L’impact réel de l’IA dépend de son déploiement global

Les entreprises passent de l’expérimentation de l’IA à la mise à l’échelle et à la transformation à l’échelle de l’entreprise.

La plupart des entreprises ont cessé de considérer l’IA comme une expérience. Nous avons dépassé la phase consistant à jouer avec des outils au sein d’équipes isolées ou à effectuer de petits tests pour voir ce qui se passe. La conversation porte désormais sur l’échelle, sur ce que l’IA peut faire lorsqu’elle est intégrée au cœur du fonctionnement de l’entreprise. Et il ne s’agit pas seulement d’automatisation. Il s’agit de transformer le fonctionnement fondamental d’une organisation, la façon dont les décisions sont prises, la façon dont les processus s’adaptent en temps réel et la façon dont les personnes interagissent avec les données et les systèmes.

La refonte des systèmes existants n’est pas facultative. Les processus existants n’ont pas été conçus pour être rapides ou intelligents. Les équipes ont besoin de flux de travail qui s’adaptent, de modèles de données qui apprennent et de systèmes qui interagissent de manière autonome, sans intervention humaine constante. Cela signifie qu’il ne faut pas se contenter de copier les anciens flux de travail et d’y intégrer l’IA pour les automatiser. Au lieu de cela, construisez dès le départ en gardant à l’esprit une conception dynamique et flexible, ce pour quoi les systèmes de back-office tels que les ERP n’ont traditionnellement pas été réputés. Mais les choses changent rapidement.

Pour les dirigeants, il s’agit de fixer des ambitions. Si l’IA continue de vivre dans des poches de l’entreprise, elle n’apportera pas de valeur réelle. Le passage à l’échelle implique de faire des choix en matière de budget, de priorités, de délais et de type d’organisation que vous souhaitez mettre en place. Ceux qui agissent rapidement et de manière ciblée trouveront un avantage concurrentiel, une efficacité opérationnelle et l’agilité nécessaire pour rester pertinents.

Une pile technologique robuste et prête pour l’IA est essentielle pour une transformation réussie.

Ce n’est pas la technologie qui transforme les entreprises, mais les systèmes. Et pour que l’IA se développe, la pile technologique sous-jacente doit évoluer. Les agents d’IA ne sont pas des outils autonomes. Ils doivent fonctionner dans le cadre de flux de travail réels, parallèlement aux systèmes existants tels que l’ERP. Cela signifie qu’ils doivent être conçus pour coexister, et non pour être remplacés. Vous avez besoin d’une infrastructure qui permette aux agents d’extraire des données de la source, de communiquer entre les charges de travail et d’interagir avec les systèmes d’enregistrement. Il ne s’agit pas d’un seul système d’IA, mais de plusieurs. L’interopérabilité entre ces agents est essentielle.

C’est pourquoi protocole de contexte de modèle (MCP) sont importants. Ils créent un langage partagé entre les agents et les systèmes. C’est ainsi que vous évitez l’automatisation en silos et que vous obtenez des systèmes qui collaborent entre les fonctions. Que vous choisissiez de construire, d’acheter ou de vous associer, cette évolutivité doit faire partie de l’architecture. Choisissez des logiciels qui fonctionnent bien avec d’autres et investissez dans des plateformes qui étendent, et non limitent, vos options en matière d’intelligence artificielle.

Vient ensuite la sécurité. Soyons clairs, l’IA présente des risques si vous ne mettez pas en place des garde-fous dès le départ. La plupart des projets pilotes ont négligé la sécurité au profit de la rapidité. C’est une erreur que vous ne pouvez pas vous permettre à grande échelle. Chaque couche d’IA de l’entreprise doit être sécurisée dès sa conception. Savoir quel agent agit, pourquoi et avec quelle autorité, c’est la raison d’être des protocoles KYA (Know Your Agent). Si vous ne pouvez pas tracer le comportement de chaque système agissant en votre nom, vous vous exposez à des problèmes.

Il s’agit d’un jeu de longue haleine. Les décisions prises aujourd’hui définiront votre feuille de route en matière d’IA pendant des années. Construisez pour l’échelle, construisez pour l’interopérabilité et construisez sans compromis sur la sécurité. C’est ainsi que les entreprises modernes gagnent.

Des données propres, gouvernées et fiables sont essentielles pour développer efficacement l’IA.

