Le hub IA d’OMV déploie la confiance à l’échelle de l’entreprise

OMV a fait passer son AI Hub de 500 à 2 500 utilisateurs mensuels, malgré les préoccupations de sécurité qui freinent souvent l’adoption en entreprise. Le titre de Google News présente cette évolution comme une histoire de confiance à grande échelle. Les propres chiffres d’OMV révèlent quelque chose de plus précis : accès contrôlé, applications réutilisables et formation des employés progressent de concert.

Cette combinaison importe davantage qu’un simple lancement de chatbot d’entreprise. Les sociétés mettent souvent à disposition un assistant généraliste, annoncent un engagement initial, puis peinent à relier l’usage au travail opérationnel. OMV affirme au contraire avoir développé des outils spécialisés pour la recherche juridique, les réglementations internes, les communications et l’ingénierie offshore.

Le cas de l’entreprise est prometteur, mais les éléments disponibles restent incomplets. OMV fait état d’une forte hausse des prompts et de la participation, sans avoir publié de mesures indépendantes de productivité, de taux d’erreur ou de retours financiers. L’enjeu central n’oppose donc pas OMV à une autre entreprise énergétique. Il concerne la promesse d’OMV d’une IA fiable à l’échelle de toute l’entreprise, face à la réalité plus difficile consistant à prouver une valeur métier durable.

Ce qu’OMV a réellement changé

OMV a transformé une collection d’expériences IA en un point d’entrée unique et gouverné pour les outils, l’apprentissage et l’information interne.

OMV a lancé l’AI Hub en 2025 comme plateforme à l’échelle de l’entreprise pour des assistants d’IA générative et des ressources d’apprentissage associées. L’entreprise le décrit comme un environnement sécurisé, construit sur Microsoft Azure et intégré à ses systèmes numériques existants.

La plateforme s’adresse à une main-d’œuvre répartie entre fonctions de bureau, industrielles et offshore. Le récit d’OMV d’août 2026 indique que l’entreprise compte plus de 18 000 employés, dans des fonctions allant de la géologie et du forage au droit et à l’analytique. Une annonce distincte du groupe mentionnait environ 22 300 employés dans le monde en 2025, à l’échelle plus large du groupe OMV.

Cette diversité organisationnelle crée un problème de déploiement complexe. Un juriste examinant l’historique de dossiers a besoin de sources et de garde-fous différents de ceux d’un ingénieur recherchant des rapports techniques. Un chatbot généraliste ne peut pas couvrir de manière fiable ces deux contextes sans une conception attentive des accès aux données et des tâches.

La réponse d’OMV commence avec OMVicky, son assistant interne polyvalent. L’entreprise indique que l’outil peut analyser de grands documents et jeux de données tout en aidant à réfléchir, rédiger et réviser.

Le Hub contient également dix outils spécifiques aux métiers, selon le récit d’OMV sur l’AI Hub. Il s’agit notamment d’un traducteur, d’un assistant juridique, d’un assistant dédié aux réglementations et d’un outil qui rédige du contenu dans le style privilégié par OMV.

L’assistant juridique exploite deux téraoctets de dossiers historiques. Le Regulations Assistant aide les employés à rechercher parmi environ 1 500 réglementations et procédures internes. Il s’agit de tâches de récupération d’information, où un système localise des documents pertinents avant de générer une réponse.

Un AI Companion norvégien répond à un autre goulet d’étranglement informationnel. OMV affirme qu’il s’appuie sur 2,5 millions de pages de rapports techniques, offrant aux ingénieurs de plateformes des réponses intégrées sans les obliger à parcourir manuellement de nombreux documents.

Ces exemples donnent à l’initiative une portée plus substantielle que ne le laisse entendre le seul résumé de Google News. OMV ne se contente pas de placer un modèle de langage derrière une connexion d’entreprise. L’entreprise relie les modèles à des collections internes sélectionnées et les organise autour de fonctions reconnaissables.

L’entreprise indique également que les requêtes restent dans son environnement contrôlé. Ses outils utilisent les modèles d’OpenAI comme fondation, mais les employés y accèdent via l’infrastructure d’OMV plutôt que par des interfaces grand public.

