Les projets d’IA générative qui échouent se traduisent par des déchets de haute technologie et des coûts de maintenance à long terme
Il est clair que l’IA générative évolue rapidement, peut-être trop rapidement pour certains. Cette rapidité crée des risques pour les entreprises qui s’empressent de déployer sans architecture appropriée. Nous assistons à une vague de projets ratés qui laissent derrière eux un code cassé, des applications à moitié terminées et des outils instables, un encombrement numérique que personne n’a demandé mais avec lequel tout le monde doit composer. Cela pèse sur les ressources. Il ne s’agit pas seulement d’un coût de développement, mais aussi d’un fardeau opérationnel qui perdure longtemps après la fin du projet.
Une étude récente de Gartner l’a démontré : d’ici 2030, la moitié des entreprises paieront encore le prix des déploiements d’IA abandonnés ou retardés. Cela pourrait prendre la forme de factures de maintenance plus élevées ou de délais plus longs. Quoi qu’il en soit, il s’agit d’une erreur stratégique qui ralentit l’innovation au lieu de l’accélérer.
Le problème n’est pas la vitesse de l’innovation elle-même. C’est la manière dont certains dirigeants l’appliquent. Les mises en œuvre réalisées sans vision claire ni alignement technique créent ce que l’on appelle dans le milieu de l’ingénierie la « dette technique ».dette technique« c’est-à-dire des coûts que vous repoussez à plus tard. Les correctifs à court terme semblent souvent être des progrès, mais ils vieillissent rapidement. Ce code hérité n’a aucune valeur à long terme et ne s’intègre souvent pas proprement dans les systèmes existants.
Pour les décideurs de haut niveau, le message est simple : ne courez pas après les tendances pour rester pertinents. Concentrez-vous sur les principes fondamentaux de l’ingénierie et sur la durabilité. Quel que soit le système d’IA que vous adoptez, veillez à ce qu’il soit conçu en pensant à l’avenir, et pas seulement au prochain rapport trimestriel. Tout système incapable d’évoluer ou de s’adapter est un handicap. À long terme, le nettoyage est toujours plus coûteux que de faire les choses correctement du premier coup.
L’augmentation de la dette technique liée à la mise en œuvre de l’IA générique peut compromettre les gains de productivité à court terme
L’IA générative promet beaucoup, et dans de nombreux cas, elle tient ses promesses. Les équipes travaillent plus vite. Les processus sont automatisés. Des opportunités d’optimisation apparaissent un peu partout. C’est une bonne chose. Mais il y a un hic : si la technologie est construite sur une infrastructure faible, tout gain de productivité immédiat pourrait se faire au prix de réécritures douloureuses plus tard. C’est comme si vous preniez de la vitesse sans freins.
De nombreuses études confirment cette inquiétude. Le rapport de HFS Research et Unqork l’exprime sans détour : 43 % des dirigeants s’attendent à ce que l’IA augmente la dette technique, alors que plus de 80 % d’entre eux considèrent qu’elle améliore la productivité et réduit les coûts. Les deux peuvent être vrais. Vous obtenez un gain à court terme, mais vous vous retrouvez avec des systèmes fragiles qui s’effondrent sous la pression.
Une grande partie de cette dette provient d’une mauvaise intégration avec les outils existants. Les entreprises superposent l’IA générique à l’ancienne infrastructure sans en repenser la base. Lorsque l’IA est intégrée à des systèmes fragiles et lourds en code, la dette technique s’accélère. C’est comme si l’on utilisait un logiciel avancé sur un matériel obsolète, ce qui n’est pas une bonne solution.
Il ne s’agit pas d’un problème technique. Il s’agit d’une décision de leadership. Les faiblesses fondamentales créent des risques à long terme qui se traduisent par des temps d’arrêt, des déploiements lents et des budgets informatiques gonflés. La bonne décision consiste à réarchitecturer maintenant, à concevoir pour la modularité et à donner la priorité à l’intégration interne. Si vous ne configurez pas correctement ces systèmes dès le départ, la courbe des coûts s’infléchit rapidement vers le haut, et il est rare qu’elle redescende d’elle-même.
Mettez l’accent sur l’architecture, et pas seulement sur l’accélération. Construisez un système capable de supporter les gains de productivité que vous recherchez. Sinon, vous ne faites qu’empiler des gains à court terme qui s’effondreront sous leur propre poids.
Les risques en matière de sécurité et de conformité augmentent en raison de systèmes d’IA non autorisés ou mal intégrés.
