C'est terminé !

Tout a commencé avec un simple artefact HTML. Maintenant, cela devient tout autre chose. Dans cette session, vous verrez comment les artefacts chez Glean ont évolué, passant de sorties statiques à des expériences dynamiques et interactives qui permettent à chacun de devenir un créateur. Nous verrons comment les équipes utilisent des artefacts interactifs pour visualiser des indicateurs, créer du contenu partageable, concevoir des présentations, générer des rapports, et plus encore, le tout à partir d’une conversation. Vous repartirez avec une compréhension claire des modèles qui sous-tendent ces expériences et de la manière de commencer à les créer pour vos propres cas d’usage.

« Permissions-aware » veut dire sécurisé. Les agents en lecture seule sont peu risqués. Les journaux d’audit suffisent. La gouvernance ralentit l’adoption. Vous avez entendu ces affirmations dans chaque réunion, chaque fil Slack, chaque argumentaire de fournisseur. Mais sont-elles vraies ? Dans cette session au rythme soutenu, nous allons nous attaquer aux hypothèses de sécurité les plus courantes sur les agents d’IA et les mettre à l’épreuve. Pour chaque mythe, nous passerons en revue un scénario réel, vous montrerons où l’hypothèse tient la route ou s’effondre, et en tirerons l’enseignement pratique. Il ne s’agit pas de faire peur. Il s’agit de remplacer les intuitions par des preuves pour que votre équipe puisse aller vite sans se bercer d’illusions sur ce qui est réellement sûr.

L’adoption de l’IA en entreprise évolue en trois étapes : des assistants qui rendent les connaissances de l’entreprise davantage en libre-service, des co-créateurs qui aident les employés à concevoir des solutions et à automatiser des tâches individuelles, et des agents qui orchestrent des workflows de bout en bout. Dans ce panel, des dirigeants expliqueront comment ils voient cette progression se concrétiser dans leurs organisations et dans de multiples secteurs, sur quoi ils se concentrent actuellement, et ce qui est nécessaire pour passer d’une étape à la suivante. La discussion explorera les opportunités et les défis liés au fait d’aller au-delà de l’IA conversationnelle : rendre accessibles des connaissances et des données d’entreprise gouvernées, permettre aux employés de créer des solutions plus rapidement, et mettre en place la sécurité, la gouvernance et la supervision humaine nécessaires à une automatisation des workflows digne de confiance. Les intervenants aborderont également la manière dont Snowflake, avec des partenaires tels que Glean, peut connecter des données d’entreprise sécurisées, des connaissances et des workflows métiers afin de soutenir cette progression. Au final, cette discussion apportera des points de vue clairs et transverses aux secteurs pour transformer les premiers succès de l’IA en un impact à l’échelle de l’entreprise.

Chaque fournisseur veut être la porte d’entrée vers l’IA pour vos collaborateurs, que ce soit l’IDE, l’application de chat, votre suite de productivité historique ou la toute dernière IA du marché. Mais dans un marché défini par une innovation constante, les choix que vous faites aujourd’hui pourraient ne plus être les meilleurs de leur catégorie demain. Dans le même temps, vous avez besoin que vos systèmes fonctionnent ensemble et que votre stratégie IA reste cohérente, durable et scalable. Cette session cartographie le paysage, explore quels outils ont le plus de chances de s’imposer et décrit comment construire une approche scalable sur le long terme. Vous repartirez avec une compréhension plus claire des arbitrages liés aux différentes approches de « porte d’entrée » IA et un point de vue défendable sur ce sur quoi standardiser et où rester flexible.

Un cas d’usage IA solide n’est pas encore une solution solide. Les équipes connaissent souvent le point de douleur qu’elles veulent résoudre, mais se retrouvent bloquées lorsqu’il s’agit de traduire cette idée dans la bonne combinaison de primitives Glean, de patterns d’agents, d’actions, de workflows et de choix d’implémentation. Dans cette session, nous passerons en revue une méthodologie pratique pour passer d’un cas d’usage client ou interne à une solution bien conçue sur Glean. Nous montrerons comment les équipes Glean évaluent le job à accomplir, identifient le véritable workflow utilisateur, décident de ce qui relève de la récupération vs. du raisonnement vs. de l’action, et choisissent la bonne surface de développement pour le problème. En chemin, nous partagerons les outils, les livrables de conception et les pratiques de travail qui aident les équipes à aller plus vite et à éviter les impasses courantes. Cette session complète l’ADLC, mais se concentre sur les 3 premières phases du processus : avant de passer à l’échelle avec des agents, comment cadrer correctement le problème et concevoir une solution qui vaut réellement la peine d’être construite ?

La capacité de Glean à offrir des expériences personnalisées et proactives commence par la compréhension de votre organisation, de ses collaborateurs, de ses contenus et de ses flux de travail. Cette session explore la couche de Contexte d’entreprise, le socle qui comprend les graphes d’entreprise et personnels de Glean ainsi que ses capacités d’indexation. Nous passerons en revue les dernières avancées dans la manière dont Glean capture et modélise les connaissances organisationnelles, la logique des flux de travail et les habitudes de travail individuelles, et nous vous montrerons comment ce contexte permet à Glean de faire remonter les bonnes informations et les bonnes actions au bon moment, souvent avant même que les utilisateurs aient à demander.