Cette distinction est importante, car les documents confidentiels constituent l’un des obstacles les plus évidents à l’IA au travail. Les employés peuvent souhaiter de l’aide pour résumer des contrats ou des dossiers techniques, mais un outil public peut engendrer des risques de traitement inacceptables.

Le Hub offre à OMV une alternative approuvée. Toutefois, une interface interne ne garantit pas automatiquement des réponses exactes, des contrôles d’accès exhaustifs ou une révision humaine adéquate. Ces questions gagnent en importance à mesure que l’usage s’étend au travail opérationnel.

L’histoire de Google News porte en réalité sur l’adoption

Le changement significatif n’est pas qu’OMV propose des outils d’IA, mais que l’usage récurrent a progressé parallèlement à un programme de formation structuré.

OMV indique que la participation mensuelle est passée de 500 utilisateurs en mars 2025 à 2 500 en décembre. Le volume de prompts a progressé de 50 000 à 250 000 sur la même période.

Les deux mesures ont été multipliées par cinq. Le nombre moyen de prompts par utilisateur mensuel est resté proche de 100 à chaque extrémité de la période, d’après les totaux communiqués. Cette tendance suggère que la croissance provient principalement d’un plus grand nombre de personnes utilisant la plateforme, et non d’un petit groupe générant une activité beaucoup plus intense.

Ces chiffres exigent néanmoins une interprétation prudente. Les prompts sont des interactions, pas des tâches achevées ni des résultats vérifiés. Une longue conversation visant à corriger une réponse faible peut générer davantage de prompts qu’une recherche réussie en une seule requête.

Cela dit, une participation mensuelle récurrente est plus significative que de simples totaux d’inscription. Elle montre qu’au moins une partie du personnel est revenue sur la plateforme après une première exposition.

Le rapport de numérisation 2025 d’OMV ajoute un autre indicateur d’adoption. Plus de 10 000 employés ont participé à des ateliers et formations sur l’IA générative, soit deux fois la portée de l’année précédente.

L’entreprise associe aux outils eux-mêmes des sessions de découverte, des experts internes, des prompts sélectionnés et des supports d’apprentissage. Elle a également créé un parcours d’apprentissage de l’IA adapté à différents niveaux de compétence.

Cette couche de formation modifie la nature du projet. Les employés doivent comprendre quelles données ils peuvent utiliser, dans quels cas les réponses générées peuvent échouer et quand un humain doit vérifier le résultat. Un accès sans ce discernement peut accroître le risque tout en donnant l’impression que l’IA est largement adoptée.

Les résultats antérieurs d’OMV montrent la rapidité avec laquelle le programme s’est développé. Son bilan de numérisation 2024 faisait état de plus de 140 idées liées à l’IA et de 25 projets actifs. Il signalait également des millions d’utilisations d’outils internes reposant sur GPT au cours de 2024.

En 2025, OMV a fait état de plus de 50 projets IA actifs, de plus de 40 projets en développement et de plus de 210 idées dans son pipeline. Ces chiffres décrivent un portefeuille en expansion, sans toutefois établir combien de projets ont généré des retours mesurables.

La séquence est notable. OMV a d’abord développé des services techniques partagés, notamment des capacités de traduction, d’analyse de documents et de conversion de la parole en texte. L’entreprise a ensuite utilisé ces composants pour soutenir des applications plus spécialisées.

Des composants réutilisables peuvent réduire la répétition du travail d’ingénierie. Ils rendent également la gouvernance plus cohérente, car les équipes n’ont pas besoin de concevoir des systèmes distincts d’identité, de journalisation ou de traitement des données pour chaque pilote.

Cela aide à expliquer la courbe d’adoption signalée. Les employés ont reçu des points d’entrée adaptés à leurs tâches, plutôt que des instructions les invitant à découvrir eux-mêmes des usages à partir d’une fenêtre de chat vide.

L’objectif est bien plus vaste que la participation actuelle. OMV souhaite que les assistants atteignent 90 % de son personnel de bureau. L’entreprise prévoit également d’étendre l’accès aux employés de terrain au moyen d’appareils portables.

