Air France-KLM : déployer l'IA Générative à l'échelle

Dans cet épisode des AI Leader Stories, nous recevons Virgile Boëssé, Head of AI Acceleration chez Air France-KLM, au cœur de la stratégie Data & IA du groupe.

L’échange vise à décrypter comment une grande organisation industrielle transforme l’IA générative en valeur concrète, au-delà de l’effet d’annonce, en abordant à la fois les cas d’usage, la priorisation et les conditions réelles du passage à l’échelle.

De l’idéation à la valeur : choisir les bons cas d’usage IA

L’épisode s’ouvre sur un retour d’expérience très concret autour des premiers cas d’usage d’IA générative déployés à l’échelle chez Air France-KLM.

Virgile partage une conviction forte : l’IA n’a d’intérêt que si elle résout un problème métier réel, mesurable et prioritaire.

Trois exemples emblématiques structurent la discussion :

• FOX, un moteur de classification complexe de verbatim.
• TRAK, une solution de knowledge management permettant d'accélérer très facilement l'accès à des rex de réparation ayant déjà eu lieu.
• YMCA, une suite d'assistants pour les centres de relation client, combinant classification des demandes, résumé automatique et propositions de réponses alignées avec le ton de la marque.

Ces cas illustrent un point clé : la valeur ne vient pas de la technologie seule, mais de son intégration fine dans les processus métier existants.

Prioriser l’IA : valeur business, faisabilité et transformation réelle

L’un des apports majeurs de cet épisode des AI Leader Stories réside dans la méthodologie de priorisation des cas d’usage IA.

Chez Air France-KLM, trois critères structurants guident les décisions :

1. La création de valeur, qu’elle soit économique, opérationnelle, client ou collaborateur.
2. La faisabilité technique, largement conditionnée par la qualité et la disponibilité de la donnée.
3. Le potentiel de transformation, c’est-à-dire la capacité du cas d’usage à impacter un flux complet, et non une simple brique isolée.

Virgile insiste sur un point souvent sous-estimé : l’implication des équipes de contrôle de gestion pour objectiver, même partiellement, la valeur financière des initiatives IA.

« La question la plus structurante aujourd’hui, ce n’est pas ce que l’IA sait faire, mais quelle valeur elle crée réellement. »

Passer du POC au scale : le vrai défi de l’IA générative

L’épisode aborde ensuite un enjeu central pour les grandes organisations : le passage du POC à l’industrialisation.

Virgile partage plusieurs enseignements clés :

• Impliquer les utilisateurs finaux dès les premières phases pour en faire des ambassadeurs.
• Intégrer les standards techniques dès le POC afin d’éviter les ruptures lors du passage à l’échelle.
• Mesurer en continu la qualité et la performance des réponses, notamment sur les cas d’usage de knowledge management.

Une approche pragmatique qui permet d’éviter l’écueil classique des projets IA prometteurs… mais jamais réellement déployés.

Structurer l’IA à l’échelle : la GenAI Factory d’Air France-KLM

Virgile détaille enfin la mise en place d’une GenAI Factory, pensée comme un socle technologique et organisationnel commun.

Objectif : accélérer les déploiements tout en garantissant sécurité, conformité et cohérence avec les standards du groupe.

Cette factory repose sur :

• Une bibliothèque de composants IA réutilisables par typologie de projets.
• Un modèle hybride mêlant centralisation de la plateforme et décentralisation de la delivery métier.
• Un portail IA interne, TALIA, conçu pour offrir un accès sécurisé et unifié aux capacités d’IA générative pour l’ensemble des collaborateurs.

Conclusion

À travers cet épisode des AI Leader Stories, Virgile Boëssé partage une vision lucide et opérationnelle de l’IA générative en grande organisation :

une IA orientée valeur, ancrée dans les métiers, et pensée dès le départ pour passer à l’échelle.

Un échange incontournable pour les décideurs digitaux qui cherchent à transformer l’IA en levier stratégique et durable de performance.

‍