Bouygues Telecom, opérateur télécom de référence en France
Bouygues Telecom est l’un des principaux opérateurs télécoms français. L’entreprise couvre le mobile, la fibre et l’internet fixe pour des millions de clients particuliers et professionnels. Filiale du groupe Bouygues, elle dispose d’un patrimoine de données clients et réseau considérable. AVISIA accompagne Bouygues Telecom depuis plus de dix ans sur ses projets Data et IA.
| Chiffre d’affaires 2025 | Collaborateurs | Clients mobile | Clients fixe |
|---|---|---|---|
|
+8 Mds€
|
+10 000
|
27,3 M
|
5,5 M
|
Le défi : passer d’un accès expert à un vrai self-service analytics
Chez Bouygues Telecom, l’équipe Connaissance Clients et Data ScienceQu'est-ce que la Data Science ? La Data Science, ou science des données, est une discipline interdisciplinaire qui utilise des méthodes scientifiques, des processus, des algorithmes et des systèmes pour extraire des connaissances et des insights à partir de données, qu'elles soient structurées... More gère plus de 1 000 rapports Tableau. Ces rapports couvrent les questions récurrentes des métiers. Mais chaque question ponctuelle sortait de ce cadre. Il fallait chercher un rapport approximatif, ou solliciter directement l’équipe data.
Résultat : une part significative du temps de l’équipe partait dans des tâches sans réelle valeur ajoutée. Les managers attendaient un chiffre en pleine réunion. Les data scientists n’avaient plus le temps pour les sujets stratégiques.
Votre équipe data passe trop de temps sur des demandes ad hoc ? Échangez avec nos experts →
Notre approche : un self-service analytics propulsé par un agent multi-agents
AVISIA a accompagné les équipes Data et IT de Bouygues Telecom pour cadrer, concevoir et sécuriser un outil de self-service analytics capable de répondre en langage naturel. Une première tentative interne avait échoué en visant trop large. Cette leçon a guidé toute la méthode.
Architecture de la solution
métier
contexte
multi-agents
contextualisée
Cadrage : restreindre le périmètre
Une tentative interne précédente avait échoué en confiant toute la donnée à l’IA sans restriction. Le volume était trop massif pour être démêlé. AVISIA a recommandé un périmètre restreint : le marketing client.
Construction du contexte
L’outil s’appuie sur une description des bases de données et sur une bibliothèque de questions et requêtes SQL type. Cette bibliothèque s’enrichit à chaque usage.
Multi-agents et restitution transparente
Le système découpe la question en étapes simples, plutôt que de tout confier à un seul LLMQu'est-ce qu'un Large Language Model (LLM) ? Si vous avez testé des outils d'IA conversationnelle récemment, alors vous avez directement interagi avec ce qu'on appelle un Large Language Model. Derrière ce terme se cache une réalité technologique fascinante. Concrètement, il s'agit d'un systèm... More. Le résultat s’exécute en temps réel via BigQuery. La réponse se recontextualise ensuite en français. Les paramètres utilisés s’affichent, pour que l’utilisateur vérifie la réponse.
« Environ 30 % de l’activité de mon équipe consistait à répondre à des demandes ad hoc simples. Cet outil rend les métiers autonomes sur l’accès à la donnée. Il libère du temps pour que nos experts se concentrent sur d’autres sujets. »
Joëlle Lautré
Responsable Connaissance clients et Data Science, Bouygues Telecom
Pourquoi AVISIA pour déployer un agent IA conversationnel sur vos données ?
Une double expertise Data et IA
AVISIA a traité ce projet avec la rigueur d’un projet data classique : qualification et documentation de la donnée. Puis l’IA générativeQu'est-ce que l'IA Générative ? L'IA Générative est une sous-branche de l'IA. Elle se concentre sur la création de nouveaux contenus (textes, images, vidéos...) à partir des données d'entraînement. Les modèles d'IA générative sont capables de générer de nouvelles données similaires au... More est venue s’ajouter sur un socle déjà solide.
Une méthode de cadrage éprouvée
Une tentative précédente avait échoué faute de périmètre. AVISIA applique cette même discipline sur d’autres projets. Comme chez MGEN, pour donner accès en langage naturel à un patrimoine de données existant. Voir le REX MGEN →
Une architecture pensée pour la fiabilité
Le système multi-agents décompose chaque question en étapes simples. Ce choix technique prime sur la puissance brute du modèle.
AVISIA crée des compétences, pas des dépendances
Un outil d’IA n’a de valeur que si les équipes métiers lui font confiance seules. Sans dépendre en permanence des experts data pour valider chaque chiffre.
