaient déjà mené plusieurs projets ensemble, notamment autour de Ruby on Rails, une expertise technique qui a nourri leurs premières aventures entrepreneuriales.

Akeneo : structurer la donnée produit dans un commerce devenu multicanal

Avec Akeneo, Frédéric De Gombert s’est attaqué à un enjeu moins visible du grand public, mais central pour les entreprises : la qualité, la cohérence et la circulation des données produits. Dans un commerce où les marques doivent publier leurs catalogues sur de nombreux canaux, sites e-commerce, marketplaces, points de vente, applications et outils internes, la maîtrise de l’information produit devient stratégique.

Akeneo se positionne aujourd’hui comme une plateforme de référence dans ce domaine. L’entreprise indique aider les marques, fabricants, distributeurs et retailers à unifier leurs données produits et leurs données tarifaires pour améliorer l’expérience client et la prise de décision.

Une actualité qui confirme le rôle des ingénieurs dans la French Tech

La promotion 2026 du French Tech Next40/120 met en avant des entreprises qui contribuent aux grands enjeux économiques et sociétaux, avec des secteurs aussi variés que la santé, l’intelligence artificielle, le quantique, les biotechnologies, l’aérospatial, l’énergie ou encore les plateformes numériques.

Dans ce paysage, les parcours d’Ivan Schneider, Jessy Bernal et Frédéric De Gombert rappellent que l’ingénieur n’est pas seulement un expert technique. Il peut aussi devenir cofondateur, bâtisseur de produit, créateur d’organisation et acteur de transformation d’un marché.

Former des ingénieurs capables d’entreprendre

Ces réussites viennent enrichir une communauté d’alumni de l’EPITA engagée dans la création et le développement d’entreprises technologiques de premier plan.

À travers Doctolib et Akeneo, deux secteurs très différents apparaissent : la santé numérique d’un côté, la donnée produit et le commerce multicanal de l’autre. Mais un point commun se dessine : la capacité à transformer une expertise informatique en solution utile, scalable et adoptée à grande échelle.

Pour l’EPITA, ces parcours illustrent une conviction forte : former des ingénieurs capables de comprendre la technologie en profondeur, mais aussi de l’appliquer à des usages concrets, de construire des produits, de réunir des équipes et de faire émerger des entreprises qui comptent dans l’écosystème français et européen.

L’article French Tech Next40/120 2026 : des diplômés de l’EPITA parmi les cofondateurs de startups lauréates est apparu en premier sur EPITA.

Quel est votre rôle aujourd’hui ?

Je travaille au sein de la DSI d’Enedis, une DSI intégrée qui couvre l’ensemble des sujets systèmes d’information, de l’infrastructure à la cybersécurité, en passant par l’innovation et les métiers. Je suis adjointe de la cheffe du pôle data, dont la mission est de créer de la valeur par la donnée et de porter les sujets d’intelligence artificielle. Dans ce cadre, je suis plus particulièrement responsable du dossier IA transverse à la DSI. Mon rôle consiste à suivre les usages, les opportunités, les risques et les transformations que l’IA entraîne pour nos métiers.

Quel impact l’IA générative a-t-elle eu sur vos missions ?

Je distingue l’IA générative des vagues précédentes de l’intelligence artificielle. J’ai vu, au sein du groupe EDF puis d’Enedis, les cycles de la data science, du machine learning et des réseaux de neurones. Mais l’IA générative est différente, parce qu’elle est arrivée par les usages personnels, très rapidement, avec des outils accessibles à tous. Cela a créé à la fois une prise de conscience et un risque de shadow IA : des salariés pouvaient utiliser ces outils sur des données professionnelles sans cadre clair. Nous avons donc rapidement porté le sujet au niveau du COMEX, avec une approche pilotée par les métiers, pour identifier les opportunités, les limites et les risques.

À quel moment avez-vous senti qu’un vrai basculement était en cours ?

Au départ, je voyais l’IA générative comme un outil de plus. Dans l’IT, nous avons déjà connu beaucoup d’outils d’aide au développement. Le basculement s’est produit quand j’ai vu les évolutions de GitHub Copilot, notamment les modes plan et agent. Des développeurs m’ont montré qu’il devenait possible de réaliser en quelques minutes des tâches qui prenaient auparavant plusieurs jours. Là, j’ai compris qu’on n’était pas seulement face à une aide ponctuelle, mais face à un changement de paradigme.

Qu’est-ce que cela change dans les métiers de l’IT ?

Cela transforme la manière de produire du code, mais aussi la manière de spécifier. L’IA générative oblige à mieux formuler ce que l’on veut obtenir. Elle accélère l’automatisation, le portage, la génération de code, mais elle pose aussi des questions très fortes : comment maintenir ce code dans le temps ? Comment s’assurer qu’il est optimisé ? Comment éviter de payer plus tard, en run ou en maintien en condition opérationnelle, ce qu’on a gagné au départ en rapidité ?

Quelles compétences deviennent critiques ?

