# rafal-wenvision-ia-generative-produit-techno-pas-projet-2024-02-23

## Veille

Tribune d'**Olivier Rafal** (Consulting Director Strategy chez **WeNvision**) publiée le **23 février 2024** sur **CIO-Online** (rubrique *Tribune*), qui pose une thèse encore contre-intuitive à l'époque : **l'IA générative relève davantage du produit technologique que du projet d'IA / data science**. **Argument 1 — la data science n'est pas le cœur du sujet** : créer un *foundation model* de toute pièce demande *« plusieurs mois, des millions d'euros et l'accès à d'énormes quantités de données »* — réservé à des acteurs aux datasets spécifiques et monétisables (ex. **Bloomberg** et son **BloombergGPT** pour la finance). Pour la quasi-totalité des entreprises, le bon réflexe n'est donc pas de recruter des data scientists. **Argument 2 — décalage de compétences** : il faut surtout des **ingénieurs de développement et d'intégration** (back/front), de **fortes compétences cloud** et du **DevOps**. Citation client : *« On n'a pas forcément besoin d'être data scientist, mais il faut comprendre les concepts de base, avoir des compétences de développement back office et de fortes compétences cloud. »* **Argument 3 — architecture de plateforme (orchestrateurs + API)** : construire une **plateforme d'IA générative** d'entreprise via orchestrateurs et API permet *« de travailler avec les meilleurs LLM du marché et d'en changer au fur et à mesure de leurs évolutions respectives, sans retoucher aux applications »* (anti vendor lock-in). **Argument 4 — du projet au produit** : *« La plate-forme […] il faut la considérer elle-même comme un produit »* ; au lieu d'un investissement ponctuel, prévoir un **flux de financement mensuel** (itérations continues, innovation permanente). **Argument 5 — gouvernance & shadow AI** : la démocratisation inédite de la GenAI engendre *« tant du shadow AI que de fortes attentes vis-à-vis de la DSI »* → gouvernance pour capter les besoins métiers, **prioriser les produits par la valeur**, superviser le bon fonctionnement. **Changement de paradigme** annoncé : *« on passe d'une programmation algorithmique classique à des agents Langchain qui gèrent une partie des décisions »*. **Intérêt pour la veille** : texte **fondateur (J-2 ans)** de la doctrine WeNvision (produit > projet, plateforme/API, financement en flux, gouvernance, shadow AI) que prolongeront les fiches [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]] et [[rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04]] (FinOps/token, financement en flux → gouvernance financière). Préfigure aussi le *harness/plateforme autour du modèle* (Dropbox/Okumura : *systems around the model*) et l'**indépendance modèle** par couche d'orchestration.

## Titre Article

L'IA générative est plus une affaire de produit technologique qu'un projet d'IA

## Date

2024-02-23

## URL

https://www.cio-online.com/actualites/lire-l-ia-generative-est-plus-une-affaire-de-produit-technologique-qu-un-projet-d-ia-15485.html

## Keywords

IA générative, produit technologique, produit vs projet, data science, foundation model, modèle de base, millions d'euros, Bloomberg, BloombergGPT, data scientist, ingénieurs d'intégration, développement back office, compétences cloud, DevOps, plateforme IA générative, orchestrateurs, API, indépendance modèle, vendor lock-in, changer de LLM sans retoucher les applications, product management, financement en flux, flux mensuel, itérations continues, gouvernance, priorisation par la valeur, shadow AI, attentes vis-à-vis de la DSI, démocratisation, programmation algorithmique, agents Langchain, changement de paradigme, Olivier Rafal, WeNvision, CIO-Online, DSI

## Authors

**Olivier Rafal**, *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.

## Ton

**Profil** : Tribune d'expert-conseil (*thought leadership* CIO), adressée aux **DSI et décideurs IT**, registre **pédagogique-prescriptif**, niveau technique modéré (notions d'architecture et de management produit accessibles aux dirigeants). Perspective d'insider familier des projets clients (cite un retour client).

**Style** : Démonstration en entonnoir — déconstruit d'abord une idée reçue (« il faut des data scientists »), puis reconstruit la bonne approche (compétences d'intégration + plateforme + produit + gouvernance). Appui sur des **exemples concrets** (Bloomberg/BloombergGPT), une **citation client** et des notions opérationnelles (orchestrateurs, API, flux de financement). Ton mesuré, sans hype, orienté **mise en œuvre réelle** côté DSI. Texte précoce (fév. 2024) qui anticipe des thèses devenues mainstream depuis.