La plupart des entreprises n’ont pas un problème d’IA. Elles ont un problème de dispersion. Dans cette session, Brandon Berg expliquera comment Infoblox a utilisé Glean comme fondation commune pour l’IA en entreprise, en offrant aux équipes un point unique pour construire au lieu de courir après des outils déconnectés et des solutions ponctuelles à travers l’entreprise. Il présentera le prochain défi d’Infoblox : passer d’un environnement d’agents étroitement géré à un modèle plus ouvert, tout en préservant la gouvernance, la visibilité et la qualité. La session abordera ce qui change lorsque les dirigeants cessent de se demander si les gens utilisent l’IA et commencent à se demander si les équipes dupliquent le travail, construisent la même chose en parallèle, et perdent du temps et des jetons à réinventer des agents qui existent déjà. Brandon défendra également un modèle d’activation plus pragmatique : moins d’obsession pour des champions officiels, davantage d’attention portée aux personnes à l’écoute capables de mettre en lumière ce qui fonctionne réellement dans l’organisation et d’aider à l’opérationnaliser à grande échelle. Les participants repartiront avec une vision plus claire de ce à quoi ressemble la maturité de l’IA après la phase pilote, et de la manière d’équilibrer ouverture, standardisation et efficacité des jetons à mesure que l’adoption se déploie.

Howard Hughes est l’un des plus grands développeurs de communautés planifiées aux États-Unis, avec un portefeuille couvrant des millions de pieds carrés d’actifs commerciaux et résidentiels. En 2025, la direction a fixé un mandat ambitieux, à l’échelle de l’entreprise, pour remodeler en profondeur sa structure de coûts grâce à une efficacité pilotée par l’IA, avec Glean au cœur de cet effort. Dans cette session, nous expliquons comment Howard Hughes y est parvenu : en commençant par un pilote ciblé de 100 utilisateurs, en générant des victoires rapides autour de la gestion des connaissances et de l’automatisation des workflows, et en obtenant un mandat pour déployer Glean de bout en bout dans l’ensemble de l’entreprise. Vous découvrirez quels cas d’usage ont établi la crédibilité dès le départ, comment l’équipe est passée du pilote au déploiement à l’échelle de l’entreprise, et ce qu’il a fallu pour bâtir la conviction interne d’y aller à fond, notamment les agents, les intégrations et les changements opérationnels qui distinguent un pilote qui reste un pilote d’un déploiement d’IA qui est réellement mis en production.

L’écosystème de l’IA converge vers un ensemble de standards ouverts et de primitives plus rapidement que la plupart des équipes d’ingénierie ne peuvent suivre. Model Context Protocol (MCP) devient la couche d’interopérabilité universelle des outils, tandis que des frameworks comme Agent-to-Agent (A2A), Agent-to-UI (A2UI), Agent Development Kits (ADKs) et Cross App Access (XAA) redéfinissent la manière dont les outils, les compétences et les workflows agentiques interagissent entre les plateformes. Lors de cette discussion informelle, les partenaires de l’écosystème vont au-delà du battage médiatique pour aborder les architectures techniques qui prennent réellement forme. Attendez-vous à une analyse de niveau ingénierie expliquant comment ces standards émergents sont construits, adoptés et interconnectés à travers la stack IA moderne.

Modèles frontier et modèles ouverts : élaborer une stratégie d’entreprise durable. Choisir un modèle relevait autrefois d’une décision unique et binaire. Aujourd’hui, c’est une stratégie de portefeuille dynamique, et les entreprises peinent à savoir comment la mettre en œuvre à grande échelle. Les modèles frontier continuent de repousser les limites du raisonnement complexe, tandis que les modèles ouverts et de petite taille, spécialisés, réduisent l’écart de qualité pour une fraction du coût. Naviguer dans cette réalité hybride a fait de la stratégie de modèles un sujet qui atterrit directement sur le bureau du CFO, imposant un virage vers l’économie, l’orchestration et la durabilité à long terme. Rejoignez-nous pour une discussion sur les raisons pour lesquelles les modèles frontier et ouverts ne sont pas dans une bataille à somme nulle, mais plutôt des moteurs complémentaires au sein de la stack d’entreprise. Nous explorerons pourquoi des métriques comme le « rendement en tokens » gagnent en importance, comment les modèles moins coûteux modifient la conception des workloads, et où se situe réellement un avantage concurrentiel durable — que ce soit dans les poids eux-mêmes ou dans le contexte, le harness et l’orchestration qui les entourent.

Que faut-il vraiment pour transformer un pilote IA en une véritable dynamique business, sans rester bloqué dans le purgatoire des pilotes ? Dans cette session, nous partagerons une approche pragmatique pour passer de l’expérimentation initiale à un impact mesurable, notamment comment choisir les bons cas d’usage, attribuer des responsables clairement identifiés, définir une preuve de valeur et construire la crédibilité interne nécessaire pour passer à l’échelle. Nous expliquerons également comment les dirigeants doivent séquencer les fondamentaux tels que les workflows, la gouvernance, l’acculturation et la préparation de la plateforme, quoi prioriser en premier, et comment mettre en place dès le départ des jalons explicites d’arrêt ou de passage à l’échelle afin que les équipes puissent prendre des décisions en toute confiance et créer un chemin reproductible vers la transformation. Découvrez les enseignements de Tim Glomb, un professionnel avec plus de 20 ans d’expérience, marketeur et leader de la transformation IA, spécialisé dans la transformation de la manière dont les entreprises travaillent.