Cette extension testera la capacité du modèle actuel à s’appliquer au-delà des fonctions fortement axées sur les documents. Les environnements industriels impliquent des interfaces, des conditions de connectivité, des exigences de sécurité et des conséquences différentes en cas de réponses inexactes.

La confiance dépend de l’architecture et des comportements

OMV traite la confiance comme un système fondé sur une infrastructure contrôlée, des informations pertinentes et le jugement des employés.

L’architecture répond à la première couche. OMV affirme que ses applications fonctionnent dans un environnement d’entreprise et utilisent Microsoft Azure comme plateforme cloud sous-jacente. Les employés bénéficient donc d’un accès centralisé, au lieu de déplacer des travaux sensibles vers des comptes non gérés.

Cette approche répond à une tendance répandue sur le lieu de travail. Microsoft et LinkedIn ont indiqué que 75 % des travailleurs du savoir interrogés utilisaient l’IA au travail en 2024. Parmi ces utilisateurs, 78 % apportaient leurs propres outils d’IA sur leur lieu de travail.

Cette enquête sur l’IA au travail portait sur 31 000 personnes réparties sur 31 marchés. Les résultats proviennent d’un fournisseur technologique, mais ils illustrent le problème de gouvernance auquel sont confrontés les grands employeurs.

Lorsque les outils approuvés arrivent lentement, les employés peuvent adopter par eux-mêmes des services publics. Ce comportement peut disperser les informations de l’entreprise entre des comptes, des interfaces et des fournisseurs que les équipes de sécurité ne peuvent pas surveiller de façon cohérente.

Un Hub centralisé offre à OMV un endroit où appliquer des contrôles d’identité et des politiques d’utilisation. Il peut aussi donner aux employés une réponse plus claire lorsqu’ils demandent quel outil est approuvé pour une tâche confidentielle.

La deuxième couche concerne le périmètre informationnel. Les assistants spécialisés d’OMV utilisent des ensembles sélectionnés de contenus internes, notamment des réglementations, des dossiers juridiques et des rapports techniques. Cette conception est couramment appelée génération augmentée par récupération, ou RAG, car les documents récupérés fournissent le contexte nécessaire à une réponse.

Le RAG peut rendre une réponse plus pertinente pour le travail de l’entreprise. Il n’élimine pas les hallucinations, où un modèle produit un texte non étayé ou incorrect.

La qualité de la récupération dépend également de l’actualité des documents, des autorisations, de l’indexation et de la formulation de chaque demande. Un assistant peut manquer le bon document ou combiner des passages de manière trompeuse.

La troisième couche concerne le comportement des utilisateurs. Les employés doivent savoir qu’un langage fluide n’équivaut pas à une analyse vérifiée. Ils ont aussi besoin de consignes spécifiques à leurs tâches concernant les données acceptables en entrée et les vérifications requises.

C’est là que le programme de formation d’OMV devient une composante du système de contrôle. Les ateliers et les sessions de découverte peuvent apprendre aux employés à formuler leurs demandes, à examiner les documents à l’appui et à reconnaître les tâches qui exigent un jugement expert.

Le calendrier s’aligne également sur la réglementation européenne. L’article 4 de l’AI Act de l’UE impose aux fournisseurs et aux déployeurs de soutenir la culture de l’IA parmi le personnel qui exploite ou utilise des systèmes d’IA.

La disposition s’applique depuis le 2 février 2025. Les autorités nationales ont commencé à superviser et à appliquer ces règles en août 2026, selon les orientations de la Commission européenne sur la culture de l’IA.

Cette exigence n’impose pas un niveau de compétence universel. Les organisations doivent prendre en compte les connaissances techniques, l’expérience, l’éducation, la formation et le contexte dans lequel un système est utilisé.

La combinaison, chez OMV, de ressources d’apprentissage communes et d’applications spécialisées correspond à cette logique sensible aux risques. Un assistant de communication et un compagnon d’ingénierie pour plateformes ne devraient pas exiger des instructions ou une supervision identiques.

La confiance ne peut donc pas reposer sur la promesse que le modèle est sûr. Elle dépend de la capacité d’OMV à maintenir l’alignement entre les limites des données, les collections de sources, les droits d’accès, la formation et la responsabilité humaine à mesure que la plateforme se développe.

