De 0 à 1 000 interactions IA par jour : comment KEDGE transforme l’enseignement supérieur avec Amazon Bedrock et Amazon Connect

L’enseignement supérieur fait face à un paradoxe. Selon l’EDUCAUSE AI Landscape Study 2025, 57% des établissements considèrent l’intelligence artificielle (IA) comme une priorité stratégique, mais seulement 2% y consacrent de nouvelles lignes budgétaires. L’IA générative transforme le secteur, mais la transformation reste, pour l’essentiel, à industrialiser. Entre pression démographique, obsolescence rapide des compétences et budgets contraints, les établissements cherchent une voie concrète pour passer de l’expérimentation à l’échelle.

KEDGE Business School, grande école de commerce française à triple accréditation internationale (EQUIS, AACSB, AMBA) forte de 800 salariés et 13 campus dont 5 à l’international, a choisi de ne pas attendre. Avec Amazon Bedrock et Amazon Connect, l’établissement industrialise l’IA générative pour moderniser l’expérience de son personnel, et bientôt celle de ses 16 000 étudiants. Un an après le lancement, la plateforme est déjà utilisée quotidiennement par plus de 37% des salariés et traite près de 1 000 interactions par jour.

Ce blog post retrace cette transformation : les fondations techniques et sécurisées de la plateforme, son déploiement interne avec Métis Staff, puis son extension à l’expérience pédagogique avec Métis Student et au support administratif continu avec Amazon Connect.

L’enseignement supérieur face à des défis structurels et à la révolution IA

Le secteur de l’éducation supérieure fait face à plusieurs défis structurels qui se renforcent mutuellement.

Le premier est démographique. En France, les projections du ministère de l’Enseignement Supérieur (SIES, mai 2025) indiquent que le nombre d’étudiants plafonnera autour de 3,1 millions dès 2028, avant une stagnation voire un léger recul lié à la baisse du nombre de bacheliers. Les écoles de commerce et d’ingénieurs compensent partiellement cette tendance, mais la concurrence pour attirer et retenir les étudiants s’intensifie.

Le second défi concerne l’obsolescence des compétences. Selon le Future of Jobs Report 2025 du World Economic Forum, 39% des compétences clés des travailleurs changeront d’ici 2030, et 63% des employeurs identifient le déficit de compétences comme leur premier obstacle à la transformation.

Le troisième défi porte sur l’adoption de l’IA générative elle-même : plus de 70% des professionnels du supérieur utilisent déjà des outils d’IA au quotidien ou chaque semaine (EDUCAUSE, 2026), mais les institutions manquent encore de gouvernance, de formation des enseignants et de modèles économiques adaptés. À ces défis s’ajoutent la diversification des outils technologiques et leurs coûts de licence imprévisibles, l’émergence de nouvelles modalités d’apprentissage et la pression continue sur les budgets.

Ce virage est aussi économique. Les dépenses mondiales en IA appliquée à l’éducation ont atteint 6,1 milliards de dollars en 2025, et les projections les estiment à plus de 32 milliards d’ici 2030 (HolonIQ, 2025). L’étude Accelerating AI Skills, réalisée par Access Partnership pour AWS auprès de plus de 6 500 employés et 2 000 employeurs en France, Allemagne, Espagne et au Royaume-Uni, révèle que 86% des employeurs européens prévoient d’utiliser des outils basés sur l’IA d’ici 2028. Pourtant, 81% d’entre eux peinent déjà à recruter les talents nécessaires. Plus récemment, l’étude AI Readiness: Building the Bridge from Higher Education to Work, publiée en avril 2026 par Pearson et AWS auprès de 2 700 répondants dans six pays, montre que 53% des employeurs considèrent la recherche de diplômés dotés de compétences IA comme leur principal défi, alors que 78% des responsables du supérieur estiment déjà répondre aux attentes du marché. Seulement 14% des diplômés déclarent maîtriser les outils d’IA en contexte professionnel.

L’enjeu pour les grandes écoles est désormais concret : comment garantir que leurs diplômés soient opérationnels dans un environnement de travail où l’IA est omniprésente, alors que le fossé entre les compétences enseignées et les compétences attendues ne cesse de se creuser ?

KEDGE Business School incarne cette dynamique. Sa triple accréditation (EQUIS, AACSB, AMBA) est un label détenu par moins de 1% des business schools dans le monde. Dans ce contexte, KEDGE a fait le choix d’une ambition claire : devenir un leader européen de l’éducation augmentée par l’IA. Cette vision stratégique repose sur trois piliers indissociables. Le premier concerne une pédagogie innovante au service de l’apprentissage. Le second garantit une équité d’accès aux outils d’IA pour l’ensemble des étudiants, indépendamment de leurs moyens financiers. Le troisième assure une scalabilité sécurisée, capable d’accompagner la croissance des usages dans le temps.

