Talan AI Summit à Genève : l'IA sort du laboratoire

L'IA entre en phase opérationnelle

Le 2 juin dernier à Genève, le Talan AI Summit 2026 a rassemblé plus de 100 décideurs et spécialistes autour d'un constat partagé : les entreprises industrialisent désormais leurs usages de l'IA tout en maîtrisant les enjeux de gouvernance, de souveraineté et de sécurité des données.

Pour cette deuxième édition, le groupe de conseil et de services technologiques a mis l'accent sur les retours d'expérience et les usages opérationnels. « Il y a un ou deux ans, on parlait de l'IA au futur et aujourd'hui, on en parle au présent », a résumé Mehdi Fakri, Managing Director de Talan Suisse. Les entreprises ont dépassé la phase d'expérimentation.

Les modèles d'IA progressent, mais restent imprévisibles

Marcel Salathé, professeur à l'EPFL et co-directeur de l'EPFL AI Center, a retracé l'évolution rapide des modèles d'IA. L'expert a notamment évoqué le phénomène du « jagged landscape » : des situations où une IA excelle sur des tâches complexes tout en échouant sur des opérations triviales.

La souveraineté technologique a occupé une place centrale dans les débats. Salathé a présenté Apertus, un modèle développé conjointement par l'EPFL, l'EPFZ et le CSCS de Lugano. Cette approche se distingue des modèles propriétaires : l'ensemble est ouvert et reproductible, y compris les données d'entraînement. « On ne comprend pas vraiment comment ces modèles fonctionnent une fois entraînés », a souligné le professeur, plaidant pour davantage de transparence en recherche IA.

Gouvernance et données : les vrais enjeux

Une table ronde a réuni des représentants de Romande Energie, de la Ville de Lausanne, de DAMA Geneva et de RegData. Les échanges ont mis en évidence un point commun : l'IA ne peut plus être abordée uniquement sous l'angle technologique. Elle impose désormais des arbitrages juridiques, opérationnels et budgétaires.

Les intervenants ont insisté sur la maîtrise des données en amont des projets IA. Avant de choisir une infrastructure ou un fournisseur, les organisations doivent identifier les données critiques, définir leurs usages possibles et évaluer les risques associés. La localisation en Suisse ne suffit plus à garantir la souveraineté, notamment lorsque les traitements dépendent de fournisseurs américains de cloud ou de modèles IA.

Deux approches contrastées

Nils Rinaldi, Data team Manager chez Romande Energie, a expliqué avoir adopté une approche prudente, avec une séparation stricte entre les systèmes opérationnels et les environnements IT. L'entreprise utilise déjà le machine learning pour optimiser les prévisions de consommation électrique, avec des gains financiers directs. En revanche, les systèmes liés à l'exploitation du réseau restent isolés des usages d'IA générative.

Victor Ciriza, responsable du groupe des données et du développement à la Ville de Lausanne, a insisté sur les enjeux de confidentialité dans les services publics. Certaines données liées à la police ou à la fiscalité ne peuvent pas être externalisées. L'administration déploie donc certains modèles en interne sur ses propres infrastructures GPU.

Ateliers et perspectives

L'événement a proposé six ateliers techniques consacrés à Microsoft Copilot Studio, aux architectures multi-agents, à la gouvernance Data & AI by Design et à la modernisation des plateformes data et BI grâce à l'IA.