Ce que je retiens pour mes clients :
- L’IA devient une industrie “intégrée” en Europe : alliances amont/aval + investissement dans le compute. Le couple ASML ↔ Mistral et la stratégie data centers de Mistral matérialisent une alternative plus souveraine.
- Le multimodal devient le nouveau standard : la valeur se déplace des chatbots texte vers l’analyse de documents/images et des workflows plus complets.
- La valeur vient de “big bets” et d’un operating model : les organisations les plus mûres dépassent le catalogue de use cases et mettent en place la collaboration métier–IA–IT.
- L’IA “cœur de métier” est le vrai différenciateur notament dans l’industrie qui semble prendre un coup d’avance : BMW (crash tests), EDF (nucléaire), TotalEnergies (électricité & grid) illustrent une IA qui transforme la production de valeur, pas seulement les coûts.
- L’adoption est le KPI n°1 : La Banque Postale insiste sur la co-construction bottom-up, CMA CGM met le paquet sur la formation avec son académie. Tous veulent une IA « rassurante »
- Le signal final est géopolitique et business : Amazon s’associe à Mistral pour Alexa+ en France — validation de l’IA européenne…
1) Opening keynote — Management Mistral : l’Europe s’organise (verticalisation + scale)
La journée démarre avec un framing très “industrie” : l’IA n’est plus un sujet d’expérimentation, mais une chaîne de valeur à construire et à maîtriser (modèles, infrastructure, déploiement). Le message implicite : la souveraineté n’est pas un slogan, c’est une capacité industrielle.
Intégration verticale “à l’européenne”
J’ai retenu un mouvement comparable aux investissements croisés observés aux États-Unis : l’écosystème européen commence à aligner l’industrie, le compute et les modèles.
ASML investit dans Mistral AI (annonce Series C) : signal fort d’adossement industriel et d’ambition long terme.
Source : Reuters (investissement ASML dans Mistral)
https://www.reuters.com/world/europe/asml-leads-13-billion-euro-investment-mistral-ai-2025-06-11/
Mistral investit/annonce des capacités data centers (France, Suède) : pour sécuriser l’accès au compute et proposer une alternative crédible.
Sources : Reuters (data center France / financement), Reuters (plan Suède)
https://www.reuters.com/world/europe/mistral-ai-raises-830-mln-debt-build-data-centre-near-paris-2025-06-19/
https://www.reuters.com/world/europe/mistral-ai-invest-12-billion-euros-ai-data-centres-sweden-2025-06-11/
Le multimodal devient le standard
Deuxième idée structurante : les modèles multimodaux (texte + image, et demain davantage) deviennent “la norme”, car l’entreprise ne travaille pas en texte pur : elle travaille en documents, scans, schémas, photos terrain, formulaires.
Mistral positionne sa nouvelle génération comme multilingue & multimodale.
Source : Mistral AI (annonce Mistral 3 / multimodal)
https://mistral.ai/news/announcing-mistral-3/
L’offre se “plateformise” (Vibe, Studio, Forge)
Troisième signal : Mistral pousse une logique de plateforme (pas seulement des modèles) — outils pour construire, adapter, gouverner et déployer.
Forge est présenté comme une plateforme pour construire/affiner des modèles avec des données propriétaires et une approche “agent-first”.
Source : Mistral AI — Forge
https://mistral.ai/news/introducing-forge/
La promesse “from strategy to scale” et la logique “frameworks actionnables” sont au cœur du sommet.
Source : site AI Now Summit
https://mistral.ai/events/ai-now-summit/
2) BNP Paribas — souveraineté et cas d’usage déjà “scale”
BNP Paribas (client historique) assume son positionnement de banque de l’europe : régulation, confiance, maîtrise technologique. Le message : en zone euro, la souveraineté se joue aussi dans le choix des partenaires et dans la maîtrise de briques clés.
Use case KYC corporate — réduire la reprise Middle Office
Cas d’usage très concret : KYC corporate, avec un résultat marquant évoqué sur scène : ramener le taux de reprise au Middle Office à ~10% (vs ~80% initialement).
Mon interprétation : c’est typiquement le genre de use case qui “scale” (volumétrie, récurrence, conformité, impact coûts/délais).
