2611-SoireeCDO-synthetique

Soirée réservée aux Chief Data Officer

Comment passer d’un prototype à un pipeline IA fiable en production ?
Daniel partagera son retour d’expérience sur la conception, l’évaluation et le suivi de pipelines IA, notamment l’utilisation de LLM et de VLM pour extraire des informations structurées à partir de documents.
Au programme : choix des méthodes et des modèles, benchmarking, compromis entre qualité, latence et coût, validation des résultats et gestion des erreurs.
L’intervention abordera également le monitoring et la détection des régressions, avec des enseignements concrets pour aider les ingénieurs IA à fiabiliser leurs solutions.

S’inscrire à l’événement

À cette occasion, Isabelle Hilali, CEO de datacraft, modérera une table ronde intitulée « Souveraineté et IA : quelles conditions pour une autonomie stratégique ? ». Les échanges porteront sur les dépendances des entreprises aux fournisseurs cloud, aux composants critiques et aux infrastructures énergétiques, ainsi que sur les compromis nécessaires pour construire une véritable autonomie numérique.Avec la participation de :

📅 Le 19 novembre 2026, 13:30 – 14:15
📍Paris Expo Porte de Versailles

Pour plus d’information sur la session

S’inscrire à l’événement

Comment quantifier l’incertitude de vos prédictions et mieux maîtriser les risques associés à vos modèles ?

datacraft, en partenariat avec P16, une initiative portée par Inria, vous invite à une présentation en ligne de MAPIE, une bibliothèque Python open source dédiée à la quantification des incertitudes et au contrôle de risque en apprentissage automatique.

Grâce aux méthodes de prédiction conforme, MAPIE permet de construire des intervalles de prédiction en régression et pour les séries temporelles, ainsi que des ensembles de prédiction en classification, avec des garanties statistiques sous certaines hypothèses. Qu’il s’agisse d’encadrer une prévision de demande, d’identifier plusieurs catégories plausibles ou de contrôler un risque d’erreur selon un objectif métier, MAPIE aide à mieux exploiter les prédictions pour éclairer la prise de décision. Compatible avec l’écosystème scikit-learn et utilisable avec différents types de modèles, elle s’intègre dans vos workflows existants.

Ce webinaire présentera ses principales capacités et son utilisation dans votre pipeline d’apprentissage automatique et en production, pour passer de la prédiction seule à une prise en compte explicite de l’incertitude.

S’inscrire à l’événement

Tout le monde construit des agents. Les bonnes pratiques, elles, sont encore en train de s’écrire.

datacraft lance un meetup pensé pour celles et ceux qui conçoivent, testent ou mettent en production des systèmes agentiques.

Pas de keynote ni de recette toute faite : on compare nos approches, nos résultats et nos erreurs pour apprendre plus vite ensemble.
La soirée commencera par quelques retours d’expérience express, puis laissera place à la discussion autour de questions très concrètes :
– Quelle architecture choisir ?
– Quel modèle pour quelle tâche ?
– Comment évaluer la qualité et la fiabilité ?
– Comment arbitrer performance, coût et latence ?
– Comment mesurer le ROI ?
– Qu’est-ce qui n’a pas marché — et pourquoi ?

Vous avez déjà expérimenté un système agentique ? Venez avec vos enseignements, vos doutes et vos échecs autant que vos réussites.

L’objectif : repartir avec des idées concrètes, des erreurs à éviter et les retours de pairs confrontés aux mêmes problèmes.

Premier meetup IA agentique: jeudi 26 novembre de 18h à 20h chez datacraft, au 3 Rue Rossini, 75009 Paris

S’inscrire à l’événement

Pour éclairer ces arbitrages, 19 entreprises pionnières* se sont réunies tout au long de l’année 2026. Cette démarche commune leur a donné un cadre de dialogue pour faire progresser la réflexion collective, offrant un terrain d’observation privilégié aux chercheurs.

Le 1ᵉʳ décembre, nous dévoilerons les principaux enseignements issus du terrain ainsi que les livrables opérationnels : le rapport scientifique et un outil pensé pour faciliter l’opérationnalisation des apprentissages clés identifiés.