Nous avons besoin de compétences cloud, de data engineers, de MLOps et de profils capables de comprendre les modèles IA sous le capot : comment ils fonctionnent, comment ils se maintiennent, comment ils s’optimisent, quelles données leur donner. Nous allons aussi avoir besoin de personnes capables de challenger les modules IA intégrés dans les grandes plateformes, qu’il s’agisse de SAP, Salesforce, ou d’autres solutions métier. Ces compétences ne s’acquièrent pas seulement en théorie : il faut mettre les mains dedans pour poser les bonnes questions.

« Nous allons aussi avoir besoin de personnes capables de challenger les modules IA intégrés dans les grandes plateformes, qu’il s’agisse de SAP, Salesforce, ou d’autres solutions métier. Ces compétences ne s’acquièrent pas seulement en théorie : il faut mettre les mains dedans pour poser les bonnes questions. »

Nadège Vignol, Responsable du dossier IA transverse à la DSI d’Enedis

Que doit savoir faire un jeune diplômé dans ce contexte ?

J’attends d’un jeune diplômé qu’il ne se contente pas d’utiliser l’IA comme une béquille. Il doit comprendre ce que l’outil produit, pourquoi il le produit et ce qui se passe derrière. C’est comme avec un traducteur : je ne veux pas quelqu’un qui utilise simplement Google Traduction et estime que cela suffit. Je veux quelqu’un qui sait repérer les erreurs, les limites, les biais et les incohérences. Dans les métiers de l’IT, le différenciant sera cette compréhension fine de ce que fait l’IA.

L’arrivée de l’IA modifie-t-elle la place des juniors ?

Chez nous, ce n’est pas encore totalement visible, mais cela vient. Les juniors ont un vrai rôle à jouer, parce qu’ils arrivent avec l’IA générative davantage intégrée à leur manière de penser. Nous repérons déjà des champions, parfois très jeunes, qui utilisent très bien GitHub Copilot et qui montrent à des profils plus seniors comment ils s’en servent. Cela change la relation entre générations : les seniors conservent l’expérience métier, mais les juniors peuvent apporter une expertise d’usage de l’IA.

Le risque de fracture est-il entre juniors et seniors ?

Je ne le formulerais pas seulement comme cela. Le risque que je vois aujourd’hui se situe plutôt entre les profils techniques, qui testent réellement les outils, et les managers ou chefs de projet qui n’ont pas toujours vu concrètement comment ils fonctionnent. Le risque, c’est que certains décideurs sous-estiment la rupture en cours s’ils n’ont vu l’IA générative qu’à travers une présentation générale ou un résumé de réunion. Pour décider juste, il faut avoir observé les outils à l’œuvre et compris concrètement ce qu’ils changent dans les pratiques.

L’IA transforme-t-elle déjà l’organisation et les processus ?

Elle ne transforme pas encore nos processus de décision, mais elle arrive à point nommé sur nos enjeux de performance et de scalabilité. Nous l’utilisons déjà pour améliorer des processus concrets. Par exemple, Enedis a mis en place des outils d’IA pour détecter et éviter des interventions vaines : des déplacements inutiles chez des clients absents ou lorsque les conditions d’intervention ne sont pas réunies. Cela permet de gagner du temps, de réduire des coûts et d’éviter des déplacements inutiles.

Quels angles morts vous préoccupent le plus ?

Je suis très attentive aux coûts cachés et à la dépendance. Aujourd’hui, on nous vend des outils très puissants, parfois à des tarifs qui peuvent évoluer. Si les usages deviennent massifs, la facture peut augmenter très vite. Il y a aussi les enjeux de cybersécurité, de propriété intellectuelle, de maîtrise des données, de coût environnemental et de souveraineté. Je pense qu’il faut y aller, mais avec maîtrise : maîtrise financière, maîtrise cyber, maîtrise des usages et maîtrise sociale de la transformation.

Que devrait absolument intégrer une école d’ingénieurs à l’heure de l’IA ?

Il ne faut surtout pas oublier les bases. Les étudiants doivent comprendre comment fonctionne un système sans IA générative : le SQL, le HTML, le PHP, Java, C, les couches basses, les principes d’architecture. Même si tout ne sert pas directement ensuite, ces apprentissages donnent une compréhension fondamentale. En parallèle, il faut leur apprendre à utiliser l’IA générative de manière maîtrisée dans leur métier. À mon sens, il faut maintenir un équilibre entre l’apprentissage des fondamentaux techniques et la capacité à utiliser l’IA sur des cas plus avancés.

Quel est le point principal à retenir selon vous ?

Je pense que l’IA générative va bouleverser le cycle de développement, même si je ne sais pas encore exactement à quel rythme. Elle va changer la manière dont on conçoit, développe, vérifie et maintient les systèmes. Mais elle ne supprimera pas le besoin de compétences solides. Au contraire, elle renforce le besoin de spécialistes capables de comprendre ce qui se passe sous le capot, de challenger les outils et de garder la maîtrise dans la durée.

Cet entretien s’inscrit dans le cadre d’une enquête menée par l’EPITA auprès de 232 diplômés de l’école et de collaborateurs des services technologiques d’Enedis et Datadog, sur l’impact et les usages de l’IA dans les métiers de l’ingénierie et de la tech.

L’article « Nous avons besoin de profils capables de comprendre les modèles IA sous le capot » – Nadège Vignol, Enedis est apparu en premier sur EPITA.