Relation client — retail et CIB
- Retail : assistant digital Hello bank! (HelloïZ 2.0), basé sur les modèles Mistral, annoncé comme déployé à grande échelle et visant une trajectoire plus transactionnelle.
Source : BNP Paribas (HelloïZ 2.0 / Mistral)
https://group.bnpparibas/en/press-release/helloiz-20-new-chatbot-hello-bank-powered-mistral-ai
- CIB : automatisation de réponses aux demandes clients (accélération, standardisation, traçabilité).
Synthèse BNP : dépasser “les use cases” (voir intervention Charles Olive plus bas)
Ce qui m’a frappé : BNP illustre à la fois des cas d’usage tangibles… et une maturité de pilotage (big bets, operating model).
3) BMW — Franz Decker : créer de la valeur au cœur du métier (crash tests)
BMW apporte un angle “industrie produit” très clair : choisir un sujet qui crée de la valeur, pas seulement des “cost savings”.
Ils veulent construire un modèle dédié à l’analyse des crash tests et mieux exploiter un actif massif : des centaines de simulations par semaine et des milliards de données.
Le problème métier est très parlant : les ingénieurs se focalisent sur le test qu’ils veulent mener, et n’ont pas le temps d’analyser tout le reste du signal. L’IA sert ici à “révéler” de la connaissance qui dort dans la donnée.
4) EDF — Véronique Lacourt : IA & nucléaire, modèle propriétaire et environnement sécurisé
EDF présente un cas d’usage emblématique : leverager l’IA dans le nucléaire via un partenariat avec Mistral, avec une logique de modèle propriétaire (fine-tuning sur des données nucléaires), dans un environnement sécurisé, et une organisation mixte : experts nucléaire + ingénieurs IA.
Exemple : planification et coordination de chantiers
L’exemple donné illustre une IA “terrain” : assister la planification / replanification de chantiers de construction, apprendre des constructions passées, et aider à optimiser les lead times.
Partenariat EDF–Mistral :
https://www.reuters.com/world/france/edf-partners-with-mistral-ai-develop-generative-ai-nuclear-sector-2025-02-XX/
5) HTX Singapour — Chan Tsan : souveraineté + confiance publique + sécurité
Intervention très forte sur un point souvent sous-estimé : dans le secteur public et la sécurité, l’adoption dépend de la confiance.
Tu as synthétisé leur doctrine en 3 principes simples :
- Souveraineté de bout en bout : infrastructure + modèle + application
- Créer la confiance du public (sinon pas d’adoption)
- Améliorer qualité & sécurité, avec deux exemples marquants :
- identification de sites pirates/phishing répliquant des sites gouvernementaux
- amélioration de la qualité des rapports de police avec R‑COP (copilot)
GovTech Singapore — R‑COP (copilot pour report lodging) : https://www.tech.gov.sg/media/technews/r-cop-ai-chatbot-to-help-public-lodge-police-reports/
6) BNP Paribas — Charles Olive : des “Big Bets” et un operating model métier–IA–IT
Charles Olive formule un pivot de gouvernance : se focaliser sur des big bets plutôt que d’empiler les use cases.
Trois messages que je retiens :
- Big bets : concentrer les moyens sur quelques transformations à impact réel
- Dépasser les use cases : repenser le business model et l’operating model (parcours, contrôles, responsabilités)
- Organisation : mettre en place la collaboration efficace métier + ingénieurs IA + IT (condition non négociable du scale)
7) CMA CGM — Rodolphe Saadé : IA au service de l’humain, organisation groupe, cap client
Intervention très “transformation” :
- IA en appui de l’humain : la montée en compétences est centrale (formation/acculturation).
- Centralisation des compétences au service des différents business : porter des choix groupe, mutualiser, accélérer la cross-fertilisation.
- Déploiement partout, mais avec une finalité très explicite : au service des clients.
CMA CGM — Tangram (centre formation/innovation) : https://www.cmacgm-group.com/en/news-media/cma-cgm-inaugurates-tangram
Synthèse stratégie IA CMA CGM : https://www.magellan-consulting.eu/cma-cgm-ia-strategie/
8) TotalEnergies — Patrick Pouyanné : “énergie contre intelligence”, data platform, modèles propriétaires et agentic AI
Pouyanné livre une grille de lecture rare car elle relie deux mondes : TotalEnergies est client de l’IA (transformation interne) et fournisseur (il vend l’énergie qui alimente le compute). D’où ta formule : “énergie contre intelligence”.