**Aphorismes-clés** :
- ***« L'IA générative est plus une affaire de produit technologique qu'un projet d'IA. »*** (titre-thèse).
- *« Créer un modèle de base de toute pièce demande plusieurs mois, des millions d'euros et l'accès à d'énormes quantités de données. »*
- *« La plate-forme […] il faut la considérer elle-même comme un produit. »*
- *« Travailler avec les meilleurs LLM du marché et […] en changer […] sans retoucher aux applications. »*
- *« On passe d'une programmation algorithmique classique à des agents Langchain qui gèrent une partie des décisions. »*

**Métaphores / cadres travaillés** :
- ***Produit, pas projet*** — refus du modèle « projet à fin définie + investissement ponctuel » au profit d'un produit financé en **flux** et itéré en continu.
- ***Plateforme comme couche d'abstraction*** — orchestrateurs + API = indépendance vis-à-vis des modèles (anti lock-in).
- ***Décalage de compétences*** — du data scientist vers l'ingénieur d'intégration / cloud / DevOps.
- ***Shadow AI vs gouvernance*** — la démocratisation crée des attentes et des risques que la DSI doit canaliser par la gouvernance et la priorisation par la valeur.

**Position épistémique** : tribune d'opinion argumentée (conseil), ancrée sur l'expérience terrain et un exemple emblématique (Bloomberg). Pas de données chiffrées propres ; valeur = **cadre de décision DSI** posé tôt. À lire comme **jalon doctrinal daté** (fév. 2024) plutôt que comme étude.

**Autorité** : (a) position de **directeur conseil stratégie** (WeNvision) ; (b) **antériorité** du propos (thèse produit>projet posée dès début 2024) ; (c) **ancrage concret** (Bloomberg, citation client) ; mais (d) format tribune, sans métriques propres.

## Pense-betes

- **Date / source** : **23 février 2024**, **CIO-Online** (Tribune). Auteur : **Olivier Rafal**, Consulting Director Strategy **WeNvision**. **Texte fondateur** (≈ 2 ans avant les fiches WeNvision agentiques).
- **Thèse** : ***« l'IA générative est plus une affaire de produit technologique qu'un projet d'IA »*** → ne pas en faire un projet data science.

### Les 5 messages

1. **Pas besoin de data scientists (en général)** : un *foundation model* coûte *« plusieurs mois, des millions d'euros »* + données massives → réservé aux acteurs à datasets spécifiques (**Bloomberg → BloombergGPT**).
2. **Compétences clés** : ingénieurs **développement/intégration** (back/front), **cloud fort**, **DevOps**. Citation client : *« pas forcément besoin d'être data scientist […] fortes compétences cloud. »*
3. **Plateforme = orchestrateurs + API** : *« changer [de LLM] […] sans retoucher aux applications »* (indépendance modèle, anti lock-in).
4. **Produit > projet** : *« considérer [la plate-forme] elle-même comme un produit »* + **financement en flux mensuel** (vs investissement ponctuel).
5. **Gouvernance & shadow AI** : démocratisation inédite → *« shadow AI »* + *« fortes attentes vis-à-vis de la DSI »* ; capter les besoins, **prioriser par la valeur**.

### Signal d'époque

- **Changement de paradigme** déjà annoncé : *« d'une programmation algorithmique classique à des agents Langchain qui gèrent une partie des décisions »* (fév. 2024).

### À mobiliser en mission / présentation

- **Jalon de doctrine WeNvision** : pose dès 2024 *produit > projet*, *plateforme/API*, *financement en flux*, *gouvernance*, *shadow AI* — fil rouge jusqu'à la **gouvernance financière / FinOps token** de la tribune Tokenomics Foundation (juin 2026).
- Argument réutilisable côté DSI : **indépendance modèle** via couche d'orchestration (préfigure *systems around the model*).
- Le **financement en flux** (2024) → annonce conceptuellement la logique **FinOps / coût récurrent au token** (2026).

## RésuméDe400mots

Dans cette tribune publiée le **23 février 2024** sur **CIO-Online**, **Olivier Rafal** (Consulting Director Strategy chez **WeNvision**) défend une idée alors à contre-courant : **l'IA générative relève davantage du produit technologique que du projet d'IA ou de data science**. Beaucoup d'organisations se trompent de priorité en cherchant à recruter des data scientists et des ingénieurs machine learning.