Tout le monde peut donner aux employés l’accès à des outils d’IA. Beaucoup moins savent comment transformer cet accès en habitudes durables, en véritables changements de flux de travail et en un meilleur jugement au fil du temps. Dans cette session, Canva explique comment sa stratégie IA est passée d’un déploiement précoce et de l’accompagnement des employés à un modèle plus rigoureux pour une adoption à grande échelle. Vous découvrirez comment Canva a dépassé l’approche centrée sur un seul outil, a construit un système interne d’adoption autour de l’accès et de l’apprentissage, a soutenu différents types d’utilisateurs à mesure que les besoins devenaient plus sophistiqués et a commencé à passer de « IA partout » à l’utilisation de l’IA aux bons endroits, pour les bonnes raisons. La session abordera également une question plus difficile à laquelle de nombreux dirigeants commencent tout juste à faire face : comment déployer l’usage de l’IA à grande échelle sans affaiblir l’esprit critique, la qualité du travail ou la confiance ?

Nous allons nous effacer pour celle-ci. Il y a énormément de connaissances partagées dans cette salle, et cette session est conçue pour les mettre à profit. Après un rapide tour de table, vous vous répartirez en petits groupes de discussion autour des sujets qui reviennent dans la vie de tout administrateur : intégrer de nouveaux administrateurs et les rendre rapidement opérationnels, construire un playbook pour les déploiements de connecteurs, surveiller la santé de la plateforme, suivre l’utilisation et l’adoption, déterminer quels indicateurs comptent réellement, concilier l’activation de l’IA avec la gouvernance, gérer les coûts de l’IA et obtenir l’adhésion des employés. Pas de slides, pas de démos, juste une conversation franche avec des personnes qui font le même travail que vous.

Que peut-on accomplir lorsque vous poussez les capacités de création d’agents de Glean à leurs limites ? Apprenez auprès des experts de Glean pour comprendre la pointe de ce qui est possible, en tirant parti de capacités d’agents avancées pour créer de puissants collègues IA.

Apportez votre workflow de Support le plus douloureux et repartez avec un plan clair pour l’améliorer. Lors de cette session interactive, Vlad Tsapko d’Insurity expliquera comment son équipe applique Glean à des défis concrets de Support et d’Opérations, suivis d’une intervention d’un speaker Glean et d’une démo. Vous découvrirez comment Glean relie le contexte, réduit le travail répétitif et dynamise les workflows de Support. Vous travaillerez ensuite avec des pairs et des experts Glean pour cartographier un workflow à forte friction, définir le problème et le résultat souhaité, et identifier la bonne voie à suivre - un agent, une skill ou un blueprint concret.

L’IA est une course à la vitesse, et de nombreux fournisseurs privilégient le délai de mise sur le marché par-dessus tout. Dans trop de cas, la sécurité et la gouvernance viennent ensuite -- si tant est qu’elles viennent. Pendant ce temps, les entreprises subissent une pression pour adopter ces outils sans comprendre pleinement les risques, ou les acceptent en connaissance de cause afin de déployer l’IA dans toute l’organisation. Il s’agit d’une discussion sur la manière de gérer le risque sans ralentir l’innovation, et sur la direction que prend la sécurité des entreprises dans un monde où la sécurité des fournisseurs est trop souvent une réflexion après coup.

Ce qui rend l’IA d’entreprise véritablement intelligente, ce n’est pas seulement la qualité du modèle. C’est la capacité du système à acheminer chaque tâche vers le bon modèle, au bon niveau de raisonnement, à éviter de brûler des tokens premium pour les tâches du quotidien, et à apprendre à reproduire les réussites sans réexploration coûteuse. Cette session explore la manière dont Glean construit cette couche d’intelligence. Nous verrons comment une couche d’orchestration agnostique aux modèles donne aux entreprises accès aux principaux modèles de pointe, tout en utilisant des modèles spécialisés et optimisés par tâche ainsi qu’un routage intelligent pour offrir des résultats de niveau « frontier » à une fraction du coût en tokens. Ensuite, nous montrerons comment l’intelligence d’entreprise se bonifie au fil du temps : des compétences qui encapsulent le savoir-faire de votre entreprise dans des playbooks réutilisables, un contexte qui adapte l’IA à vos processus de travail, et un apprentissage continu qui capte ce qui fonctionne et le rend reproductible. La façon dont vous utilisez Glean se renforce, reflétant la manière dont vos équipes pensent et opèrent réellement.

Savoir ce que la plateforme Glean peut faire est une chose. Voir ce que d’autres clients ont construit avec elle en est une autre. Dans cette session, Mark Jerome Cruz de LinkedIn et Pavan Ratnakar de NVIDIA présentent des exemples de ce qu’ils ont construit avec Glean et partagent les expériences et les décisions techniques qui ont façonné chaque implémentation. Leurs témoignages montrent comment les équipes utilisent différentes surfaces de la plateforme, notamment des API, MCP, des SDK Web ou des SDK clients, pour créer des expériences et des produits adaptés à leurs besoins. La discussion explorera la manière dont chaque équipe a trouvé l’équilibre entre ce qu’elle a construit elle-même et ce que Glean a fourni. Il s’agit d’un aperçu concret de ce que les créateurs peuvent réaliser avec la plateforme Glean, de la façon dont elle peut s’intégrer à une pile technologique existante, et de ce que d’autres équipes peuvent apprendre lorsqu’elles font passer une idée d’une première version à la production.

