Quand des clients nous interrogent sur la « Decision Intelligence », la question suivante la plus fréquente est : de quoi s'agit-il vraiment — et en quoi cela diffère-t-il de la business intelligence « classique » ou d'un assistant basé sur un LLM ? On nous pose la question si souvent qu'une réponse claire et brève mérite de vivre ici durablement.
La définition qui nous sert de repère
"Decision Intelligence (DI) is a practical discipline that advances decision making by explicitly understanding and engineering how decisions are made, and how outcomes are evaluated, managed and improved via feedback." — Gartner, Decision Intelligence Glossary
Trois termes comptent ici : discipline pratique, modéliser explicitement, feedback. La Decision Intelligence n'est pas une nouvelle classe de modèles d'IA, mais une démarche d'ingénierie. Les décisions sont traitées comme des actifs — décrites, versionnées, évaluées. Qui a pris une décision, sous quelles hypothèses, avec quel résultat, revient alimenter les modèles qui préparent la décision suivante.
Pourquoi maintenant ? Le constat du Hype Cycle 2025
Gartner a classé la Decision Intelligence comme transformationnelle dans le Hype Cycle IA 2025 — la catégorie d'impact la plus élevée — et a publié en parallèle le premier Magic Quadrant des plateformes de decision intelligence. L'indicateur de pénétration du marché se situe actuellement entre 5 % et 20 %, avec deux à cinq ans avant l'adoption grand public. Traduction : la recherche est mûre, les premières plateformes sont disponibles, mais la plupart des organisations sont encore en phase de recherche ou de pilote.
Ce qui distingue la DI de la BI et de l'IA générative
La business intelligence répond à « qu'est-il arrivé ? » et « pourquoi ? ». L'IA générative répond à « comment formuler cela ? ». La Decision Intelligence répond à « que devrions-nous faire, sous quelles hypothèses, et comment saurons-nous plus tard si la décision était bonne ? ». Elle combine donc plusieurs composants qui vivent d'ordinaire séparément dans d'autres disciplines : modèles de domaine, prévision, logique de décision formelle, expérimentation contrôlée, piste d'audit.
Nous n'utilisons la Decision Intelligence que là où une décision est récurrente, descriptible et mesurable dans son résultat. Sans ces trois propriétés, la DI est surdimensionnée — et, honnêtement, le mauvais levier.
Comment nous la mettons en pratique
Dans notre studio, chaque initiative de Decision Intelligence passe par trois étapes : nous modélisons d'abord la décision formellement — acteurs, options, hypothèses, indicateurs. Ensuite seulement viennent les données, la prévision et les modèles d'IA. À la fin, une piste d'audit montre pourquoi la recommandation est ce qu'elle est. Notre propre plateforme cNode repose sur cette même mécanique.
Si vous vous demandez si un cas d'usage dans votre organisation se prête à la Decision Intelligence : contactez-nous. Nous vous dirons honnêtement si cela convient — ou si une automatisation classique atteint le même résultat à moindre coût.