Premier argument : créer un *foundation model* de toute pièce *« demande plusieurs mois, des millions d'euros et l'accès à d'énormes quantités de données »*. Cela n'a de sens que pour des acteurs disposant de jeux de données spécifiques et monétisables — l'exemple emblématique étant **Bloomberg**, qui a créé **BloombergGPT** pour exploiter ses données financières. Pour la quasi-totalité des entreprises, mieux vaut s'appuyer sur les LLM commerciaux.

Deuxième argument : le décalage de compétences. Plutôt que des data scientists, il faut des **ingénieurs de développement et d'intégration** (back et front), de **fortes compétences cloud** et du **DevOps**. Un client résume : *« On n'a pas forcément besoin d'être data scientist, mais il faut comprendre les concepts de base, avoir des compétences de développement back office et de fortes compétences cloud. »*

Troisième argument : l'architecture. Les entreprises devraient bâtir une **plateforme d'IA générative** reposant sur des **orchestrateurs et des API**, ce qui rend *« aisé de travailler avec les meilleurs LLM du marché et d'en changer au fur et à mesure de leurs évolutions respectives, sans retoucher aux applications »* — une garantie d'indépendance face au *vendor lock-in*.

Quatrième argument, central : le passage **du projet au produit**. *« La plate-forme […] il faut la considérer elle-même comme un produit »*, financé non par un investissement ponctuel mais par un **flux mensuel**, pour soutenir itérations et innovation continues.

Cinquième argument : la **gouvernance**. La GenAI *« s'est démocratisée d'une manière inédite »*, ce qui engendre *« tant du shadow AI que de fortes attentes vis-à-vis de la DSI »*. Une gouvernance adéquate doit capter les besoins des différents métiers, **prioriser les produits par la valeur** créée et superviser le bon fonctionnement de l'ensemble.

Rafal annonce enfin un **changement de paradigme** à faire accepter : *« on passe d'une programmation algorithmique classique à des agents Langchain qui gèrent une partie des décisions »*. Texte fondateur, il pose dès début 2024 le socle (produit, plateforme/API, financement en flux, gouvernance) que les analyses ultérieures — jusqu'à la gouvernance financière FinOps/token de 2026 — ne feront que prolonger.

## GrapheDeConnaissance

- Olivier Rafal —publie→ L'IA générative est plus une affaire de produit technologique qu'un projet d'IA (DOCUMENT, 0.97)
- Olivier Rafal —travaille_chez→ WeNvision (ORGANISATION, 0.95)
- CIO-Online —publie→ L'IA générative est plus une affaire de produit technologique qu'un projet d'IA (DOCUMENT, 0.95)
- Olivier Rafal —affirme_que→ l'IA générative est un produit technologique plus qu'un projet d'IA (AFFIRMATION, 0.96)
- Olivier Rafal —affirme_que→ créer un foundation model demande plusieurs mois et des millions d'euros (AFFIRMATION, 0.93)
- Bloomberg —a_créé→ BloombergGPT (TECHNOLOGIE, 0.95)
- Olivier Rafal —recommande→ ingénieurs d'intégration et compétences cloud plutôt que data scientists (CONCEPT, 0.9)
- plateforme d'IA générative —est_basé_sur→ orchestrateurs et API (TECHNOLOGIE, 0.92)
- orchestrateurs et API —permet→ de changer de LLM sans retoucher les applications (CONCEPT, 0.92)
- Olivier Rafal —recommande→ considérer la plateforme GenAI elle-même comme un produit (AFFIRMATION, 0.94)
- Olivier Rafal —recommande→ financement en flux mensuel continu (CONCEPT, 0.9)
- démocratisation de la GenAI —permet→ shadow AI et fortes attentes vis-à-vis de la DSI (CONCEPT, 0.9)
- gouvernance GenAI —utilise→ priorisation des produits par la valeur créée (CONCEPT, 0.88)
- agents Langchain —remplace→ programmation algorithmique classique (METHODOLOGIE, 0.88)

---
Canonical: https://www.thekb.eu/fr/fiches/rafal-wenvision-ia-generative-produit-techno-pas-projet-2024-02-23/