Nous couvrirons les nouveautés de la couche de protection et vous montrerons comment elles fonctionnent, comment elles sont configurées et comment elles répondent aux exigences de sécurité qui comptent le plus pour les équipes des grandes entreprises. Vous repartirez avec une compréhension claire de ce qui est possible aujourd’hui et une vision concrète de ce qui arrive ensuite.

Rejoignez cette session pour un aperçu concret du parcours de Coinbase avec Glean, des points de douleur et des premiers cas d’usage qui ont façonné le déploiement jusqu’à la philosophie, l’approche de mise en œuvre, la stratégie d’adoption et l’architecture de bout en bout qui le sous-tendent. Vous découvrirez comment leurs équipes génèrent de la valeur pour l’ensemble des employés, développent des solutions sur mesure par-dessus Glean et améliorent l’engagement et la fidélisation au sein de leur base clients.

Obtenir une vraie valeur des agents d’IA au travail demande plus que quelques démonstrations et un bon prompt. Il faut une méthode reproductible pour concevoir, développer et mettre à l’échelle ce qui fonctionne réellement. Dans cette session, nous passerons en revue le cycle de vie du développement des agents (ADLC) : un cadre pratique pour créer des agents adaptés à votre entreprise, générer un impact mesurable et éviter un fouillis d’expérimentations ponctuelles.

Databricks s’est associé à Glean pour résoudre un défi bien connu : aider plus de 10 000 employés à passer moins de temps à rechercher dans des systèmes fragmentés et plus de temps à accomplir un travail à forte valeur ajoutée. Lors de cette session, découvrez comment cette réussite en interne s’est transformée en partenariat stratégique et ce que cela débloque pour les clients communs. Databricks et Glean feront une démonstration de deux modèles d’intégration : Genie dans Glean Assistant, qui permet aux utilisateurs de poser des questions en langage naturel sur des données gouvernées sans quitter leur flux de travail habituel, et Glean MCP dans Agent Bricks, qui permet aux développeurs de créer des agents IA capables de raisonner sur la connaissance de l’entreprise avec un contexte complet. Repartez avec des cas d’usage concrets, des enseignements pratiques pour l’adoption et une vision claire de la manière dont la connexion de la connaissance de l’entreprise à des données gouvernées permet d’obtenir plus rapidement de meilleurs résultats avec l’IA.

La réussite de l’IA ne vient pas du lancement d’un pilote. Elle vient du déploiement de l’IA de manière à ce que les employés lui fassent réellement confiance, l’adoptent et l’utilisent pour générer des résultats métier mesurables. Dans ce panel clients, des dirigeants de General Mills, Nationwide, Marvell et Everpure expliqueront comment ils sont passés de l’expérimentation initiale au déploiement en conditions réelles, notamment comment ils ont choisi les bons cas d’usage, répondu aux exigences de gouvernance et de sécurité, piloté la conduite du changement et démontré la valeur après le lancement. Les participants repartiront avec des enseignements pratiques pour transformer l’IA d’un pilote prometteur en une composante déployée à grande échelle et reproductible de la manière dont le travail est réalisé.

Comment transformer la valeur de l’IA en un récit de ROI auquel les dirigeants font réellement confiance ? Dans cette session en petit comité, vous apprendrez à définir le ROI en termes simples pour les dirigeants, la finance et les parties prenantes métier, à identifier les KPI qui comptent à chaque niveau -- du salarié à l’équipe, au département et à l’entreprise -- et à relier les investissements en IA à des références de base claires, des objectifs réalistes et des récits métier crédibles. Nous verrons aussi comment équilibrer les dépenses, le délai de création de valeur et le renforcement des capacités stratégiques à long terme, afin que vous puissiez aller au-delà de vagues affirmations de productivité et construire un argumentaire IA convaincant et concret, qui parle à la direction.

La plupart des conférences sur l’IA sont des best-of. Celle-ci ne l’est pas. Nous allons marcher jusqu’aux limites de ce que l’IA d’aujourd’hui peut réellement faire et vous montrer exactement où et pourquoi elle s’effondre. Une rédaction qui a l’air compétente mais ne dit rien. Une analyse qui semble rigoureuse mais qui est discrètement fausse. De longues tâches où de petites erreurs se transforment en boule de neige jusqu’à devenir du non-sens. Comprendre où l’IA échoue n’est pas du pessimisme. C’est l’une des choses les plus précieuses que vous puissiez savoir, parce que cela vous montre où garder un humain dans la boucle, où ajouter de la vérification, et où le jugement humain compte le plus. Vous repartirez avec une vision plus claire des limites de l’IA, afin de pouvoir former vos employés à savoir les repérer, à appliquer un jugement supplémentaire lorsque nécessaire, et à construire des systèmes qui sont honnêtes sur leurs limites plutôt que sûrs d’eux à tort.