Agenda de la matinée

• Accueil des participants et petit-déjeuner
• Ouverture institutionnelle
• Présentation des résultats de l’étude IA au Travail, Nicolas Crozatier, Chercheur au LaborIA, Inria
• Comment identifier et maîtriser les coûts cachés de l’IA ? , Yann Ferguson, Directeur Scientifique du LaborIA, Inria
• IA et Capacités cognitives
• Retours d’expérience des entreprises pionnières associées au programme
• IA et dialogue social 
• IA au Travail : Saison 3, Isabelle Hilali, CEO de datacraft

S’inscrire à l’événement

*Le Programme IA au Travail fédère 19 organisations : ADP, Air Liquide, Bouygues, BPCE, Caisse Nationale d’Assurance Maladie, CHU de Montpellier, CNES, Crédit Agricole, Département du Morbihan, Eurofeu, Malakoff Humanis, PwC, Région Île-de-France, Renault, SNCF Réseau, Sopra Steria, UCANSS, VYV et Wavestone.

TL;DR — Cet atelier présente une architecture d’IA distribuée en cours d’industrialisation, conçue pour orchestrer et déployer des modèles experts au plus près des machines , illustrée par un premier cas d’application sur machine tournante.

S’inscrire à l’événement

Comment concevoir une IA industrielle capable de fonctionner au plus près des équipements, de s’adapter au contexte et de mobiliser uniquement les ressources nécessaires au bon moment ?

DotVision développe des solutions d’IA et de traitement embarquées pour les environnements industriels. Ses infrastructures IoT sont déjà déployées dans plusieurs secteurs, notamment dans l’aéronautique, l’énergie et les infrastructures ferroviaires, et plusieurs briques d’IA embarquée sont aujourd’hui utilisées en production . Ces déployés ont mis en évidence deux contraintes récurrentes : les données de défaut étiquetées sont rares, voire inexistantes, et les données brutes ne peuvent pas quitter le site . Ces expériences constituent le socle d’une architecture plus large actuellement en cours d’industrialisation.

Lors de cet atelier, DotVision présente cette architecture basée sur un graphe exécutable commun , pensée pour modéliser, simuler, orchestrer puis déployer l’intelligence jusqu’au microcontrôleur ( edge computing ). Ce graphe doit permettre de composer des modèles physiques, des traitements du signal, des règles métier et des experts IA, puis de répartir leur exécution entre microcontrôleurs, passerelles et serveurs selon les contraintes du système. Le même artefact traverse la chaîne, du simulateur à la cible embarquée.

L’objectif : permettre à une machine de comprendre son état de fonctionnement, de détecter des anomalies, d’identifier certains modes de défaillance et d’activer dynamiquement les traitements les plus pertinents . Plutôt qu’un modèle monolithique exécuté en permanence, l’approche repose sur des experts spécialisés, activés de manière conditionnelle et distribués au plus près des données . La référence s’apprend sur la machine saine, sans exemple de défaut ; le système lève des alarmes, il ne se substitue pas à l’opérateur.

La présentation s’appuiera sur un premier POC mobilisant la complète , autour d’un cas de diagnostic d’équipements tournants sur machine simulée avec un contrat d’acquisition industrielle : identification du régime de fonctionnement, analyse des signaux, activation d’un expert de diagnostic lorsqu’un régime inconnu apparaît , et possibilité d’escalader certains calculs vers des ressources plus puissantes. Le passage sur signal réel est l’étape suivante.

Au-delà de ce cas d’usage, l’atelier permettra d’explorer les principes réutilisables pour d’autres projets d’IA : comment décomposer une intelligence en composants spécialisés, orchestrer leur exécution, utiliser la simulation pour valider un détecteur avant de le déployer , et faire évoluer les capacités d’un équipement sans reconstruire toute la chaîne logicielle.

S’inscrire à l’événement

​

2612-Data Gouv-

À propos de Labelia
Porté par une communauté engagée, Labelia est le label de référence pour l’IA responsable et de confiance. Il repose sur un triptyque : un référentiel open source, une plateforme d’auto-évaluation et un label.

À propos de l’événement
datacraft souhaite clôturer l’année 2026 en réunissant la communauté autour des bonnes pratiques d’IA. Que vous soyez data scientist, ML engineer, product owner, chercheur ou simplement curieux du sujet, cette rencontre est l’occasion d’échanger sur des enjeux concrets et de découvrir les nouveautés et actualités du label.