Preetpal Singh, Directeur Général du Groupe chez Xebia – Série d’entretiens

Preetpal Singh est Directeur Général du Groupe chez Xebia, où il dirige des initiatives mondiales axées sur la construction et la modernisation de plateformes numériques, d’applications d’entreprise et de systèmes basés sur les données. Avec plus de 26 ans d’expérience dans les services financiers, les soins de santé, la fabrication, la consommation et les industries de haute technologie, il a travaillé à l’intersection de la mise en œuvre technologique et de la transformation commerciale. Sa carrière s’étend de la livraison d’ingénierie à la direction de lancement sur le marché et au changement opérationnel à grande échelle, avec une attention constante pour transformer les technologies émergentes en systèmes qui fonctionnent de manière fiable dans des environnements de production.

Xebia est une entreprise d’ingénierie numérique mondiale qui conçoit, construit et modernise des produits et des plateformes numériques pour les entreprises du monde entier. L’entreprise combine l’ingénierie logicielle, la modernisation du cloud et des données, l’IA générative et l’automatisation intelligente pour aider les organisations à développer des applications évolutives, des architectures modernes et des capacités d’IA intégrées. Avec des équipes opérant dans plusieurs régions, Xebia travaille avec les entreprises pour intégrer de nouvelles technologies dans les systèmes et les plateformes orientées client, en veillant à ce que l’innovation soit soutenue par de solides fondations d’ingénierie.

Vous avez passé plus de 26 ans à diriger des initiatives technologiques, commerciales et de transformation dans plusieurs industries. Comment ce parcours a-t-il façonné votre approche de l’innovation et de la croissance aujourd’hui ?

Au fil du temps, je me suis concentré davantage sur la durabilité que sur la nouveauté. Au début de ma carrière, j’étais attiré par le pouvoir de la technologie elle-même. Avec l’expérience, j’ai commencé à prêter une attention plus grande à ce qui se passe après la phase de pilotage, lorsque les systèmes doivent s’intégrer avec les plateformes legacy, passer les examens de conformité et fonctionner de manière cohérente sous des charges de travail réelles. Dans toutes les industries, le point de bascule semble toujours se produire lorsque une initiative prometteuse passe en production. La propriété devient critique. La complexité d’intégration surgit. La tolérance au risque est testée. C’est là que la transformation soit mûrit, soit stagne.

Aujourd’hui, j’aborde l’innovation avec une perspective pratique. Chez Xebia, nous privilégions la construction et la modernisation des plateformes qui se trouvent au cœur des opérations. Nous pensons à la maintenabilité à long terme, à la traçabilité et à la scalabilité dès le départ, car la croissance ne se maintient que lorsque les systèmes sous-jacents sont conçus pour résister à la pression dans le temps.

Où les entreprises ont-elles le plus de mal lors de la mise en œuvre de l’IA ?

Les défis apparaissent généralement une fois que l’IA dépasse l’expérimentation et pénètre dans les systèmes opérationnels. Construire un modèle est un jalon, mais l’intégrer dans les flux de travail de souscription, les systèmes ERP ou les plateformes de réclamation introduit une autre couche de complexité.

Dans un scénario de déploiement, un modèle avait performé bien dans les environnements de test. Lorsqu’il a été connecté à un flux de transactions en direct, des questions sur la journalisation des audits, l’autorité de contournement et les mécanismes de rétablissement ont ralenti le déploiement. Les équipes de conformité avaient besoin de traçabilité. Les équipes de risque exigeaient de la clarté sur les chemins d’escalade. Ces détails opérationnels ont finalement déterminé le calendrier.

Les initiatives d’IA gagnent en traction lorsque les pipelines de données sont structurés, que la surveillance de production est en place et que la responsabilité est clairement définie. Les organisations qui planifient ces réalités tôt tendent à évoluer plus en douceur.

Comment distinguez-vous l’automatisation qui améliore l’efficacité et la transformation qui réaménage une entreprise ?

L’automatisation axée sur l’efficacité rationalise souvent les étapes au sein d’un processus existant. Une transformation plus large émerge lorsque les équipes réévaluent la structure même du processus.

J’ai vu des cas où des organisations préparaient l’automatisation des chaînes d’approbation qui s’étendaient sur plus d’une douzaine de points de contact. Une fois que la logique de décision a été réaménagée et les points de contrôle de validation consolidés, le flux de travail est devenu beaucoup plus simple. L’impact s’est étendu au-delà du cycle de temps ; il a influencé la responsabilité et la répartition des risques également.

Lorsque vous simplifiez le flux de décision avec l’entreprise d’abord, l’automatisation devient plus facile et les gains persistent.

Qu’est-ce qui distingue la transformation dans les industries hautement réglementées ?

Les secteurs hautement réglementés tendent à intégrer les considérations de gouvernance directement dans la conception des systèmes. Dans des industries comme les services financiers et les soins de santé, la traçabilité et l’explicabilité sont des exigences avant le déploiement, et non après.