Découvrez toutes les nouvelles avancées de Glean Agents qui libéreront la productivité dans toutes les équipes, y compris de nouvelles fonctionnalités pour les créateurs d’agents et les administrateurs. Grâce à des exemples concrets par service, vous verrez comment Glean rend les agents plus puissants, plus pratiques et davantage prêts pour un déploiement à l’échelle de l’entreprise.

La meilleure expérience d’IA n’est pas celle qui répond à votre question. C’est celle qui sait ce dont vous avez besoin avant même que vous ne le demandiez. Dans cette session, nous allons explorer comment Glean utilise le contexte pour offrir des expériences d’IA proactives et personnalisées, en faisant remonter la bonne information, la bonne action ou la bonne incitation au bon moment. Nous passerons en revue les fondations techniques qui rendent cela possible : comment nous modélisons ce sur quoi vous travaillez, quels signaux nous utilisons et comment nous déterminons ce qui est pertinent maintenant par rapport à ce qui est du bruit. Lorsque le système comprend déjà votre contexte, il peut anticiper, préparer et agir. Nous montrerons où nous en sommes aujourd’hui, où cela va, et ce que cela signifie pour la façon dont votre organisation travaille avec l’IA.

Dans cet atelier pratique, vous apprendrez à analyser des données métier à partir de sources à la fois structurées et non structurées. À l’aide de requêtes en langage naturel et d’une Skill d’analyse de données, vous recueillerez des preuves, combinerez des données provenant de sources telles que des entrepôts de données, des applications métier, des documents et des conversations, et transformerez vos résultats en un tableau de bord interactif. Cette session est ouverte à tous les travailleurs du savoir et ne requiert aucun bagage en données ni en technique. Apportez votre propre ordinateur portable avec un accès à Glean et repartez avec une expérience pratique de création, d’amélioration et de validation d’un livrable d’analyse pour votre propre question métier.

Le travail moderne est enseveli dans des fils d’e-mails, des messages de chat, des notes de réunion ponctuelles et des suivis fragmentés. Dans cet atelier de démonstration, les participants apprendront une méthode reproductible pour utiliser Glean afin de résumer les conversations, d’en extraire les actions à mener, de créer des prochaines étapes claires et de collaborer avec Glean pour démarrer le travail -- sans avoir besoin de demander. Découvrez comment Glean réduit les suivis manqués, minimise les changements de contexte et aide les travailleurs du savoir à avancer plus vite, avec plus de confiance. Participez à cette session pour tirer davantage parti de vos fils d’e-mails et de Slack afin de collaborer et de faire avancer l’action grâce à l’IA, et pas seulement à une meilleure organisation.

Chaque travailleur du savoir doit rendre compte de son travail. Comptes rendus hebdomadaires, QBR, points d’équipe, synthèses pour la direction : le format change, mais la corvée reste la même : fouiller dans les tickets Jira, les fils Slack, les notes de réunion et les e-mails pour reconstituer ce qui s’est réellement passé. Dans cet atelier, vous apprendrez comment utiliser Glean pour faire passer ce processus d’une heure à quelques minutes. Nous vous montrerons un modèle reproductible pour rassembler le contexte provenant de votre calendrier, de vos outils projet et de vos communications afin de produire une mise à jour de statut structurée et précise. Que vous prépariez un extrait hebdomadaire pour l’équipe, un QBR ou un point rapide pour la direction, vous repartirez avec un workflow que vous pourrez réutiliser la prochaine fois que ce sera à rendre, et récupérerez du temps chaque semaine par la suite.

La sécurité de l'IA n'a pas besoin d'être difficile. Dans cet atelier pratique, vous concevrez et mettrez en œuvre des garde-fous de A à Z. Nous passerons en revue le cadrage d'un agent, l'identification de sa véritable surface de risque et la rédaction de politiques adaptées. En chemin, vous assimilerez les meilleures pratiques les plus importantes : comment définir les limites de risque de votre organisation, comment tester avant de déployer et comment maintenir des garde-fous à mesure que vos agents évoluent. Si votre équipe développe des agents d'IA, c'est la session qui boucle la boucle sur la sécurité.

Découvrez les dernières innovations de Glean qui transforment la productivité individuelle en impact constant. Avec Glean, tout le travail s’appuie sur les données des employés et de l’entreprise, aidant vos employés à prendre de meilleures décisions, aller plus vite et produire des livrables de meilleure qualité avec moins de reprises. Lors de cette session, nous mettrons en avant et ferons la démonstration des fonctionnalités qui aident les utilisateurs à garder une longueur d’avance sur leur travail, à produire des résultats plus solides plus efficacement, et à faire avancer les tâches dans les outils qu’ils utilisent déjà.

Les dépenses en IA augmentent rapidement, mais la plupart des entreprises ne peuvent toujours pas répondre à la question la plus importante : ces dépenses produisent-elles réellement de meilleurs résultats ? Alors que l’IA passe de la simple réponse à des questions à un travail agentique en plusieurs étapes, les coûts explosent pour des raisons qui vont bien au-delà du seul prix des modèles : trop de contexte, trop d’appels à des outils, trop de boucles de raisonnement, et trop peu de rigueur dans l’utilisation du bon modèle pour la bonne tâche. Cette session explore pourquoi l’économie de l’IA en entreprise est en train de se dégrader, et ce que les dirigeants doivent changer pour reprendre le contrôle. Nous allons analyser la tokenomics à la fois comme un problème de consommation et un problème de rendement : pas seulement le nombre de tokens que vous utilisez, mais la valeur métier que vous créez par token.

