L’IA ajoute une exigence supplémentaire à la modernisation
L’extension des usages de l’IA met sous pression des systèmes legacy qui sont peut-être déjà coûteux à maintenir et lents à faire évoluer. L’IA exige une capacité de calcul importante, un large accès aux données, des dépenses IT continues et des plans de gouvernance clairs. Les systèmes agentiques, des systèmes d’IA qui entreprennent des actions pour accomplir des tâches, intègrent ces exigences dans les opérations qu’ils exécutent. Ainsi, pour les directeurs des systèmes d’information (DSI), une décision d’investissement dans l’IA implique aussi de décider quels systèmes sous-jacents doivent évoluer.
Ces exigences d’infrastructure s’ajoutent aux préoccupations qui motivent déjà la modernisation : exposition aux risques de cybersécurité, lenteur des mises en production logicielles et coûts de maintenance élevés. Les responsables IT consacrent une grande part de leurs budgets aux refontes liées à l’IA, mais des modèles de plus en plus sophistiqués comportent toujours des risques de sécurité ; des agents d’IA ont également compromis des sites gouvernementaux et d’autres institutions liées à l’IA. Les DSI doivent tenir compte de ces risques lorsqu’ils préparent les systèmes à un usage plus large de l’IA. Ils ont besoin d’une vision claire de ce qu’exigent les déploiements qu’ils envisagent.
Évaluer la préparation à la charge de travail IA visée
Ces exigences deviennent particulièrement importantes lorsque des agents d’IA exécutent un travail essentiel aux opérations d’une organisation. Dans un rapport publié en juillet, Google a constaté que seuls 17 % des responsables IT avaient confiance dans la capacité de leur stack technologique, c’est-à-dire les logiciels et l’infrastructure qui soutiennent leurs opérations, à prendre en charge ces agents critiques pour l’activité. Google a un intérêt commercial à une adoption plus large de l’IA, ce qui lui donne un intérêt direct dans la manière dont les entreprises évaluent leur niveau de préparation. Sa conclusion mesure le niveau de confiance des dirigeants dans leur capacité à soutenir cette charge de travail exigeante.
Parallèlement à cette mesure de confiance, le rapport de Google décrit des entreprises à plusieurs stades de modernisation. Près de la moitié ont indiqué avoir commencé à mettre à jour leurs systèmes legacy, tandis qu’environ un quart ont déclaré avoir démarré mais se considérer en retard. Un autre 1 % n’avait encore entamé aucun plan de modernisation, et seuls 15 % des responsables technologiques ont décrit leur modernisation comme presque ou totalement achevée. Ces descriptions rendent compte à la fois de l’avancement et de l’évaluation par les dirigeants de son rythme ; une entreprise peut donc avoir commencé les travaux tout en se considérant en retard.
Mais l’avancement et la préparation à la charge de travail mesurent deux choses différentes, de sorte que la planification des investissements doit traiter les deux. Une évaluation de l’avancement décrit jusqu’où les changements technologiques ont progressé ; une évaluation de la préparation demande si les systèmes qui en résultent peuvent prendre en charge un déploiement donné. Un programme de modernisation bien établi peut donc coexister avec des inquiétudes concernant des agents critiques pour l’activité. Les DSI doivent relier les travaux déjà en cours aux exigences des usages de l’IA qu’ils envisagent.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
Définir le périmètre en fonction de l’objectif métier
Relier ces exigences aux travaux en cours aide les DSI à décider de l’ordre d’un programme de modernisation plus large. La plupart des entreprises poursuivent une modernisation de bout en bout, c’est-à-dire des changements à l’échelle de leur environnement technologique, mais elles peuvent choisir un ensemble plus restreint de systèmes pour le prochain investissement. Le périmètre final décrit l’ampleur des changements au fil du temps. Le projet suivant doit avoir une justification métier pour chaque système qu’il inclut.
Chohan a établi cette distinction dans des conseils donnés à CIO Dive, en recommandant aux DSI de moderniser les technologies legacy par étapes. Le point de départ est l’usage prévu de l’IA par l’entreprise, puis l’identification des systèmes qui empêchent cet usage. Un système ancien entre dans le projet suivant parce qu’il bloque la capacité requise. Les autres systèmes peuvent rester dans le programme de modernisation plus large jusqu’à ce que leur place dans la séquence devienne claire.