J’ai travaillé avec des équipes qui ont incorporé des portes de validation de modèles dans les pipelines CI/CD et établi des normes de journalisation détaillées dès le départ. Les chemins d’escalade et les cadres de surveillance ont été définis tôt dans les discussions d’architecture. Cette discipline façonne des systèmes plus résilients et prépare les organisations à une autonomie croissante dans les environnements pilotés par l’IA.

Comment assurez-vous que les investissements dans l’IA s’alignent sur des résultats commerciaux mesurables ?

Je encourage les équipes de direction à définir le changement opérationnel qu’elles s’attendent à voir. Cela pourrait signifier réduire le temps de mise en service, augmenter la capacité de service sans croissance proportionnelle de l’effectif, ou réduire les taux d’erreur dans le traitement des réclamations.

L’instrumentation joue un rôle critique. Les plateformes que nous livrons incluent un suivi pour le débit, la latence, la précision de la décision et les taux d’adoption. Lorsque ces indicateurs sont visibles dans les tableaux de bord de production, les dirigeants d’entreprise peuvent relier les investissements technologiques à la performance opérationnelle. Comment les partenariats stratégiques accélèrent-ils l’IA à grande échelle ?

Les initiatives d’IA d’entreprise s’étendent sur l’infrastructure, les plateformes de données, l’architecture d’application et la sécurité. L’exécution coordonnée de ces couches nécessite de la profondeur et de l’alignement. Les partenariats créent de l’élan lorsqu’ils sont directement connectés à la capacité d’ingénierie et à l’exécution opérationnelle.

Notre collaboration élargie avec des partenaires comme Google Cloud, Anthropic et d’autres comprend le développement de solutions industrielles répétitives et l’établissement d’un Centre d’Excellence mondial pour soutenir une livraison évolutives. Des structures comme celles-ci réduisent la friction d’intégration et offrent de la cohérence à mesure que les déploiements s’étendent sur les régions et les unités commerciales.

Quels sont les malentendus que vous voyez autour de la préparation à l’IA ?

De nombreuses organisations considèrent les pilotes réussis comme une preuve de préparation. Dans la pratique, la préparation se manifeste dans des environnements de données structurés, des couches d’intégration stables, des protocoles de gouvernance définis et des modèles de responsabilité clairs.

La stabilité de production et la maturité de la gouvernance façonnent le succès à long terme autant que les performances du modèle. Un modèle peut performer bien dans les tests, mais une fois qu’il fonctionne à pleine charge de transactions, la latence, la surveillance et la gestion des défaillances deviennent critiques. Les équipes ont besoin de procédures de rétablissement claires, de détection de dérive, de normes de journalisation et de définition de propriété une fois que le modèle est en direct.

Lorsque les systèmes d’IA passent de rôles consultatifs à des rôles de prise de décision, la clarté autour de l’autorité de contournement et des chemins d’escalade devient essentielle. Lorsque ces garde-fous sont intégrés dans l’architecture tôt, la mise à l’échelle devient beaucoup plus gérable.

Comment les dirigeants devraient-ils réfléchir à l’équilibre entre l’innovation et le risque à mesure que l’IA se déploie dans les opérations ?

L’IA responsable est intégrée dans le système dès le premier jour et maintenue grâce à une surveillance active. Des critères clairs autour des domaines où les systèmes peuvent agir de manière indépendante et où la surveillance humaine reste essentielle aide à prévenir l’ambiguïté plus tard.

La surveillance continue est également importante, car les modèles de données changent et les paysages réglementaires évoluent. Les systèmes d’IA nécessitent une réévaluation périodique et un examen pour maintenir l’alignement avec les attentes commerciales et de conformité.

Comment maintenez-vous l’alignement entre l’exécution de l’ingénierie et la stratégie exécutive ?

L’alignement devient plus facile lorsque les gens sont honnêtes sur les compromis. Si vous voulez aller plus vite, il y a des implications techniques. Si vous donnez aux systèmes plus d’autonomie, vous aurez besoin d’une surveillance plus solide. Si vous personnalisez profondément, vous faites des choix sur la facilité avec laquelle il sera possible de les maintenir plus tard.

Rien de tout cela n’est mauvais. Il faut simplement que cela soit explicite. Lorsque ces réalités sont discutées ouvertement, l’ambition et la discipline ne sont pas en concurrence les unes avec les autres. Les dirigeants peuvent avancer, les ingénieurs peuvent construire de manière responsable, et tout le monde comprend ce à quoi ils s’engagent. Ce type de transparence construit la confiance et maintient les progrès constants dans le temps.

Où les entreprises devraient-elles concentrer leurs investissements stratégiques au cours des prochaines années ?

L’adaptabilité séparera les leaders du reste. Cela se résume généralement à des fondamentaux solides : des données propres, une infrastructure cloud évolutives, un déploiement discipliné et une visibilité claire sur la façon dont les systèmes fonctionnent.

Les entreprises qui investissent dans ces fondements et construisent les bons partenariats d’écosystème autour, peuvent s’adapter à mesure que les marchés et les réglementations changent. À long terme, l’avantage vient de la construction d’opérations et d’architectures qui peuvent gérer n’importe quelle vague qui arrive ensuite.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Xebia.