Les bénéfices concrets du self-service analytics pour les équipes Bouygues Telecom
Autonomie retrouvée
Les managers et directeurs accèdent directement à l’information dont ils ont besoin, sans passer systématiquement par l’équipe data pour chaque demande.
Gain de temps mesurable
La réduction du temps de recherche d’information libère le temps de l’équipe Connaissance Clients et Data Science pour des sujets à plus forte valeur ajoutée.
Une réponse vérifiable, pas une boîte noire
Les paramètres utilisés pour calculer chaque résultat s’affichent avec la réponse. L’utilisateur vérifie que sa question a été bien comprise avant de faire confiance au chiffre.
Une démarche reproductible
Le périmètre marketing client a validé l’approche. Bouygues Telecom peut désormais l’étendre à d’autres domaines de données, sans repartir de zéro.
Questions fréquentes
Comment fonctionne un outil de self-service analytics propulsé par l’IA générative ?
Le principe est simple : vous posez une question en langage naturel, comme vous le feriez sur un LLM comme Gemini, Perplexity ou Claude. Vous obtenez ensuite une réponse claire sur vos données, sans avoir à écrire une seule ligne de requête.
Concrètement, AVISIA structure d’abord une description des bases de données concernées et une bibliothèque de questions et requêtes types, qui servent de contexte à un modèle de langage (LLM). Un système d’agents spécialisés analyse ensuite la question posée, identifie la donnée à mobiliser, construit la requête SQL correspondante, puis l’exécute en temps réel sur l’entrepôt de donnéesQu’est-ce qu’un Data Warehouse ? Dans un monde où chaque interaction client et chaque processus interne génèrent des volumes massifs de données, le Data Warehouse (ou entrepôt de données) s’impose comme la colonne vertébrale de toute stratégie décisionnelle. Pour faire simple, imagine... More (BigQuery dans le cas de Bouygues Telecom).
Le résultat n’est jamais un chiffre brut : il est reformulé en français, accompagné des paramètres utilisés pour le calculer, afin que l’utilisateur puisse vérifier que sa question a été correctement comprise avant de s’appuyer sur la réponse.
Quels bénéfices pour une entreprise avec un volume de données important, comme un opérateur télécom ?
Dans une organisation comme Bouygues Telecom, la donnée existe déjà en abondance : rapports, bases clients, historiques d’usage. Le problème n’est pas sa disponibilité, mais son accessibilité pour les équipes qui n’ont pas d’expertise technique. C’est précisément ce goulot d’étranglement que ce type de projet résout.
Pour les équipes métier : plus besoin de solliciter un expert data ou d’attendre un email pour obtenir un chiffre. La réponse arrive en quelques secondes, en langage naturel, y compris en pleine réunion.
Pour les équipes data et DSI : les sollicitations ad hoc répétitives diminuent fortement, ce qui libère du temps pour la modélisation, la segmentation ou l’exploration de nouvelles données.
Pour la direction : le patrimoine de données déjà constitué devient enfin exploité au quotidien pour la décision, plutôt que de rester consultable uniquement par une poignée d’experts.
Pourquoi restreindre le périmètre plutôt que de couvrir toutes les données dès le départ ?
C’est la leçon la plus importante de ce type de projet. Une première tentative interne chez Bouygues Telecom avait échoué en confiant l’intégralité des données à l’IA, sans restriction. Le volume était trop massif et trop hétérogène. Le modèle ne parvenait plus à démêler l’information pertinente. Et le risque de réponse erronée, mais formulée avec assurance, augmentait fortement.
En validant d’abord un périmètre restreint, comme le marketing client chez Bouygues Telecom, on sécurise la qualité des réponses et on construit une méthode de cadrage réplicable, avant d’étendre progressivement l’outil à d’autres domaines de données.
Combien de temps pour déployer un dispositif similaire, et quels profils peuvent l’utiliser ?
Le projet chez Bouygues Telecom a suivi une approche progressive : cadrage du périmètre, construction du contexte documentaire, puis mise en place de l’architecture multi-agents. La durée dépend surtout de l’état de préparation de votre socle de données : plus vos bases sont documentées, plus le cadrage initial est rapide.
Côté utilisateurs, l’outil cible en priorité les managers et directeurs sans expertise data, qui ont besoin d’un chiffre rapidement, y compris en réunion. Plus largement, tout collaborateur métier peut l’utiliser sans connaissance technique préalable, avec un accompagnement les premières semaines pour ajuster les usages au terrain. Échangez avec un expert →
Vous voulez libérer le temps de votre équipe data ?
Partagez-nous votre contexte : volume de données, outils en place, cas d’usage envisagé. Un expert AVISIA reviendra vers vous sous 48h.
Chargement du formulaire de contact…