Chohan relie cette approche par étapes à la capacité de l’organisation à étendre l’usage de l’IA : « En procédant ainsi de manière méthodique, elles peuvent construire les fondations dont leur organisation a besoin pour faire évoluer l’IA à l’échelle », a déclaré Chohan. Le périmètre proposé peut encore être important, mais chaque changement a un lien explicite avec la capacité que l’entreprise entend déployer.
S’appuyer sur la connaissance de l’organisation pour orienter les choix d’outils
Le lien entre finalité et infrastructure doit aussi guider les DSI lorsqu’ils envisagent des outils supplémentaires. Selon Chohan, la poursuite des investissements dans l’IA obligera les dirigeants à faire le tri dans l’excès d’informations sur l’IA et à clarifier le rôle de cette technologie dans leurs organisations. Un rôle clairement défini les aide à sélectionner un outil, et ce choix crée une tâche de planification concrète : évaluer les obstacles techniques entre le déploiement et l’objectif métier. Le choix des outils et la planification de la modernisation s’éclairent donc mutuellement.
Parce que ces obstacles dépendent de l’outil et de l’usage prévu, chaque déploiement proposé nécessite sa propre évaluation. L’outil sélectionné peut exiger des changements dans les systèmes identifiés plus tôt, de sorte que les dirigeants doivent évaluer ces obstacles techniques avant de décider quels travaux prioriser. L’évaluation du déploiement doit traiter le coût, la rapidité, la sécurité et la question de savoir si les changements proposés sont suffisants.
Réaliser ces évaluations dépend d’une bonne compréhension du fonctionnement de l’organisation. « Peu de personnes en savent plus sur le fonctionnement d’une organisation que ses responsables technologiques — comment elle est construite, comment ses employés travaillent et comment ses clients vivent l’expérience de ses services », a déclaré Chohan. Cette connaissance aide les DSI à juger comment un outil proposé affecterait le travail des employés et l’expérience des clients. Elle les aide aussi à identifier quels obstacles techniques comptent réellement pour le résultat métier.
Chohan relie directement cette compréhension à la conception des solutions : « En conséquence, les dirigeants sont mieux armés pour concevoir des solutions façonnées par les besoins de leur entreprise plutôt que par le bruit du marché. » Pour les DSI, appliquer cette connaissance signifie confronter les affirmations concurrentes à la réalité des opérations de l’organisation et traduire les exigences pertinentes en choix d’outils et en changements de systèmes. L’attention du marché peut déclencher un examen, mais c’est le besoin opérationnel qui détermine quelle capacité mérite un investissement.
Points clés à retenir pour les dirigeants
- Évaluer les exigences d’infrastructure de l’IA : les DSI doivent prendre en compte la capacité de calcul, l’accès aux données, les dépenses continues et la gouvernance de la sécurité lorsqu’ils planifient des investissements dans l’IA. Identifiez quels systèmes sous-jacents chaque déploiement exige de faire évoluer.
- Mesurer la préparation par charge de travail : seuls 17 % des responsables IT interrogés dans le rapport de Google ont exprimé leur confiance dans la capacité de leur stack technologique à prendre en charge des agents d’IA critiques pour l’activité. Évaluez séparément l’avancement de la modernisation et le niveau de préparation pour chaque déploiement envisagé.
- Ordonner les mises à niveau autour des objectifs métier : les DSI peuvent organiser la modernisation par étapes en identifiant les systèmes legacy qui bloquent une capacité IA spécifique. Donnez à chaque système du projet suivant un lien clair avec le résultat métier visé.
- Relier les choix d’outils aux besoins opérationnels : évaluez les outils d’IA proposés au regard des workflows des employés, de l’expérience client et des obstacles techniques. Appuyez-vous sur le coût, la rapidité, la sécurité et l’adéquation des changements système prévus pour définir les priorités d’investissement.
Un projet en tête ?
Planifiez un appel de 30 minutes avec nous.
Des experts senior pour vous aider à avancer plus vite : produit, tech, cloud & IA.