Pour concrétiser cette ambition, KEDGE a adopté une approche progressive et itérative. L’établissement a d’abord construit des fondations techniques robustes, avant d’y intégrer des capacités d’IA générative, puis de déployer des applications concrètes pour ses équipes et ses étudiants. Un an après le lancement du projet, l’établissement compte déjà 300 utilisateurs actifs sur 800 salariés, soit un taux d’adoption de plus de 37% en un an, et une centaine d’assistants spécialisés déployés. La plateforme interne traite près de 1 000 messages par jour, soit environ 3 échanges quotidiens par utilisateur actif. Depuis le premier semestre 2026, l’établissement étend progressivement l’expérience à ses étudiants, avec un déploiement en cours auprès de 4 000 utilisateurs.

Fondations techniques : construire une architecture robuste et sécurisée

Architecture macroscopique : le cœur d’une plateforme d’IA générative

« Nous n’avons jamais eu pour objectif de tout migrer vers le cloud. Notre approche est pragmatique : quand on a besoin d’une capacité qu’on ne veut pas opérer nous-mêmes, comme un cluster Kubernetes, on se tourne vers le service managé correspondant sur AWS. C’est le cas d’usage qui dicte le choix, pas une stratégie cloud-first dogmatique », explique Romain Genoulaz, responsable plateforme et ingénierie chez KEDGE Business School.

Figure 1 : Architecture macroscopique de KEDGE sur AWS, centrée sur Amazon EKS

Amazon Elastic Kubernetes Service (Amazon EKS) constitue ainsi le socle central de l’architecture. Ce service héberge l’ensemble des applications et API développées par les équipes. Plusieurs services complémentaires s’articulent autour de ce cœur conteneurisé. Amazon Relational Database Service (Amazon RDS) gère les bases de données relationnelles. Amazon Simple Storage Service (Amazon S3) assure le stockage des fichiers. Amazon OpenSearch Service prend en charge l’observabilité et la gestion des journaux applicatifs. Amazon EventBridge intègre les systèmes externes de l’établissement, notamment Salesforce, de manière asynchrone, dans le cadre de la refonte de son système d’information. AWS Identity and Access Management (IAM) contrôle les accès aux ressources cloud et garantit que chaque utilisateur, enseignant-chercheur ou assistant IA, dispose uniquement des permissions nécessaires à son périmètre.

L’ensemble de ces données reste confiné dans la région AWS de Paris. Cette exigence forte répond aux besoins d’un établissement qui manipule des données de recherche stratégiques et confidentielles.

Amazon Bedrock : la brique centrale pour l’IA générative

Sur ces fondations, Amazon Bedrock donne accès à plus d’une centaine de modèles de fondation via une API unique, dont Claude et Amazon Nova. Le traitement des données dans Amazon Bedrock repose sur trois garanties. Les données ne servent pas à l’entraînement des modèles. Elles restent isolées dans la région Europe, et l’établissement en conserve la pleine propriété.

Cette base sécurisée permet une personnalisation par RAG (Retrieval-Augmented Generation), technique qui enrichit le prompt envoyé au modèle avec des extraits de documents pertinents récupérés via une recherche sémantique dans les bases de connaissances de l’établissement, sans modifier les poids du modèle. Elle permet aussi une personnalisation par fine-tuning et pré-entraînement continu, deux méthodes qui ajustent les poids du modèle. Des garde-fous encadrent ces approches. Ils couvrent l’intégrité académique, la protection des données personnelles et les limites de compétences de chaque assistant.

Figure 2: Personnalisation des modèles Amazon Bedrock : fine-tuning, RAG et pré-entraînement continu

Approche FinOps et modèle économique

Le paiement à l’usage par jeton, plutôt que par utilisateur, permet à KEDGE de mutualiser l’accès entre 300 utilisateurs actifs sur 800 salariés. L’établissement sélectionne des modèles experts ou essentiels selon les cas d’usage, avec un suivi continu des dépenses.

Cette approche évite de payer un abonnement fixe pour chacun des 800 salariés, alors que seuls 300 d’entre eux utilisent activement la plateforme. Elle permet ainsi de limiter les coûts aux usages réels, plutôt qu’à une licence par siège.

Métis Staff : industrialiser l’IA pour les équipes internes

Portail Métis Staff : une plateforme interne d’IA générative

KEDGE a déployé Métis Staff, un portail interne accessible via son Single Sign-On (SSO). La solution s’appuie sur Open WebUI, un produit open source déployé sur Amazon EKS. Elle consomme les API d’Amazon Bedrock, tout en bénéficiant du confinement des données déjà évoqué. Pour les enseignants-chercheurs, qui manipulent des données de recherche confidentielles et stratégiques, cette approche constitue un argument déterminant pour l’adoption de l’outil.