Pour les travailleurs du savoir individuels, un principe similaire s’applique. Une base de connaissances utile nécessite des limites de sources claires et une discipline de récupération, et pas seulement une interface conversationnelle.

Ce que les chiffres d’OMV ne prouvent pas

La croissance de l’usage étaye l’affirmation d’adoption d’OMV, mais elle ne vérifie pas encore la productivité, l’exactitude, la sécurité ou le retour financier.

L’entreprise associe l’AI Hub à une livraison de projets plus rapide, une meilleure qualité de travail et une sécurité renforcée. Ces conclusions restent toutefois communiquées par l’entreprise et non issues d’un audit indépendant.

OMV n’a pas publié de comparaison contrôlée entre les employés qui utilisent le Hub et ceux qui ne l’utilisent pas. L’entreprise n’a pas communiqué le nombre d’heures vérifiées gagnées par tâche, les réductions d’erreurs, les tendances en matière d’incidents ou les retours sur investissement pour les applications individuelles décrites.

Cette lacune ne signifie pas que les outils n’ont aucune valeur. Elle indique que les éléments disponibles étayent une conclusion plus limitée : les employés utilisent le système plus souvent et OMV a élargi son portefeuille d’applications.

Le volume de prompts est particulièrement facile à surinterpréter. Un prompt peut produire une réponse utile, lancer une recherche infructueuse, corriger une réponse antérieure ou servir à une tâche de rédaction à faible valeur. Considérer tous les prompts comme équivalents masquerait ces différences.

Les totaux mensuels d’utilisateurs doivent également être contextualisés. Les 2 500 utilisateurs signalés représentent une audience interne significative, mais restent très inférieurs aux effectifs globaux de l’entreprise. Ce chiffre couvre l’assistant interne, tandis que la participation peut varier selon les autres outils.

La participation aux formations soulève une question similaire. Plus de 10 000 participants aux ateliers témoignent d’une portée organisationnelle. La présence seule ne révèle pas si les employés ont retenu les recommandations ou modifié leur manière de vérifier le travail généré par l’IA.

Les applications spécialisées posent leurs propres questions de mesure. Un assistant réglementaire devrait être évalué selon sa capacité à retrouver la règle actuelle correcte, à préserver le contexte et à afficher des sources traçables.

L’outil juridique devrait être évalué en matière de confidentialité, d’autorité, d’exhaustivité et de fausses citations. Un assistant de contenu nécessite un examen de l’exactitude factuelle, de la transparence et de la conformité avec la politique de l’entreprise.

Le Norwegian AI Companion soulève des enjeux opérationnels plus élevés. Rechercher parmi 2,5 millions de pages techniques peut faire gagner du temps, mais une réponse incomplète peut aussi créer une confiance mal placée. Les ingénieurs ont besoin d’un chemin clair vers les documents faisant autorité.

OMV cite Lexander Brouwer, responsable Data, AI and Transformation, affirmant que le système peut parcourir des documents complexes en quelques secondes. Selon l’entreprise, cette rapidité peut libérer du temps pour la réflexion critique.

Pourtant, rapidité et qualité peuvent évoluer en sens inverse. Une récupération plus rapide ne crée de valeur que lorsque le contenu renvoyé est pertinent, actuel et correctement interprété.

Les affirmations en matière de sécurité méritent la même précision. Garder les interactions dans un environnement contrôlé par OMV réduit l’exposition aux outils grand public non gérés. Cela n’élimine pas les risques liés à des autorisations mal configurées, à une conservation excessive des données, à des documents malveillants ou à des comptes compromis.

L’utilisation de modèles OpenAI via Azure crée également une dépendance à plusieurs niveaux. OMV contrôle son environnement applicatif et ses intégrations de données, tandis que le comportement sous-jacent des modèles dépend encore en partie de fournisseurs technologiques externes.

Les mises à jour de modèles peuvent modifier la qualité des résultats ou le comportement de refus. Les assistants spécialisés nécessitent donc des tests de régression, qui vérifient si des tâches connues produisent toujours des résultats acceptables après des changements techniques.