La sécurité n’est pas facultative, surtout lorsque les systèmes d’IA sont déployés rapidement, souvent sans transparence totale entre les équipes. Ce qui se passe actuellement, c’est une accumulation de déploiements d’IA non approuvés ou autodirigés au sein des organisations. Les analystes appellent cela l' »IA de l’ombre ».IA de l’ombre. » Ces outils fonctionnent souvent sans surveillance claire, ce qui crée un risque important. Les entreprises s’exposent à des fuites de données, à des applications malveillantes et à des problèmes de conformité qu’elles ne peuvent pas se permettre de découvrir trop tard.
Gartner prévoit que d’ici 2030, environ 40 % des entreprises connaîtront des incidents de sécurité ou de conformité liés à l’utilisation non autorisée de l’IA. Il ne faut pas sous-estimer ce phénomène. Selon HFS Research, 59 % des dirigeants placent déjà la sécurité au premier rang de leurs préoccupations en matière de genAI, la moitié d’entre eux pointant également du doigt les risques d’intégration liés aux systèmes existants qui n’ont pas été modernisés.
Le problème s’intensifie lorsque les entreprises développent l’IA en silos, sans gouvernance centrale. Les outils d’IA ont accès à un large éventail de données critiques pour l’entreprise, depuis les dossiers des clients jusqu’aux stratégies de tarification. Si une seule partie du système est mal configurée ou manque de supervision, les données sensibles deviennent vulnérables. Les violations de la vie privée, les atteintes à la réputation et les sanctions réglementaires s’ensuivent.
C’est le moment pour les dirigeants d’agir de manière décisive. Ne déléguez pas entièrement la sécurité de l’IA aux équipes techniques, traitez-la comme un risque commercial essentiel. Assurez-vous que votre DSI et votre RSSI ont une vision unifiée de l’utilisation de l’IA dans l’ensemble de l’entreprise. Adoptez des politiques, approuvez des outils, centralisez la gouvernance. Évitez autant que possible le verrouillage des fournisseurs. Privilégiez les systèmes ouverts qui sont plus faciles à auditer et à contrôler. Si vous ne contrôlez pas votre architecture, c’est elle qui contrôlera votre exposition.
La transformation des entreprises, plutôt que l’innovation purement technologique, est le moteur des stratégies d’IA.
Un changement est en train de s’opérer. De plus en plus de dirigeants ne se contentent plus de déployer l’IA générative, ils l’utilisent pour redéfinir la manière dont l’entreprise apporte de la valeur. Auparavant, c’était la technologie qui dictait les décisions ; aujourd’hui, c’est la stratégie qui mène, et la technologie qui suit.
Les entreprises réorganisent les processus de bout en bout, en commençant par le problème et non par la plateforme. Il s’agit d’une approche plus intelligente. Au lieu de se demander ce que les outils d’IA peuvent faire, les dirigeants forts se demandent quels sont les défis que leur entreprise doit résoudre. L’IA est utilisée pour façonner de nouveaux flux de travail, lancer de nouveaux services et débloquer des efficacités opérationnelles qui vont au-delà de l’automatisation.
Nous le constatons déjà dans de grandes entreprises. Chez Lumen, Sean Alexander, vice-président principal de Connected Ecosystem, a expliqué que leur approche commence par l’identification du problème commercial. Ils appliquent ensuite des outils d’IA pour y répondre et suivent les résultats. C’est une approche disciplinée. Elle place l’objectif avant la plateforme.
Tim Holt, vice-président de la technologie et de l’ingénierie grand public chez Pfizer, a déclaré que l’entreprise avait instauré la confiance dans l’IA en intégrant progressivement les fonctions commerciales dans le processus. Il a décrit comment la réimagination des opérations existantes après l’intégration de l’IA donne des résultats qui sont à la fois transformationnels et mesurables.
Mona Riemenschneider, responsable de la communication mondiale en ligne chez BASF Agricultural Solutions, a confirmé cette orientation. Chez BASF, l’IA n’est pas une initiative secondaire, elle est au cœur de la façon dont l’entreprise entend créer de la valeur à l’avenir.
La transformation de l’entreprise exige que les équipes dirigeantes alignent la mise en œuvre de l’IA sur les objectifs fondamentaux de l’entreprise. Cela signifie que les responsables des produits, de l’informatique, des opérations et de la gouvernance doivent collaborer très tôt. Des initiatives déconnectées ne feront pas avancer les choses. L’IA ne doit pas être un projet informatique de plus, elle doit être intégrée à la manière dont l’entreprise planifie, exécute et évolue.
