Aller au contenu
Articles
ArticlesTraduction IA· 7 septembre 2026

AI as a Moving Target - Pourquoi la stratégie IT classique se fracasse sur l'IA

par 10 min de lecture

Petit retour en arrière, et un post-scriptum désagréable

Ces derniers mois, nous avons tracé un chemin clair et logique :

  1. Dans l'épisode 11.0, nous avons vu qu'il est possible de bâtir sa propre infrastructure d'intelligence sur une base open source.
  2. Dans Mes données, mon IA, nous avons soutenu que le savoir unique de votre entreprise est votre véritable avantage défensif.
  3. Enfin, dans L'Intelligence Ownership devient un Business Case, nous avons fait les comptes : des modèles propriétaires, affinés en interne, battent souvent l'IA générique louée aux géants de la Big Tech, en qualité et en prix.

Une précision d'emblée, pour éviter tout malentendu : quand nous parlons ici d'« intelligence », nous ne jugeons évidemment pas le QI de vos collaborateurs. Nous parlons de la performance technologique de votre système d'IA, c'est-à-dire de l'interaction entre les modèles, le savoir de votre entreprise et les applications qui reposent dessus.

Au fond, on pourrait se dire : la cible est définie. Garder le savoir, posséder ses modèles. Rédigeons donc un bon vieux plan à trois ans, définissons l'architecture, choisissons un fournisseur et déroulons. N'est-ce pas ?

Raté.

Quand j'observe la manière dont les entreprises tentent aujourd'hui de mettre cette stratégie en œuvre, elles se heurtent toutes au même mur invisible : le problème n'est plus « louer ou posséder ? ». Le problème, c'est que tout ce sur quoi repose cette décision bouge bien plus vite que la décision elle-même.

Ce n'est pas un hasard si ce billet s'intitule « L'IA, une cible mouvante ». Il ne s'agit pas simplement du fait que la technologie évolue. Ce qui est fascinant, et dangereux, c'est que les bases de la décision changent massivement pendant qu'une entreprise est encore en train de planifier, d'acheter ou de déployer.

Ce billet ne livre pas de solution clé en main (elle viendra plus tard ; nous consacrerons de prochains billets à ces sujets). Il expose la réalité complexe à l'aune de laquelle toute future solution stratégique devra être jugée.

La grande illusion de la stabilité

La stratégie IT classique fonctionne comme la construction d'une maison. Elle repose sur des hypothèses tacites, si évidentes que plus personne ne les formule :

  • Le terrain (la base technologique) est stable.
  • On choisit une fois pour toutes une entreprise de construction (le fournisseur).
  • On planifie des années à l'avance (architecture & achats).
  • La maison est debout, et les coûts s'amortissent sur des années.
  • Le permis de construire (la réglementation) s'obtient une fois, puis on le range dans un classeur.

L'IA n'est pas un chantier de maison. L'IA, c'est naviguer sur un torrent dont le courant change tous les jours. Pas étonnant que très peu avancent vraiment, comme le montre une nouvelle étude de Gartner.

Cela ne veut absolument pas dire qu'aucune stabilité n'est possible avec l'IA et qu'il faudrait se résigner à ce que tout tangue en permanence. Le point décisif est le suivant : tout ne peut pas, et tout ne doit pas, être stable. Les fondations stratégiques doivent être parfaitement stables, tandis que certains composants technologiques restent délibérément interchangeables.

Un programme d'achat qui, dans l'IT d'entreprise, dure allègrement deux à trois trimestres finit aujourd'hui par trancher sur la base d'un modèle, d'un niveau de prix et d'une interprétation de la conformité qui, au moment du go-live, n'existent tout simplement plus.

Il en découle six problèmes fondamentaux que les comités de direction doivent comprendre :

Problème 1 : la demi-vie des modèles d'IA

« Nous entraînons maintenant notre propre modèle ! » Bonne idée. Mais quiconque entraîne aujourd'hui à grands frais un modèle d'IA pour la gestion de son catalogue constatera dans six mois qu'un nouveau modèle open source arrive sur le marché, deux fois meilleur out of the box et deux fois moins cher à exploiter.

Est-ce que cela contredit notre thèse du dernier billet ? Pourquoi vous ai-je recommandé l'« Intelligence Ownership » si le modèle est dépassé au bout de six mois ? La réponse :

La propriété reste juste et importante, mais posséder un modèle précis ne suffit pas, à lui seul, à garantir l'indépendance technologique.

L'enjeu est de posséder le savoir, les données et la capacité de décision elle-même, sans se lier durablement à une implémentation technique donnée.

L'Intelligence Ownership n'est pas un état figé, c'est un processus.

Si vous n'avez pas construit ce processus de façon à pouvoir changer sans douleur à l'arrivée du prochain modèle de base, vous posséderez dans deux ans une intelligence hautement spécialisée sur un système que plus personne ne saura ou ne voudra peut-être maintenir. Ce risque, il faut l'évaluer honnêtement.

Problème 2 : la dépendance invisible (Vendor Lock-in 2.0)

On pourrait croire que celui qui possède les poids (weights) de son modèle est libre. En partie seulement. Avec l'IA, la dépendance descend simplement d'un étage. Où naît-elle exactement ?