La gouvernance doit également couvrir le cycle de vie des sources. Les réglementations évoluent, les dossiers juridiques s’accumulent et les rapports techniques peuvent être remplacés. Un assistant qui retrouve avec assurance un document obsolète peut sembler plus utile qu’il ne l’est réellement.

La version la plus solide de l’affirmation d’OMV sur la confiance relierait l’adoption à des preuves au niveau des tâches. Cela implique de publier des mesures telles que les taux de récupération réussie, l’exactitude des sources citées, la fréquence des corrections, la rétention des utilisateurs et le temps vérifié gagné.

L’impact financier compte également. OMV affirme prioriser les projets présentant une valeur stratégique et financière, mais ses documents publics ne détaillent ni le coût ni le rendement de l’AI Hub.

La tension principale reste donc non résolue. OMV semble avoir construit une voie crédible entre l’expérimentation et l’usage. L’entreprise n’a pas encore démontré que cet usage se transforme systématiquement en valeur opérationnelle fiable.

Le véritable adversaire d’OMV est la culture du pilote

L’AI Hub remet en cause l’idée selon laquelle l’IA d’entreprise devrait se diffuser par des expérimentations isolées menées par des équipes enthousiastes.

La culture du pilote semble sûre parce qu’elle limite l’exposition initiale. Un département peut tester un chatbot, démontrer quelques tâches et éviter de s’engager dans une infrastructure commune ou une formation à grande échelle.

Cette approche devient coûteuse lorsque chaque équipe répète le même travail. Des pilotes distincts peuvent engendrer des règles de données, des examens de sécurité, des interfaces, des fournisseurs de modèles et des méthodes d’évaluation différents.

OMV affirme avoir conçu dès le départ des blocs de construction réutilisables. L’entreprise peut appliquer des services communs à la traduction, à l’analyse de documents, à la recherche d’informations et à la génération de texte, tout en adaptant chaque application.

Cette philosophie « acheter avant de construire » apparaît également dans le rapport annuel d’OMV. L’entreprise cite Microsoft, SAP, Salesforce et SLB parmi ses partenaires technologiques stratégiques.

L’achat de services de base peut accélérer le déploiement et transférer une partie de la maintenance technique à des fournisseurs établis. La création en interne de couches ciblées peut préserver les flux de travail et les connaissances propres à l’entreprise.

Le compromis est la dépendance. Les services des fournisseurs, l’accès aux modèles, les conditions de licence et les feuilles de route produits peuvent changer. Une plateforme centralisée peut amplifier cette exposition dans de nombreux outils internes.

Un Hub partagé crée également un risque de concentration. Si l’identité, la récupération d’informations ou l’accès aux modèles échoue, plusieurs flux de travail peuvent être affectés simultanément. La centralisation simplifie la gouvernance, mais renforce l’importance de la résilience et de la planification de contingence.

L’alternative crée un risque différent. Des outils fragmentés peuvent masquer les mouvements de données, dupliquer les dépenses et empêcher les enseignements de circuler entre les départements.

Le modèle d’OMV choisit un contrôle centralisé avec des cas d’usage distribués. Les équipes métiers apportent les problèmes, tandis qu’une organisation IA commune fournit l’infrastructure, la gouvernance et des composants réutilisables.

Cette structure pousse les responsables technologiques internes à agir moins comme des gardiens que comme des opérateurs de plateforme. Ils doivent rendre les outils approuvés suffisamment utiles pour que les employés ne préfèrent pas des alternatives non gérées.

Elle transforme également le rôle de la formation. Un cours de sensibilisation ponctuel ne peut pas soutenir un portefeuille qui évolue constamment. Les employés ont besoin de conseils liés aux outils, aux tâches et aux modes de défaillance réels.

Le secteur de l’énergie rend ce défi particulièrement visible. OMV opère dans des installations industrielles, des environnements de terrain, des fonctions d’entreprise et des activités réglementées. Ces contextes présentent des tolérances différentes à l’erreur et à l’automatisation.

Un projet de texte marketing incorrect peut être corrigé avant publication. Une réponse technique incomplète pourrait influencer une décision à plus forts enjeux. Les contrôles de confiance doivent refléter cette différence.