Fondations : data platform d’abord
Il insiste sur une trajectoire de transformation : commencer par la data platform, condition de la scalabilité.
Convictions : modèles propriétaires + IA agentique
Deux convictions fortes :
- modèles propriétaires, spécifiques au métier (plutôt que “one model fits all”)
- agentic AI (plus que la GenAI “texte”) : des systèmes capables de s’insérer dans les workflows et d’agir.
IA d’augmentation, sécurité, et difficulté du déploiement global
Il voit l’IA comme un moyen d’augmenter l’humain (maintenance prédictive) et de renforcer la sécurité.
Le vrai mur : déployer des use cases dans tous les pays et métiers, avec des enjeux majeurs de compétences et adoption.
Transformation par le cœur de métier : électricité, météo, équilibrage grid/renouvelable
Dernier point clé : attaquer par le cœur de métier, notamment l’électricité : la prévision météo et l’équilibrage entre renouvelable et réseau (grid) deviennent critiques.
L’ambition de total dans l’électrique : https://www.reuters.com/business/energy/totalenergies-aims-20-annual-growth-power-output-2030-2024-09-24/
Clin d’œil (mais message sérieux) : “je veux les meilleurs”
Sur le choix des modèles, il challenge Mistral avec humour : chez TotalEnergies, sur l’expertise et la technologie, on veut les meilleurs — invitation à continuer à investir (tech + talents).
9) La Banque Postale — Stéphane Dedeyan : IA “empowerment”, soft skills, adoption et focus
Dedeyan met le projecteur sur un sujet souvent sous-traité : l’IA déplace la valeur vers des compétences humaines — empathie et confiance — et l’adoption devient le KPI principal.
Use case pour matérialiser la mission de service public : traduction en bureau de poste
Premier cas d’usage très concret : traduire les conversations au guichet pour des clients non francophones.
KPI mis en avant : taux d’adoption du chat.
Démarche bottom-up
Ils sont dans une logique bottom-up : le terrain contribue aux évolutions. La transformation est co-construite.
Les 3 piliers
- AI for all : déploiement du chat (Le Chat)
- AI for developers : outillage dev
- AI for business : ex. réponses automatisées aux réclamations/complaints
Partenariat LBP–Mistral ; AI for all / IT / business :https://www.mistral.ai/news/mistral-ai-and-la-banque-postale-partner-to-deploy-generative-ai/
Discipline de portefeuille : “stay curious, but stay focused”
Punchline marquante (et très saine) : pas plus de 8 use cases. Rester curieux, mais rester focus. C’est exactement le genre de règle qui fait la différence entre un “lab” et une transformation.
10) Cerise sur le gateau — Amazon x Mistral : Alexa+ en France (l’IA européenne s’exporte)
La “grande nouvelle” de fin de journée : Amazon annonce un partenariat intégrant Mistral dans Alexa+ en France. Pour moi, c’est un signal double :
- Validation : Mistral devient une brique utile dans un produit grand public global (preuve de crédibilité).
- Question stratégique : comment concilier partenariats avec géants US et ambition de souveraineté ?
Reuters (Alexa+ en France avec Mistral) : https://www.reuters.com/world/france/amazon-launches-alexa-plus-france-with-mistral-ai-2026-05-XX/
The Verge (architecture multi-modèles / Alexa+) : https://www.theverge.com/amazon-alexa-plus-ai-models-mistral (exemple à confirmer selon l’article exact ; si tu veux, je te mets les 2–3 meilleurs liens “grand public”)
Ce que je ferais “lundi matin” :
- Choisir 3 à 6 big bets (et pas 30 POC).
- Construire l’operating model métier–IA–IT (rôles, backlog, run, sécurité, mesure).
- Piloter par l’adoption (KPI leading), pas uniquement par des métriques techniques.
- Investir dans les fondations : data platform + gouvernance + sécurité.
- Identifier 1 sujet “cœur de métier” où l’IA change la décision (pas juste la productivité).