Si vos données ne sont pas propres et bien gérées, l’IA devient un bruit au lieu d’un signal. Vous ne pouvez pas faire évoluer les systèmes d’automatisation ou de prise de décision à partir d’informations erronées ou non vérifiées. Pourtant, la plupart des organisations sont encore confrontées à des ensembles de données fragmentés, à une propriété peu claire et à des protocoles incohérents. C’est cette réalité qui empêche l’IA de fonctionner à grande échelle.

Commencez à la source. Les données n’ont pas besoin d’être parfaites, mais elles doivent être structurées, accessibles et fiables. Cela signifie qu’il faut définir des contrats de données, des règles qui garantissent que les données sont exactes, complètes et mises à jour régulièrement. Cela signifie également qu’il faut tracer l’origine de vos données. L’origine et la provenance ne sont pas des mots à la mode, ils permettent à votre équipe de savoir si elle peut se fier à ce que l’IA lui présente.

Les agents autonomes ne peuvent pas demander d’éclaircissements. Ils font ce que les données leur disent. Si vos systèmes les alimentent avec des données obsolètes ou incorrectes, le résultat sera erroné, sans bruit et de manière répétée. La gouvernance n’est donc pas seulement une exigence opérationnelle, mais une nécessité concurrentielle.

Les équipes doivent traiter l’infrastructure de données avec le même poids que le développement de produits ou de plateformes. En effet, ce n’est pas l’algorithme qui fait la différence entre un modèle d’IA fonctionnel et un modèle qui érode la confiance, mais bien les données qui le sous-tendent. Faites de la résolution de ce problème une priorité.

L’éducation et la gestion du changement sont essentielles à l’adoption de l’IA dans les organisations

Il ne suffit pas d’acheter le meilleur système pour développer l’IA. Vous la développerez en changeant la façon dont les gens travaillent, et cela ne se produit que lorsque les gens comprennent ce que la technologie peut faire et se sentent en confiance pour l’utiliser. La plupart des équipes d’entreprise n’en sont pas encore là.

À l’heure actuelle, les équipes techniques sont en avance. Elles expérimentent, déploient des modèles, testent les résultats. Mais les utilisateurs professionnels, qui doivent utiliser ces systèmes à grande échelle, ne sont ni formés ni préparés. C’est une lacune. Pour que l’IA fonctionne dans l’ensemble de l’entreprise, vous avez besoin de programmes de formation qui vont au-delà des principes de base. Les gens doivent comprendre comment utiliser l’IA, où lui faire confiance, quand intervenir et comment repérer les risques à temps.

Il ne s’agit pas d’un petit investissement. Comme l’a souligné un intervenant lors du Gartner 2025 IT Symposium/Xpo à Barcelone, les entreprises pourraient devoir dépenser deux fois plus pour la formation que pour la technologie d’IA proprement dite. Ce chiffre est logique, car il reflète les efforts nécessaires pour modifier fondamentalement les comportements à grande échelle.

Il y a aussi la question du déploiement. La plupart des fournisseurs et des intégrateurs de technologies sont mauvais en matière de gestion du changement. Beaucoup pensent que la livraison de fonctionnalités signifie que le travail est terminé. Ce n’est pas le cas. Les organisations doivent reconstruire leurs mécanismes internes pour le déploiement, l’intégration de l’IA dans les flux de travail, l’ajustement des mesures de performance et le soutien des équipes pendant la transition.

C’est là que le leadership de la direction générale est important. L’adoption de l’IA ne se fera pas de manière linéaire ou sans friction. Mais les entreprises qui investissent dans les personnes, et pas seulement dans les outils, iront plus loin, plus vite, et obtiendront de meilleurs résultats.

Les organisations « rapatrient » la technologie pour mieux la contrôler et la maîtriser.

Les entreprises repensent l’endroit où elles stockent et traitent leurs données, non seulement pour des raisons d’efficacité, mais aussi de contrôle. Une trop grande dépendance à l’égard de l’infrastructure mondiale et des plateformes étrangères est source d’exposition. L’évolution de la situation géopolitique, les exigences croissantes en matière de conformité et les risques émergents poussent les entreprises à rapatrier leurs technologies de base et leurs données sensibles dans des juridictions qu’elles peuvent gérer activement.

Ce changement n’est pas théorique. La demande de fournisseurs de clouds souverains et de partenaires d’infrastructure locaux est en hausse. Les lois sur la confidentialité des données se durcissent, en particulier en Europe et dans certaines parties de l’Asie. L’IA ne fait qu’aggraver la situation, car les modèles de formation et d’inférence nécessitent des ensembles de données localisés et souvent sensibles. Vous ne pouvez pas utiliser une IA formée de manière optimale si vos pipelines de données sont bloqués ou compromis par des restrictions juridictionnelles.

