RATP : l’IA générative au service des agents de transport

Dans cet épisode des AI Leader Stories, nous recevons Eva Hoyau, Delivery Lead IA Générative à la RATP, Data Scientist de formation, passée par le ministère des Armées et le ministère de l’Intérieur. L’épisode explore un enjeu central pour les grandes organisations : comment passer de l’expérimentation IA à des produits d’IA générative réellement créateurs de valeur, à l’échelle, de manière responsable et maîtrisée.

De la data science au pilotage produit IA : une bascule orientée valeur

Eva revient sur son parcours et sur le moment clé qui a structuré sa vision : un algorithme n’est qu’un enabler technique, la valeur se crée au niveau du produit et de son intégration métier. À travers ses expériences dans des contextes publics exigeants (lutte contre la fraude, sécurité, computer vision), elle explique pourquoi la compréhension fine des usages et des besoins métiers est indispensable pour tirer le meilleur de l’IA.

« Un algorithme, ce n’est qu’un pourcentage du produit. La valeur est dégagée par la façon dont on l’intègre. »

Industrialiser l’IA générative à grande échelle : le cas RATP

L’épisode plonge ensuite au cœur de la stratégie IA de la RATP, avec deux produits structurants : SEM’Alain, déployé auprès de plus de 5 500 agents de gares et stations, et SéQuoi’IA, une plateforme de RAG générique destinée à accélérer l’accès à l’information métier. Eva explique comment la RATP s’appuie sur un premier succès industrialisé pour scaler progressivement l’IA générative, sans tomber dans une approche gadget ou purement technologique.

RAG, gouvernance et qualité de la donnée : les vrais enjeux

Au-delà des modèles et des performances, Eva insiste sur ce qui fait réellement la différence : la gouvernance de la donnée. Définir un périmètre documentaire clair, maintenir des documents à jour, responsabiliser les métiers sur leurs données et industrialiser les flux sont des prérequis incontournables pour obtenir des réponses fiables et exploitables.

« La cohérence n’est pas la vérité. Sans gouvernance de la donnée, l’IA générative ne peut pas être fiable. »

Déployer par métier plutôt qu’une IA “one size fits all”

Contrairement à certaines approches holistiques, la RATP privilégie un déploiement par cas d’usage et par population, afin de maîtriser les coûts, la qualité des réponses et l’adoption. Cette stratégie permet d’itérer avec les métiers, d’améliorer en continu la pertinence des assistants conversationnels et de garantir un ROI réel, même lorsque celui-ci est difficile à mesurer.

Numérique responsable et maîtrise des coûts

L’épisode aborde également un sujet clé pour les grands groupes : la sobriété et la responsabilité de l’IA générative. Eva détaille comment la RATP cherche à limiter les appels aux LLM au strict nécessaire, à suivre finement les usages et à intégrer la responsabilité environnementale et sociale dès la conception des produits IA.

Conclusion

À travers cet échange approfondi, Eva Hoyau partage une vision pragmatique et exigeante de l’IA générative en entreprise : orientée valeur, ancrée dans les usages métiers, gouvernée par la donnée et déployée avec responsabilité. Un épisode essentiel pour tous les décideurs qui cherchent à dépasser l’effet waouh de l’IA pour en faire un véritable levier opérationnel et stratégique à l’échelle.

‍