Assistants spécialisés et personnalisation

« On a structuré nos assistants en deux familles : une version experte, qui s’appuie sur les modèles les plus performants pour les cas d’usage complexes, et une version essentielle, plus économique, pour les tâches courantes. Ce choix du modèle sous-jacent influence directement le coût par interaction, et c’est ce qui nous permet de tenir notre enveloppe budgétaire tout en couvrant une centaine de cas d’usage métier », précise Romain Genoulaz.

Connectés aux données propres de l’établissement via le RAG déjà mis en place, ces assistants couvrent des besoins très concrets. Un assistant RH accompagne la préparation des entretiens annuels. Un assistant achats aide à formuler les réponses aux appels d’offres. L’un des plus emblématiques est l’assistant dédié aux accréditations EQUIS et AACSB : il structure et analyse les documents nécessaires à ces dossiers complexes. « Les accréditations mobilisent des équipes entières pendant des mois. L’assistant leur permet de se concentrer sur l’analyse et la stratégie plutôt que sur la compilation documentaire », ajoute Romain Genoulaz.

Résultats et impact opérationnel

Un an après son lancement, Métis Staff compte une centaine d’assistants déployés, chacun calibré pour un domaine métier précis. Ce déploiement progressif illustre la philosophie de KEDGE : commencer par un cas d’usage mesurable, en évaluer la valeur, puis l’élargir. Le résultat se traduit par une charge administrative réduite et du temps libéré pour des tâches à plus forte valeur ajoutée, avant même d’aborder l’expérience étudiante.

Métis Student : transformer l’expérience pédagogique avec l’IA socratique

L’IA socratique : une approche pédagogique innovante

Après Métis Staff, KEDGE relève un défi plus délicat : mettre l’IA générative au service de l’apprentissage, sans en faire un outil de contournement. « On ne pouvait pas donner aux étudiants le même outil qu’au personnel. Un assistant qui rédige un mémoire à la place de l’étudiant, ce n’est pas de la pédagogie, c’est de la sous-traitance. On a donc conçu une IA socratique : elle pose des questions, elle oriente vers des ressources, elle propose des pistes de réflexion, mais elle ne produit jamais le livrable évalué », explique Romain Genoulaz. L’assistant peut expliquer un concept ou suggérer une approche, mais il refuse de résoudre un exercice noté ou de produire un livrable à la place de l’étudiant. Cette limite s’appuie sur les mêmes garde-fous d’intégrité académique déjà intégrés dans l’architecture Amazon Bedrock.

L’intuition pédagogique derrière ce choix n’est pas nouvelle. En 1984, le chercheur en éducation Benjamin Bloom a démontré que les étudiants bénéficiant d’un tutorat individuel performent deux écarts-types au-dessus de ceux en cours magistral classique, un résultat connu sous le nom de « 2 Sigma Problem ». Le défi identifié par Bloom reste entier quarante ans plus tard : le tutorat individuel est trop coûteux pour être généralisé. L’IA socratique de KEDGE tente précisément de résoudre cette équation, en reproduisant le bénéfice du tutorat personnalisé à l’échelle de milliers d’étudiants grâce aux capacités conversationnelles d’Amazon Bedrock.

Déploiement progressif et mesure des résultats

KEDGE a lancé Métis Student en janvier 2025, selon la même logique incrémentale que Métis Staff. Le déploiement s’effectue module d’enseignement par module, avec des assistants adaptés à chaque contexte pédagogique. KEDGE vise une généralisation à 4 000 étudiants pour septembre 2026. Les cas d’usage couvrent le tutorat, la synthèse de texte, la génération de questions et le retour d’information en temps réel. Fidèle à la valeur d’équité portée par l’établissement, l’outil reste identique pour tous les étudiants, indépendamment de leurs moyens financiers.

Perspectives : personnalisation des parcours et évaluation adaptative

À plus long terme, KEDGE explore certaines pistes, à titre exploratoire et sans engagement de mise en œuvre. Ces pistes incluent la notation automatisée et la détection précoce du décrochage scolaire, sous supervision humaine continue. KEDGE envisage également des durées de formation flexibles, adaptées au profil de chaque étudiant. Ces réflexions ouvrent la voie à des environnements d’apprentissage simulés ou en réalité virtuelle, eux aussi encore à l’étude.

Amazon Connect : vers un support étudiant disponible en permanence

Le troisième volet de la stratégie de KEDGE concerne le support administratif. Les services de scolarité, de finance et de vie étudiante fonctionnent aujourd’hui en horaires de bureau, du lundi au vendredi. Or les questions des étudiants ne suivent pas ce calendrier : une interrogation sur les frais de scolarité surgit un dimanche soir, une demande de certificat devient urgente la veille d’une échéance administrative.

