The Desc mission is to collect and manage in real time the data transmitted by a digital network of more than 600 000 meters and sensors. This data is then analyzed to improve energy performance of more than 30,000 buildings. Fully committed to helping its customers consume less and better, Dalkia has deployed Artificial Intelligence in order to improve the Desc efficiency and help energy managers in their daily work.

The Desc, in the AI age

Dalkia is now collecting more than 29 million data points per day and this number is exploding! To Handle this growth, energy managers need solutions to support them in their data analysis and performance management processes. Anticipating this challenge, Dalkia started partnering with craft ai in 2016 to combine human intelligence with cognitive automation. Dalkia has implemented an Artificial Intelligence as a digital assistant for energy managers that is fully integrated within their usual workflow. It provides recommendations to semi-automate energy performance supervision process, enabling efficiency gain without specific training. As energy managers provide feedbacks through their usual dashboards and new data is pushed, the assistant keeps learning to automatically stay up to date and provide improved recommendations.

Far from the "black box" conundrum

Thanks to craft ai’s explainable AI approach, the assistant is definitely not a mysterious black box for the energy managers. They are always provided with the reasons behind each recommendation as well as the assistant’s corresponding level of confidence. Using their usual interface, energy managers can easily indicate whether a recommendation provided by the assistant is relevant or not, and send corrective elements that will be processed as new data to ultimately generate improved recommendations. The assistant’s explainable AI played a key role in its deployment at scale as it fosters trust and control.

A trustworthy assistant...

The assistant has been designed to be transparent. It works in the background, implementing the expertise it has automatically learned from energy managers, enabling them to focus on higher added value tasks. The energy managers also have access to the reasons of the recommendations provided by the assistant, allowing them to maintain control over the final decision. Today, the assistant detects energy performance anomalies for all sites managed by Dalkia and maintains a TOP 10 of the sites to be treated as a priority. As more new data is integrated, the assistant will be able to cover the full spectrum of the supervision process, from data analysis to energy performance actions suggestions.

...that learns on his own to become even better!

The craft ai underlying automated machine learning technology works at the individual level. This makes it possible to generate a predictive model for every site and automatically update them as new data is pushed into craft ai cloud. This architecture makes the Desc assistant a self-learning application whose recommendations accuracy keeps improving. To learn more about the Dalkia energy managers digital assistant and how AI contributes to improved energy performance, come meet craft ai & Dalkia at the FEDENE congress in September the 20th! Learn more

If you have any question, get in touch at contact@craft.ai.

‍

Le cas particulier des GPAI (Modèles d'IA à usage général) : Les grands modèles de langage (LLM) comme Mistral AI, OpenAI ou Claude entrent dans un régime propre. Soumis à une application progressive, ils nécessitent des analyses d'impact approfondies pour évaluer les risques selon s’ils sont utilisés bruts, fine-tunés ou intégrés via API.

‍

3. La Méthode "RADAR" pour Auditer ses Cas d'Usage

Développée par Xavier Trigano, la méthode RADAR permet à toute organisation de piloter sa mise en conformité de manière itérative :

• R – Recenser : Cartographier exhaustivement tous les cas d'usage de l'entreprise (outils internes pour les collaborateurs et solutions commercialisées).
• A – Attribuer les rôles : Identifier si l'organisation agit en tant que Fournisseur de modèle, Fournisseur de système d'IA, Intégrateur ou Déployeur (utilisateur final). Une même entreprise peut cumuler plusieurs rôles.
• D – Déterminer le risque : Qualifier le niveau de risque selon le type de cas d’usage et sa finalité (Inacceptable ? Haut risque ? Limité ? Faible ?).
• A – Appliquer les mesures : Mettre en œuvre les actions techniques et organisationnelles requises par le niveau de risque identifié.
• R – Rédiger la documentation : Constituer le registre et les preuves de conformité (similaire à la logique de l'accountability du RGPD).

Focus "AI by Design" - L'exemple du tri automatique de CV : Un outil RH qui exclut ou accepte des candidats de manière 100 % autonome est classé "Haut Risque", avec un coût de conformité très lourd. La méthode RADAR recommande plutôt une approche by design : modifier les fonctionnalités de l'outil pour en faire un simple système d'aide à la décision (qui extrait les compétences clés du CV mais laisse la validation finale à un recruteur humain). L'outil apporte la même valeur métier, mais bascule en risque limité, allégeant drastiquement les contraintes légales.

‍

4. FAQ : Shadow IT, RGPD et Souveraineté

Comment lutter contre le Shadow AI en entreprise ?

L'interdiction pure et simple ne fonctionne pas. Pour maîtriser l'usage des LLM par les collaborateurs, la réponse doit être transverse :

• Définir un catalogue d'usages autorisés sur la base d'outils sécurisés mis à disposition.
• Utiliser des solutions technologiques de DLP (Data Loss Prevention) pour bloquer le chargement de données sensibles vers des LLM tiers.
• Mettre à jour la charte informatique et le règlement intérieur.

L'usage des LLM (ChatGPT, Claude...) viole-t-il le RGPD ?

Ce n'est pas l'outil qui caractérise la violation, mais la finalité de l'usage. Reformuler une campagne marketing sur Claude ne présente aucun risque RGPD. En revanche, y injecter l'intégralité du fichier RH de la pyramide des âges de l'entreprise sans précaution constitue un manquement grave.

Des alternatives souveraines (hébergées on-premise ou sur des clouds français/européens) permettent de pallier les risques liés au Cloud Act américain tout en garantissant une efficacité équivalente.

Comment encadrer mes équipes dans leur utilisation de l’IA ?

L'IA Act impose une obligation de formation pour tous les utilisateurs au sein de l'organisation. L'IA pouvant se tromper ou halluciner, seul l'esprit critique de l'humain formé permet de couvrir ce risque résiduel et d'assurer un contrôle qualité efficace.

‍

5. Conclusion : L'IA Act, un levier de confiance et de compétitivité

L'IA Act ne doit pas être perçu comme un frein à l’innovation, mais comme un cadre de confiance.

En intégrant la conformité dès la conception des projets, l'IA devient un levier pérenne de performance économique, d'acceptabilité sociale et de souveraineté.

‍

Envie de développer votre agent IA sur-mesure conforme à la réglementation AI Act ? Contactez nos équipes.

‍

‍

Et accédez au replay de ce webinaire dès maintenant !