- Classification des dépenses & intelligence catégories
- Radar de risque fournisseurs
- Détection des fuites contractuelles
- Achats guidés
Économies · délais · risque
Intelligence artificielle
L’IA est un outil, pas un objectif
L’IA n’est ni un objectif ni une initiative — c’est simplement un outil pour atteindre un objectif. La question n’est jamais « où pourrait-on utiliser l’IA ? », mais « quel résultat opérationnel vise-t-on, et où l’IA nous aide-t-elle à y arriver plus vite ? »
La valeur d’abord
Processus & gouvernance
Adoption
Impact mesuré
Le point de vue
L’écart sur l’IA n’est plus l’adoption. C’est la capture de valeur.
Une grande part des organisations mènent des pilotes IA ; seule une minorité constate un impact sur le résultat. Le facteur différenciant est rarement le modèle — c’est le fait d’avoir repensé le processus, la donnée, la gouvernance et les comportements pour que l’IA change une décision qui compte.
Pourquoi la valeur cale
Les signaux à prendre au sérieux
Quelques signaux de marché qui cadrent ma façon d’aborder l’IA dans les opérations — avec pragmatisme et le compte de résultat en tête.
~4 sur 10organisations constatent un impact sur l’EBIT — l’adoption est forte, la capture de valeur ne l’est pas.
Le fluxla refonte des processus est le levier le plus lié à l’impact bottom-line — pas l’outil lui-même.
Risque & règlesgouvernance, risque et réglementation (dont l’AI Act européen) figurent parmi les premiers freins.
Sources : McKinsey, The State of AI: Global Survey (2025) ; Deloitte, State of Generative AI in the Enterprise ; Commission européenne, calendrier de l’AI Act.
Mon point de vue
L’IA crée de la valeur quand elle entre dans le modèle opératoire
Pas un outil posé à côté du processus — une manière repensée de décider et de travailler. La valeur est le produit de quatre facteurs ; s’il en manque un, l’impact s’effondre.
Refonte des processus
Décisions, exceptions, points de passage et modes opératoires repensés autour de l’IA.
×
Maturité des données
Sources, qualité, propriété et fraîcheur suffisantes pour faire confiance.
×
Gouvernance
Validation humaine, contrôles, risque et conformité intégrés.
×
Adoption
Formation, rituels, comportements et responsabilité claire des KPI.
= un impact opérationnel mesurable
Là où l’IA aide
Là où l’IA change les opérations
Les cas d’usage à plus forte valeur se situent là où décisions, exceptions et données se rencontrent. Mon focus : les routines opérationnelles, pas les outils — achats, supply chain, performance industrielle et transformation office.
- Prévision de la demande
- Optimisation des stocks
- Simulation S&OP
- Alertes control tower & recommandations de flux
Cash · taux de service · délais
- Maintenance prédictive
- Analytique qualité
- Aide à l’ordonnancement & énergie
- Copilotes pour les superviseurs
Productivité · TRS · rebuts · énergie
- Suivi des initiatives & cockpit des bénéfices
- Détection des risques
- Synthèse de comités de pilotage
- Gestion de la connaissance
Livraison d’EBE · transparence · rythme
Pourquoi c’est difficile
Pourquoi les entreprises peinent à passer à l’échelle
Les freins sont le plus souvent opérationnels, pas seulement techniques. Le symptôme classique : des pilotes déconnectés des processus, des rôles, des KPI et des routines qui génèrent réellement la valeur.
L’offre
Une échelle d’offres, du premier scan au delivery intégré
Un parcours productisé : un point d’entrée à faible friction, puis autant de pilotage de transformation que la valeur le justifie. Chaque étape est à périmètre fixe, avec une implication senior tout du long.
1
AI Opportunity Scan
Cartographier 2 à 4 processus, faire émerger 5 à 10 cas d’usage avec hypothèses de valeur et faisabilité, et repartir avec une prochaine étape priorisée.
2
AI Operations Value Sprint
Heatmap des cas d’usage, backlog priorisé, top 3–5 business cases, un modèle de gouvernance et une feuille de route à 3–6 mois.
3
AI Use-Case Design Sprint
Transformer un cas d’usage en pilote constructible : processus as-is/to-be, user stories, fiche données, contrôles de risque et plan de pilote avec KPI.
4
AI Pilot-to-Scale PMO
Stabiliser le pilote, animer la cadence de delivery, suivre l’adoption et les bénéfices, et produire une décision claire : passer à l’échelle, arrêter ou repenser.
5
Fractional AI Operations Lead
Pilotage intégré du portefeuille IA dans les opérations : gouvernance, revues de valeur, adoption et transfert de compétence aux équipes.
Chaque étape est à périmètre fixe, avec une implication senior directe — adaptée à la taille de l’entreprise, à la complexité, à l’accès aux données et aux fonctions concernées.
Une séquence concrète
Un exemple de parcours sur 12 semaines
De l’ambition à une décision de passage à l’échelle — avec un vrai point de décision en semaine 12 : passer à l’échelle, arrêter, repenser ou transmettre aux équipes internes.
Semaine 1
Opportunity Scan — aligner les priorités, cartographier les premières opportunités.
Semaines 2–4
Value Sprint — prioriser les cas d’usage, chiffrer la valeur, définir la feuille de route.
Semaines 5–8
Use-Case Design — refonte du processus, exigences, données et contrôles.
Semaines 9–12
Pilot-to-Scale PMO — adoption, suivi des bénéfices, recommandation de passage à l’échelle.
Livrables
Ce que reçoivent les clients
Des livrables prêts à la décision qui font le pont entre métier, IT, données et opérations. L’objectif n’est pas un énième support — c’est un langage opérationnel commun pour les sponsors, les utilisateurs, l’IT, les équipes data et la finance.
Heatmap des cas d’usage
Où l’IA peut créer de la valeur.
Backlog priorisé
Par quoi commencer.
Business case
Pourquoi c’est important financièrement.
Processus cible
Comment le travail change réellement.
Cockpit de pilote
Comment le delivery est gouverné.
Playbook de passage à l’échelle
Comment industrialiser ce qui marche.
Pourquoi moi
Pourquoi Chen Advisory pour l’IA dans les opérations
Je ne suis pas un ingénieur IA — je suis un consultant en transformation des opérations qui fait produire de la valeur à l’IA. Le plus dur est rarement le modèle ; c’est le processus, la gouvernance, l’adoption et le suivi de la valeur autour. C’est précisément mon métier.
Stratégie des opérations
Expérience Kearney en transformation industrielle, amélioration d’EBE et feuilles de route operating model.
Excellence d’exécution
Héritage delivery Orphoz / McKinsey : PMO, adoption, productivité et résultats sur le BFR.
Achats & supply chain
Un chantier IA achats dans la pharma, et une expérience segmentation, stocks, flux et planification.
Risque & contrôles
Une base EY en contrôle des processus, maîtrise des risques et auditabilité — essentielle face à la réglementation.
Comment démarrer
Un premier pas à faible risque
Identifier les opportunités à plus forte valeur et construire l’alignement — avant tout engagement de développement.
1
Échange de 30 min
Confirmer les priorités métier et le périmètre à scanner.
2
Opportunity Scan de 5 jours
Identifier les cas d’usage IA à fort potentiel et chiffrer l’enjeu.
3
Décision sur la suite
Value Sprint, design de cas d’usage ou PMO de pilote — seulement si la valeur le justifie.