Le cadrage de Google News met l’accent sur la confiance des employés, mais cette confiance ne doit pas devenir une dépendance inconditionnelle. L’objectif plus utile est une confiance calibrée, où les utilisateurs comprennent à la fois la valeur d’un outil et ses limites.

La confiance calibrée est plus difficile à mesurer que le volume de prompts. Elle se manifeste dans des comportements tels que la vérification des citations, l’escalade des réponses incertaines et le refus d’utiliser l’IA pour des décisions inadaptées.

OMV peut renforcer son dossier en montrant que ces comportements progressent parallèlement à l’adoption. Sinon, une utilisation plus élevée pourrait refléter la commodité sans démontrer une intégration responsable.

L’approche de l’entreprise offre néanmoins une leçon utile pour le secteur. L’IA d’entreprise évolue grâce à la conception organisationnelle autant qu’aux capacités des modèles. Un accès sécurisé, des sources pertinentes, des composants réutilisables et une formation continue doivent fonctionner comme un seul système opérationnel.

Ce qu’il faut surveiller après l’attention de Google News

Trois signaux montreront si l’AI Hub d’OMV devient une infrastructure fiable ou reste un programme d’adoption bien géré.

Le premier signal concerne le reporting des performances au niveau des tâches. OMV devrait aller au-delà des utilisateurs et des prompts pour présenter des résultats vérifiés pour les applications individuelles.

Pour le Regulations Assistant, des mesures utiles comprendraient l’exactitude de la récupération, la fraîcheur des sources, les demandes non résolues et les corrections après examen humain. Pour l’analyse de documents, OMV pourrait signaler les résultats acceptés et le temps gagné sur des tâches définies.

Des preuves d’une qualité durable renforceraient l’affirmation de l’entreprise selon laquelle des outils réutilisables améliorent le travail. L’augmentation des prompts sans mesures de qualité stables l’affaiblirait.

Le deuxième signal est l’adoption au-delà du travail intellectuel de bureau. OMV souhaite étendre les assistants aux ouvriers utilisant des appareils portables.

Cette expansion testera la conception des interfaces, la connectivité, la prise en charge linguistique et les contrôles de sécurité. Elle montrera également si le Hub peut servir des employés dont le travail ne se concentre pas sur les documents et les logiciels de bureau.

Une adoption réussie sur le terrain devrait inclure un accès clair aux sources et des voies d’escalade. Une simple augmentation de la disponibilité des appareils ne suffirait pas.

Le troisième signal est la gouvernance dans le cadre d’une application active de la réglementation européenne. Les obligations en matière de culture de l’IA sont déjà en vigueur, tandis que des exigences plus larges de transparence et de gestion des risques façonnent désormais les déploiements en entreprise.

OMV affirme que sa gouvernance est alignée sur l’EU AI Act et traite de la confidentialité, des biais et de l’explicabilité. La prochaine preuve viendra de contrôles documentés, de formations continues et d’éléments montrant que les applications reçoivent une supervision différente selon leur niveau de risque.

Ces signaux comptent davantage qu’une nouvelle liste d’assistants. Ils montrent si OMV peut préserver la confiance lorsque les utilisateurs, les collections de sources, les modèles et les attentes réglementaires évoluent tous.

L’entreprise a déjà franchi une étape importante. Elle a créé une plateforme autorisée que les employés semblent disposés à utiliser, et elle a associé cet accès à une formation substantielle.

L’obstacle restant est plus difficile. OMV doit montrer qu’une utilisation fréquente produit un travail correct, traçable et précieux dans des contextes très différents.

C’est la question que les lecteurs devraient garder à l’esprit au-delà du titre Google News. Si votre organisation développe l’IA au travail, demandez-vous quelles preuves se cachent derrière son tableau de bord d’adoption. Comptez les utilisateurs, mais suivez aussi les corrections, la qualité des sources, l’examen humain et les résultats mesurables des tâches. La confiance grandit lorsque les employés peuvent comprendre pourquoi une réponse mérite leur confiance, lorsqu’ils savent où commencent ses limites et lorsque l’organisation rapporte les échecs avec autant de soin que les réussites.