Solutions d’IA : développer en interne ou s’appuyer sur un partenaire externe ?

Alors que les organisations cherchent à adopter l’IA, l’une des questions récurrentes que l’on me pose — qu’il s’agisse d’acteurs de l’investissement bien établis ou de fondateurs qui se lancent — est la suivante : faut-il développer des capacités d’IA en interne ou faire appel à un prestataire externe ?

La réponse dépend moins des effets de mode que du contexte : la taille, l’envergure et le stade de développement de l’entreprise.

Le développement en interne

Développer des solutions d’IA en interne peut être très puissant, mais cela suppose :

• Des talents : des data scientists, ingénieurs et responsables produit qualifiés, capables de maîtriser à la fois les dimensions techniques et business.
• Une infrastructure : des pipelines de données fiables, des ressources de calcul et des cadres de conformité robustes.
• Du temps : les modèles d’IA ne fonctionnent pas simplement « clés en main ». Ils nécessitent des itérations, des ajustements fins et un suivi continu.

Pour les entreprises de grande envergure, ou celles dont l’avantage concurrentiel repose sur des données uniques ou des analyses propriétaires, un investissement interne peut se justifier. Il crée des barrières à l’entrée et permet une intégration en profondeur.

Les prestataires externes

Pour les organisations en phase de démarrage ou de développement intermédiaire, les prestataires externes peuvent accélérer l’adoption sans les coûts fixes liés à la constitution d’une équipe de toutes pièces. Ils offrent notamment :

• Une mise en œuvre rapide : en s’appuyant sur des cadres et des outils déjà éprouvés.
• Une expertise spécialisée : l’accès à des compétences de niche, sans cycles de recrutement longs.
• Une scalabilité : la possibilité de tester des cas d’usage avant d’engager des ressources internes significatives.

Cela dit, l’externalisation comporte aussi des contreparties: une dépendance excessive peut limiter votre capacité de différenciation, et les prestataires peuvent privilégier des solutions génériques plutôt que réellement adaptées à vos besoins.

Une approche équilibrée

La voie la plus résiliente passe souvent par des modèles hybrides :

• Commencer avec des prestataires externes pour valider la valeur créée.
• Développer progressivement des capacités internes à mesure que l’entreprise grandit, en se concentrant sur les domaines où l’IA peut créer un avantage concurrentiel durable.

La solution de BNP Paribas Asset Management pour les clients AXA et les coentreprises

Au sein de l’équipe d’Operational Due Diligence (ODD), en charge des clients AXA et des coentreprises, nous avons choisi d’adopter une approche hybride.

L’équipe analysant entre 400 et 500 fonds par an, nous cherchions à gagner en efficacité et en productivité, afin de permettre à chacun de concentrer son expertise sur l’analyse des données les plus importantes. La solution retenue, une plateforme en ligne appelée CENTRL GPT, agit comme un copilote virtuel pour les analystes et les managers, en s’appuyant sur un modèle de langage fondé sur l’IA.

L’outil permet d’évaluer en quelques minutes la qualité et la pertinence des réponses aux questionnaires envoyés aux sociétés de gestion partenaires, sur la base d’une méthodologie d’évaluation de l’information et de critères clés définis en interne.

L’IA au service d’une prise de décision robuste

Adopter l’IA, ce n’est pas choisir la technologie la plus récente pour le principe. Il s’agit de prendre des décisions disciplinées :

• Cela apporte-t-il une valeur ajoutée par rapport à ce que nous faisons déjà bien ?
• Est-ce le bon moment pour investir fortement dans un développement interne, ou un partenaire externe est-il plus pertinent ?
• En quoi cela s’inscrit-il dans notre stratégie de long terme ?

Au fond, la question n’est pas de savoir s’il faut adopter l’IA, mais comment l’adopter avec discernement.