« Nous avons besoin de profils capables de comprendre les modèles IA sous le capot » – Nadège Vignol, Enedis
Nadège Vignol est adjointe de la cheffe du pôle data au sein de la DSI d’Enedis, dans lequel elle est responsable du dossier IA transverse. Elle suit les sujets d’intelligence artificielle de manière transverse pour la DSI, à la fois pour les métiers de l’IT et pour les autres métiers de l’entreprise.
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.
Les étudiants doivent continuer à comprendre ce qui se passe “sous le capot”, pour ne pas devenir dépendants de l’outil, tout en apprenant à s’en servir pour concevoir plus vite, prototyper, challenger une solution et vérifier la qualité de ce qui est produit.
Nadège Vignol, Responsable du dossier IA transverse à la DSI d’Enedis
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.