Apportez votre workflow Sales le plus douloureux et repartez avec un plan clair pour l’améliorer. Lors de cette session interactive, Rachel Rubin de DoubleVerify expliquera comment son équipe applique Glean à des défis Sales concrets, suivie d’un intervenant Glean et d’une démonstration.

Les gros titres sur l’IA ont oscillé entre deux extrêmes -- elle vient prendre votre emploi, ou elle est là pour l’augmenter. Lors de cette session, des experts de premier plan présenteront des données et des recherches qui examinent quels rôles sont en train d’être remodelés plutôt que supprimés, et pourquoi les entreprises qui enregistrent les plus grands gains repensent le travail au lieu de simplement ajouter de nouveaux outils. Nous aborderons aussi directement les vérités les plus difficiles, car votre crédibilité auprès de vos équipes disparaît dès l’instant où vous prétendez que les compromis ne sont pas réels.

Glean est bien plus qu’une application à laquelle vous vous connectez. C’est une plateforme sur laquelle vous pouvez construire toute l’IA de votre entreprise. Cette session approfondit la couche plateforme : l’API, les SDK, les expériences intégrées, la passerelle LLM et la passerelle MCP. Nous montrerons ce qui est disponible aujourd’hui, ce qui a changé récemment et vers où se dirige chaque composant.

Chaque employé a besoin des bonnes données au bon moment -- mais la recherche par mots-clés ne peut pas faire émerger le contexte nécessaire pour rendre cela possible, et la plupart des données d’entreprise restent massives, cloisonnées et difficiles à fiabiliser. Deloitte a été confronté à ce problème à grande échelle et s’est donné pour mission de le résoudre en construisant une place de marché des données centralisée. Lors de cette session, Rohit Balasubramanian et Ajay Tripathi expliqueront comment Deloitte a fait évoluer cette place de marché, en passant d’une mise à disposition manuelle limitée aux mots-clés à une expérience de recherche contextuelle alimentée par Glean. Repartez avec un plan d’action concret pour transformer des données d’entreprise fragmentées en une base que les personnes comme les agents peuvent réellement utiliser.

Nous partagerons ce qui arrive pour le connecteur et le pipeline d’indexation, ce qui réduira considérablement l’écart entre la connexion d’une application et la mise à disposition de contenu consultable pour vos utilisateurs. Nous présenterons en avant-première de nouvelles configurations de connecteurs conçues pour vous donner davantage de contrôle, passerons en revue à quoi ressemble l’expérience de configuration mise à jour, partagerons de nouveaux outils et connecteurs que vous pourrez activer, et vous montrerons les métriques de santé qui vous aideront à suivre la fraîcheur et la couverture en toute confiance.

Parfois, un cas d’usage semble prometteur, la réalisation démarre, puis les progrès s’enlisent. L’agent est inconstant. Le workflow est trop fragile. Le modèle d’action est incorrect. La récupération est insuffisante. Ou l’équipe réalise trop tard que le problème a été mal cadré dès le départ. Dans cette session, nous détaillerons quoi faire lorsqu’une solution Glean ne fonctionne pas comme vous l’aviez prévu. Nous passerons en revue les modes d’échec les plus courants dans la conception et la mise en œuvre des solutions, puis présenterons les schémas qui aident les équipes à se débloquer. Les participants repartiront avec un ensemble de schémas de conception pratiques, d’anti-schémas et d’approches de dépannage qu’ils pourront appliquer à des projets réels.

Chaque exécution d’agent laisse une trace. Les chemins qu’il a empruntés, où il a dépensé des tokens et en a retiré quelque chose d’utile, ce qui a suffisamment bien fonctionné pour être réessayé. La plupart des équipes traitent cela comme des données de logs. La question la plus intéressante est ce qui se passe quand vous l’utilisez réellement. Les participants comprendront un cadre d’apprentissage continu et la manière dont il s’applique aux modèles, aux harnais et au contexte. L’objectif de l’apprentissage est de rendre l’IA plus efficace, plus intelligente, et de rester alignée avec l’évolution de l’entreprise.

Avis à tous les créateurs ! Deux ingénieurs de Glean se retrouvent pour une conversation sur la plateforme Glean telle qu’elle existe aujourd’hui, la direction qu’elle prend, et les questions pratiques qui comptent lorsque vous commencez à développer. La conversation passe en revue les primitives de la plateforme et l’approche de conception. Nous abordons aussi MCP comme voie d’accès qui rend Glean disponible là où les créateurs travaillent déjà, et la manière dont la plateforme évolue vers une parité complète avec ce que le produit principal peut faire. Vous repartirez avec une meilleure compréhension de ce que la plateforme peut faire pour vous aujourd’hui, de ce qui arrive ensuite, et de la façon de décider quelle surface de développement correspond à votre problématique.

La plupart des déploiements d’IA en entreprise s’arrêtent à l’interface. McCarthy ne s’est pas arrêté là. Après une évaluation sans concession de Copilot, ChatGPT et d’autres options, McCarthy a fait de Glean la porte d’entrée de l’IA dans toute l’entreprise, puis est allé bien au-delà de la recherche vers les agents et les workflows techniques. Dans cette session, Alex Elsayegh explique comment McCarthy a abordé cette couche suivante de mise en œuvre et comment l’équipe a construit des modèles d’agents capables de faire plus que répondre à des questions.