Traiter les données plus près de la périphérie, dans le respect des lois locales, n’est pas une question de logistique, c’est une question d’atténuation des risques et de préparation à la concurrence. Les entreprises qui gèrent leur infrastructure avec ce niveau de contrôle sont mieux placées pour faire face aux perturbations et aux changements réglementaires sans interrompre leurs activités ou réduire leurs capacités.

La décision de rapatrier une infrastructure technologique est stratégique. Il s’agit de posséder une plus grande partie de l’écosystème, de réduire les dépendances, de sécuriser les actifs sensibles et de garder une longueur d’avance sur les obstacles juridiques ou politiques. Les décisions prises aujourd’hui détermineront l’agilité et la réactivité de votre organisation dans un environnement technologique mondial instable.

Les DSI doivent jouer un rôle de premier plan dans l’accompagnement des changements de l’entreprise induits par l’IA

On pense à tort que la diffusion de l’IA dans toutes les fonctions de l’entreprise met le DSI à l’écart. Cette hypothèse est erronée. C’est précisément maintenant que les DSI doivent intervenir. Non pas en tant que propriétaires de systèmes, mais en tant que dirigeants d’entreprise définissant comment la technologie transforme chaque partie de l’entreprise.

Les chiffres sont clairs. Selon une étude du MIT, seulement 5 % des initiatives en matière d’IA créent une valeur réelle. Les rapports de Gartner indiquent un chiffre légèrement plus élevé, mais toujours inférieur à 30 %. C’est inacceptable, surtout si l’on considère l’ampleur des investissements. Le problème n’est pas la technologie, mais la clarté, la définition des priorités et l’exécution.

Les DSI doivent s’approprier ces lacunes. Cela signifie qu’il faut comprendre les bons niveaux d’automatisation dans les différents domaines. Certains domaines fonctionnent mieux avec des logiciels déterministes, d’autres avec des copilotes IA dynamiques. Rien de tout cela ne fonctionne en pilotage automatique. Les DSI doivent traduire les besoins de l’entreprise en choix d’architecture et valider l’impact en cours de route.

L’échec rapide est une autre responsabilité clé. Trop d’équipes s’accrochent à des projets médiocres par habitude ou à cause des coûts irrécupérables. Cela ralentit tout. Des choix clairs, fondés sur des mesures, permettant de savoir ce qu’il faut développer, ce qu’il faut abandonner et quand, doivent venir d’en haut.

Les DSI ne sont plus seulement des gestionnaires d’infrastructure. Ils sont des architectes de la transformation. Et dans ce changement induit par l’IA, c’est leur leadership qui détermine si l’organisation est en tête ou à la traîne.

Principaux faits marquants

• Développer l’IA au-delà du mode pilote : L’IA n’est plus expérimentale, les entreprises devraient donner la priorité à l’intégration de l’IA dans les opérations de base afin de débloquer des gains de performance à l’échelle de l’entreprise et d’assurer la pérennité des processus.
• Moderniser intentionnellement la pile technologique : Les dirigeants doivent investir dans une infrastructure interopérable qui prend en charge plusieurs agents d’IA, garantit une intégration sécurisée des systèmes et s’aligne sur les objectifs d’évolutivité à long terme.
• Donnez la priorité à la qualité et à la gouvernance des données : L’IA fiable dépend de données propres, structurées et traçables ; les dirigeants devraient faire respecter les contrats de données et les normes de lignage pour garantir une échelle durable.
• Mettez les bouchées doubles sur la préparation de la main-d’œuvre : Un déploiement réussi de l’IA nécessite un investissement important dans la formation des employés et la gestion du changement. Les dirigeants devraient financer des programmes d’apprentissage et intégrer la maîtrise de l’IA dans toutes les unités opérationnelles.
• Réduire l’exposition grâce au rapatriement des technologies : Le transfert des charges de travail sensibles vers des fournisseurs souverains et locaux améliore la résilience et aide à respecter la conformité régionale en matière de confidentialité des données, en particulier avec l’IA à la périphérie.
• Renforcer le rôle du DSI dans les résultats de l’IA : Les DSI doivent s’approprier la transformation de l’IA en alignant les stratégies d’automatisation sur la valeur de l’entreprise, en favorisant l’itération rapide et en n’augmentant que ce qui fonctionne sur la base de résultats clairs.