L’innovation rapide dans le domaine de l’IA générique remet en question l’établissement de stratégies stables et à long terme.
L’IA générative évolue rapidement, trop rapidement pour que la plupart des architectures d’entreprise puissent suivre. De nouveaux modèles, de nouvelles plateformes et de nouvelles capacités apparaissent toutes les quelques semaines. Ce rythme ne crée pas seulement des opportunités, il crée aussi de l’instabilité. Lorsque l’infrastructure de base n’est pas conçue pour s’adapter à cette vitesse, les organisations tombent dans une prise de décision fragmentée. Le résultat immédiat est un patchwork d’outils d’IA qui ne communiquent pas bien, s’adaptent mal et sont coûteux à gérer.
L’alignement stratégique devient plus difficile lorsque les organisations recherchent des améliorations à court terme plutôt qu’une intégration à long terme. Il ne s’agit pas de résister au progrès, mais d’être attentif à la manière dont l’innovation pénètre dans vos systèmes. La plupart des piles technologiques des entreprises n’ont pas été conçues pour des itérations continues de l’IA. Sans la capacité d’absorber efficacement le changement, chaque mise à niveau ressemble à une réingénierie.
Selon Gartner, de nombreuses entreprises s’enferment dans des systèmes propriétaires où les solutions d’IA dépendent du matériel ou du logiciel d’un fournisseur spécifique, comme les piles de GPU de sociétés telles que Nvidia. Cela réduit la flexibilité. Cela lie également les décisions futures à un ensemble d’outils, ce qui limite la vitesse à laquelle l’entreprise peut changer de direction ou capitaliser sur de nouvelles capacités. Pour rester agiles, les entreprises ont besoin de systèmes capables de s’adapter, des systèmes construits sur des normes interopérables qui ne les obligent pas à faire des choix à sens unique.
Il ne s’agit pas seulement d’une question technique. Il s’agit d’une question stratégique. Si vous êtes un cadre de haut niveau, vous devez vous concentrer sur les points suivants une architecture prête pour l’IA qui ne deviendra pas obsolète à mesure que le rythme s’accélère. Évaluez les fournisseurs sur la base de leur viabilité à long terme, et pas seulement sur la base de leurs fonctionnalités. Constituez des équipes internes capables de gérer des systèmes modulaires. Encouragez les modèles de gouvernance qui permettent d’évaluer et de supprimer rapidement les fonctions d’IA qui ne sont plus utiles à l’entreprise.
Les entreprises qui réussiront à long terme avec l’IA ne seront pas celles qui auront déployé le plus d’outils. Ce seront celles qui auront créé des systèmes résilients : suffisamment stables pour faire face à des changements rapides, mais suffisamment souples pour ne pas se laisser enfermer. Le succès à long terme de l’IA dépend moins de la puissance de la technologie que de l’adaptabilité du système dans lequel elle fonctionne.
Principaux faits marquants
- Les conséquences coûteuses de l’échec des projets de genAI : Les dirigeants doivent anticiper et gérer de manière proactive les coûts opérationnels à long terme des initiatives de genAI abandonnées, qui laissent souvent derrière elles un code instable, des applications malveillantes et des failles de sécurité qui épuisent les ressources informatiques et obscurcissent le retour sur investissement.
- Dette technique ou productivité à court terme : Les organisations doivent trouver un équilibre entre les gains immédiats de l’IA générative et les investissements fondamentaux dans l’architecture. Sans cela, la dette technique augmentera, ce qui nuira à la rapidité et créera des obstacles à l’innovation future.
- Les risques de sécurité liés aux déploiements d’IA non gouvernés : Les dirigeants ont besoin de cadres de gouvernance clairs pour éviter les problèmes de conformité coûteux et les violations de données découlant d’outils d’IA non autorisés ou peu intégrés, ce que Gartner appelle « l’IA de l’ombre ».
- Les stratégies d’IA doivent s’aligner sur les objectifs de transformation de l’entreprise : Les entreprises tournées vers l’avenir utilisent l’IA pour résoudre des problèmes commerciaux spécifiques et ne se contentent pas d’expérimenter la technologie. Les dirigeants doivent s’assurer que les initiatives en matière d’IA s’appuient sur des objectifs commerciaux et en mesurer l’impact en conséquence.
- L’évolution rapide de l’IA exige une agilité architecturale : Pour rester stratégiquement alignés, les décideurs doivent investir dans des systèmes interopérables et agnostiques qui peuvent s’adapter rapidement et évoluer intelligemment, en évitant le verrouillage et la rigidité technique au fur et à mesure de l’évolution rapide de l’IA.