Nous pensons que les administrateurs ne devraient pas avoir à attendre le support ni à éplucher des journaux pour résoudre un problème. Vous devriez pouvoir poser une question, obtenir une réponse et agir en conséquence. Nous construisons une expérience proactive, qui met en avant des recommandations, signale les éléments qui nécessitent une attention et vous aide à déterminer la bonne configuration pour votre organisation spécifique. Les participants à cette session apprendront comment tirer le meilleur parti des dernières fonctionnalités d’administration de Glean et auront un aperçu de la feuille de route des fonctionnalités qui rendent la gestion de Glean plus rapide et plus facile.

Nous les avons tous. L’équipe qui ne s’est jamais connectée. Le dirigeant qui n’en a pas besoin. L’utilisateur avancé qui a essayé Glean une fois puis a disparu. Cette session examine les véritables raisons pour lesquelles l’adoption s’essouffle après le lancement et comment les administrateurs peuvent transformer l’intérêt initial en habitudes durables. Les participants repartiront avec des méthodes pratiques pour diagnostiquer ce qui ralentit l’adoption au sein de leur organisation, ainsi qu’avec des cadres plus solides pour aider Glean à devenir une composante de la façon dont les gens travaillent au quotidien.

Découvrez comment ClickUp est passé de l’extraction manuelle de données à chaque étape de l’entonnoir, au suivi des évolutions de semaine en semaine et à la création de rapports chaque semaine, à des insights fournis quotidiennement grâce à l’utilisation d’agents dans Hex, qui délivrent des réponses fiables et des résultats gouvernés dans des formats facilement partageables.

Dans cette session consacrée à l’accélération de l’adoption de Glean au sein de votre organisation, Tony Cilli (Directeur de pratique, Trace3) souligne l’importance de l’engagement des utilisateurs, de l’implication de la direction et d’une formation adaptée pour surmonter les défis liés à l’adoption des outils d’IA et maximiser l’impact métier.- Les entreprises peinent à adopter les outils d’IA malgré un déploiement réussi  de nombreux outils restent sous-utilisés.- L’adoption transforme les capacités en impact métier  l’engagement des utilisateurs est essentiel à la réussite.- Les silos de connaissances nuisent à l’efficacité  des couches de connaissances partagées améliorent l’accès et la collaboration entre les équipes.- L’implication de la direction accélère l’adoption  des relais de confiance démontrent la valeur auprès de leurs équipes.- Une formation adaptée renforce l’engagement des utilisateurs  des parcours basés sur les rôles donnent de meilleurs résultats que des sessions génériques.- Mesurez des indicateurs d’adoption pertinents, en vous concentrant sur l’évolution des comportements et la collaboration inter-départements.- Favorisez des habitudes quotidiennes d’utilisation de l’outil  encouragez les utilisateurs à résoudre les problèmes via la plateforme pour un engagement durable.

Les organisations des sciences de la vie ne peuvent pas déployer l’IA à grande échelle dans des workflows réglementés avec des pilotes déconnectés ou des outils de productivité génériques. Un programme d’IA durable doit être gouverné, justifié en termes de coûts et conçu pour les réalités des environnements GxP — pas seulement techniquement performant. Lors de cette session de breakout virtuelle, Hovsep Kirikian et Mark Ohrvall de USDM détaillent ce que requiert réellement une IA durable pour les équipes des sciences de la vie : le coût total de possession, la gouvernance et la prévention des pertes de données (DLP), ainsi que les considérations opérationnelles et d’adoption qui déterminent si l’IA se déploie à grande échelle ou cale. Nous montrerons comment Glean s’intègre à ce programme — en tant que couche gouvernée qui respecte les contrôles d’accès et les exigences DLP tout en fournissant une IA utilisable à l’échelle de l’entreprise. La session se poursuit ensuite par une démo en direct présentant une connexion bidirectionnelle entre Glean et Veeva eTMF, incluant des contrôles QC, une revue alignée sur ALCOA, l’extraction de métadonnées et des mises à jour réécrites dans Veeva. Pour les participants qui évaluent la place de Glean dans des environnements réglementés des sciences de la vie, cette session montre à quoi ressemble, en pratique, le chemin qui mène de l’intérêt pour l’IA à un workflow gouverné et durable — et comment USDM aide à concrétiser cette transformation.

Les ingénieurs avant-vente de StackOne créent trois agents dans Glean, couvrant le service desk informatique, l’onboarding des employés et la finance. Découvrez comment StackOne permet à des agents créés dans Glean de se connecter aux systèmes que vos équipes utilisent déjà, comment gouverner ce que chacun peut voir et faire, et comment utiliser les jetons efficacement. Technique, mais pas trop détaillé.

Alors que les entreprises passent en trombe des chatbots aux agents IA autonomes, le véritable avantage se déplace des bots individuels vers le système qui les sous-tend : la couche qui préserve le contexte, orchestre les workflows à travers les outils et les canaux, et apprend de chaque résultat. Dans cette session, Dialpad présente une trajectoire pragmatique allant de l’IA conversationnelle à des agents gouvernés, prêts pour la production, capables d’exécuter des processus métier complexes tout en répondant aux exigences de sécurité, de conformité et de supervision de niveau entreprise.