« Un étudiant qui se pose une question sur ses frais de scolarité un dimanche soir ne peut pas attendre lundi 9h. Nos services sont fragmentés entre scolarité, finance et vie étudiante, chacun avec ses propres horaires et ses propres outils. On avait besoin d’un point d’entrée unique, disponible en permanence, capable de répondre aux questions fréquentes et de transférer les cas complexes à un agent humain avec tout le contexte », explique Romain Genoulaz.

Pour y répondre, KEDGE expérimente Amazon Connect, un centre de contact cloud qui unifie chat, e-mail et voix. Le service réutilise les mêmes API Amazon Bedrock déjà en place dans l’architecture, ce qui permet de capitaliser sur les bases de connaissances et les garde-fous construits pour Métis Staff et Métis Student. Lorsque l’assistant atteint ses limites, il transfère la conversation vers un agent humain avec l’historique complet, évitant à l’étudiant de tout réexpliquer. Le modèle économique reste cohérent avec l’approche de KEDGE : paiement à l’usage, sans licence fixe.

Le projet en est à sa phase pilote. KEDGE teste actuellement le service sur la gestion des frais de scolarité. Si les résultats le confirment, le périmètre s’étendra au logement CROUS, à la carte étudiante et à la couverture santé. L’objectif à terme est de proposer aux 16 000 étudiants de l’établissement un point d’entrée unique, disponible 24h/24, pour l’ensemble de leurs démarches administratives.

Conclusion

En un an, KEDGE Business School est passée d’un projet exploratoire à une plateforme d’IA générative utilisée quotidiennement par plus de 37% de ses salariés, avec une centaine d’assistants métier en production et près de 1 000 interactions par jour. Ce résultat n’a pas été obtenu par un déploiement massif, mais par une boucle courte et répétée : identifier un cas d’usage métier précis, le déployer, mesurer sa valeur, puis élargir.

« La question n’a jamais été de savoir si nous allions déployer de l’IA, mais dans quelles conditions. Notre ambition est de devenir un leader européen de l’éducation augmentée par l’IA, et cela suppose trois décisions indissociables : une pédagogie qui fait de l’IA un objet d’apprentissage et non un raccourci, une architecture qui garde nos données en Europe et hors de tout entraînement de modèles, et un modèle de facturation à l’usage plutôt qu’à la licence, qui nous permet d’ouvrir le même accès à nos 16 000 étudiants quels que soient leurs moyens. Quand plus de la moitié des employeurs peinent à recruter des profils prêts à travailler avec l’IA, cette égalité d’accès n’est plus seulement une question d’équité, c’est ce qui conditionne directement l’employabilité de nos diplômés », explique Frédéric Cozic, Directeur Général Adjoint de KEDGE Business School.

Trois enseignements se dégagent pour les établissements qui souhaitent s’engager dans une démarche similaire. Le premier est de commencer petit et de mesurer. Un assistant déployé sur un cas d’usage concret, comme la préparation des dossiers d’accréditation ou les entretiens annuels, produit des résultats visibles en quelques semaines et crée l’adhésion interne nécessaire pour élargir le périmètre. Le second porte sur la sécurisation des données dès la conception. L’isolation dans une région européenne unique et l’exclusion de leur utilisation pour l’entraînement des modèles sont des prérequis pour obtenir la confiance des enseignants-chercheurs qui manipulent des données stratégiques et confidentielles. Le troisième invite à préserver le rôle humain au centre du dispositif. C’est ce principe qui a conduit KEDGE à concevoir une IA socratique pour ses étudiants plutôt qu’un assistant ouvert : l’IA pose des questions et guide la réflexion, elle ne produit pas le livrable évalué.

L’expérience de KEDGE montre qu’un établissement d’enseignement supérieur peut industrialiser l’IA générative sans disposer d’une équipe de recherche en IA ni d’un budget technologique illimité. Les briques sont disponibles. Ce qui fait la différence, c’est la clarté de la vision pédagogique et la discipline dans l’exécution.

Pour approfondir ces concepts, vous pouvez regarder la session BIZ206 présentée lors de l’AWS Summit Paris 2026, dans laquelle Romain Genoulaz, Pierre Tschirhart et Soumaya Leghzaoui détaillent les différentes étapes de cette transformation à travers des retours d’expérience concrets. Pour aller plus loin, consultez la documentation d’Amazon Bedrock afin de découvrir les modèles de fondation disponibles, et explorez Amazon Connect pour concevoir votre propre centre de contact augmenté par l’IA.