Découvrez comment aller au-delà d’outils d’IA isolés et traiter l’IA comme une stratégie fondamentale à l’échelle de l’entreprise. Nous détaillerons les quatre piliers de la stratégie IA, partagerons des cas d’exécution concrets, et démontrerons le puissant effet multiplicateur de la combinaison de Digile et Glean pour libérer une valeur maximale pour l’entreprise grâce à l’IA sectorielle.

La plupart des agents d’IA ne voient que la petite portion indexée du web public. L’autre partie, le web de travail derrière les identifiants, les tableaux de bord et les portails fournisseurs, est là où se fait le vrai business, et c’est exactement là que les agents se retrouvent bloqués. Lors de cet atelier en petit groupe de 30 minutes, nous montrerons comment TinyFish permet à vos agents de découvrir, lire et opérer sur le web en direct sous des contrôles d’entreprise. Vous verrez un agent Glean passer de la réponse aux questions à l’exécution d’un travail réel, et vous repartirez avec des workflows concrets que vous pourrez essayer sur vos propres systèmes.

Immuta aide les entreprises à déployer des agents IA à grande échelle et protège vos données les plus sensibles. Intégré à Glean, Immuta fournit une couche d’autorisation derrière les expériences agentiques, en gouvernant ce à quoi les agents peuvent accéder, pour qui, et pour quelle tâche. Immuta s’intègre à Databricks et Snowflake, et étend l’application des politiques à travers des environnements de données exécutés sur AWS, Azure et GCP. Les agents agissent au nom des utilisateurs, et non comme des utilisateurs, en recevant un accès temporaire, piloté par des politiques, plutôt que de larges autorisations permanentes. L’autorisation déléguée, la distribution de rôles, l’évaluation des jetons de justification et l’audit à double identité aident les équipes à passer des pilotes d’IA à une utilisation en production avec visibilité, contrôle et responsabilité. La démonstration met également en lumière une évolution plus large de l’accès aux données : passer de la prédéfinition de tout ce à quoi un utilisateur pourrait accéder à la gouvernance du fait de savoir si une question précise doit recevoir une réponse. C’est un aperçu concret de la manière dont les organisations peuvent fournir des données gouvernées à la vitesse de la conversation tout en préservant le principe du moindre privilège, la responsabilité et l’auditabilité.

Rejoignez Andy Quirin, directeur de la pratique IA, et Nate Lewis, architecte Glean, alors qu’ils présentent leurs 10 meilleurs conseils et astuces pour un déploiement Glean réussi. Andy et Nate viennent d’Alchemy Technical Group, qui a déployé des dizaines de clients et a compilé toutes ses meilleures pratiques pour s’assurer que les déploiements Glean se déroulent sans accroc.

Découvrez comment l’intégration Udemy et Glean intègre l’apprentissage dans le flux de travail grâce à une démo produit et une présentation.

Chaque agent IA en production fonctionne sous un prompt système ou une politique qui lui indique ce qu’il doit éviter. Les déploiements en entreprise montrent que ces instructions sont ignorées bien plus souvent que les équipes de sécurité ne le réalisent. Même si la mesure de protection était documentée, rien ne garantissait que l’agent la respectait. Cette présentation explique à quoi ressemble réellement le comportement des agents dans les environnements d’entreprise aujourd’hui, et où l’écart entre la règle écrite et l’action observée a tendance à se cacher.

La plupart des entreprises peuvent créer un pilote d’IA. Très peu peuvent en exploiter un en toute sécurité en production, à grande échelle, sans considérer la sécurité et la vitesse comme un compromis.

Dans cette session, Phizenix montre ce qu’il faut réellement pour combler cet écart : les trois offres qui permettent de mettre l’IA en production (automatisation, talents techniques et formation des équipes), ainsi que Phizenix TAOS, notre cadre de gouvernance qui offre aux équipes de sécurité une visibilité et un contrôle en temps réel sur chaque action des agents, sans ralentir le déploiement.

Nous montrerons comment TAOS étend l’Agent Platform de Glean pour une exécution gouvernée, et comment notre partenariat avec NeuBird prolonge cette gouvernance jusqu’à la production en conditions réelles, en corrélant la télémétrie en temps réel pour prévenir, résoudre et exploiter les incidents avant même qu’un ingénieur ne soit alerté.

Si vous utilisez Glean et souhaitez savoir ce qu’il faut réellement pour faire confiance à une IA agentique en production, c’est la session à regarder.

Lorsque le PDG de General Motors a imposé une directive à l’échelle de l’entreprise visant à réduire les dépenses d’exploitation de 30 % grâce à l’IA, la question n’était pas de savoir s’il fallait avancer, mais comment le faire pour 145 000 employés répartis entre les équipes corporate, l’ingénierie et les ouvriers d’usine. Lors de cette session, vous découvrirez comment GM a abordé l’un des déploiements d’IA en entreprise les plus ambitieux du secteur : en commençant par une preuve de concept rigoureuse de 6 mois couvrant 28 fonctions métiers, puis en choisissant Glean comme plateforme IA centrale pour y parvenir. L’histoire de GM est une véritable masterclass sur la manière de construire un business case, de mener une évaluation à forts enjeux et d’exécuter à l’échelle de l’entreprise.