Un modèle d'IA n'est, au bout du compte, qu'un « cerveau dans un bocal ». Pour être utile, il lui faut une mémoire (des bases de données vectorielles) et des mains pour manier des outils (des frameworks d'agents). Les grands fournisseurs cloud rendent incroyablement simple l'utilisation de leur mémoire propriétaire et de leurs outils. Sauf qu'alors, vous leur offrez votre intelligence et ce qui fait votre singularité.

Le problème : le modèle lui-même peut bien être open source, si votre application est profondément imbriquée avec le service de retrieval managé d'AWS ou le framework d'agents d'Azure, changer de « cerveau » ne vous avancera à rien. Les coûts de sortie pour le reste de l'écosystème sont énormes. Vous devez apprendre à distinguer entre utiliser un fournisseur et dépendre structurellement d'un fournisseur.

Problème 3 : le malentendu matériel

Nous le savons tous : l'IA exige une puissance de calcul massive, surtout des GPU (processeurs graphiques). Mais il faut impérativement distinguer l'entraînement (l'apprentissage) de l'inférence (les requêtes du quotidien).

  • L'entraînement, c'est comme cinq années d'études universitaires. Cela exige une concentration massive et soutenue. Pour cela, on construit des clusters de GPU coûteux et hautement spécialisés.
  • L'inférence, c'est comme tenir l'accueil d'un hôtel bondé. Il faut des réflexes rapides, du multitâche et du pragmatisme.

Les entreprises, c'est à 95 % de l'inférence. Pourtant, elles planifient souvent leur infrastructure comme un laboratoire de recherche. Et quand l'IA, sous forme d'agent, planifiera elle-même, lira dans les bases de données et déclenchera des workflows, la charge repartira de toute façon vers l'IT classique et les CPU. La question n'est plus « Avons-nous besoin de GPU ? », mais : « Qui planifie le bon mix pour notre quotidien ? »

Problème 4 : une réglementation au pas de course

L'AI Act européen n'est pas un tampon de contrôle technique qu'on obtient une fois avant la mise en service. Son application est échelonnée, il dépend des rôles et il est précisé en continu par de nouvelles normes.

Cela ne signifie pas que chaque changement technologique doive automatiquement déclencher un nouvel audit de conformité complet de plusieurs mois. L'idée est plutôt la suivante : votre conformité doit être suffisamment agile pour suivre le rythme des évolutions techniques. Si vous changez de modèle ou de fournisseur, la documentation et la classification des risques doivent pouvoir s'adapter de façon modulaire. Qui voit la réglementation comme une phase de projet ponctuelle en bout de chaîne n'a pas compris le problème.

Problème 5 : le nouveau goulet d'étranglement ne s'appelle pas « compute »

Le développement assisté par IA rend l'écriture de code standard toujours moins chère et plus rapide. Tant mieux. Les maçons coûtent donc moins cher. Mais il nous manque les urbanistes et les plombiers.

Ce qui devient extrêmement rare, ce sont les gens capables de faire tourner une plateforme d'IA en production.

  • Il nous faut des plombiers (Data, Security & Platform Engineers) qui posent les tuyaux (API, pipelines de données, vector stores) de manière sûre et hautement disponible.
  • Il nous faut des urbanistes (AI Architects, experts gouvernance & FinOps) qui conçoivent l'ensemble de sorte que le rutilant nouveau quartier IA soit raccordé, en toute sécurité et conformément au RGPD, au vieil ERP historique de 2009.

Ce n'est pas un simple problème de recrutement. Cela exige une refonte complète des profils de compétences au cœur de votre IT.

Problème 6 : le méta-problème, qu'est-ce qui est encore stable ?

Quand on a cinq cibles mouvantes en même temps (modèles, fournisseurs, matériel, réglementation, compétences), une chose devient limpide, et c'est le message central de ce billet :

L'objet stable de votre stratégie IT ne peut plus être un modèle, un fournisseur ou une architecture en particulier. Ce qui doit être stable, c'est la capacité de l'organisation à remplacer des composants technologiques de manière maîtrisée et à s'adapter au changement.

C'est une prise de conscience désagréable pour tous ceux qui viennent de faire valider en comité de direction un joli schéma d'architecture à cinq ans, gravé dans le marbre. La question « À qui appartient votre intelligence ? » est nécessaire, mais elle ne suffit plus. La nouvelle question qui en découle :

À quelle vitesse et à quel coût pouvons-nous basculer technologiquement quand le sol se dérobe sous nos pieds ?

Le test décisif : 6 questions à poser à votre stratégie

Avant de choisir une solution organisationnelle ou technique concrète, votre stratégie IA doit pouvoir répondre à ces six questions avec une honnêteté sans fard :

  1. Changement de modèle : combien de temps nous faut-il pour remplacer le modèle d'IA derrière un cas d'usage en production sans devoir reconstruire tout le processus ? Des jours, des mois, ou « personne ne sait » ?
  2. Profondeur de la dépendance : lesquelles de nos applications d'IA ne pourrions-nous pas détacher de leur fournisseur cloud actuel en un trimestre ? (Et le savons-nous avec certitude, ou le supposons-nous seulement ?)
  3. Profil d'infrastructure : dimensionnons-nous nos serveurs pour l'entraînement ou pour l'inférence ? Et qui décide du mix : les métiers, notre IT ou notre fournisseur cloud ?
  4. Agilité de la conformité : si nous changeons de modèle demain, quelle part de notre documentation AI Act reste valable ?
  5. Déficit de compétences : qui, chez nous, sait exploiter une plateforme d'inférence et comprend en même temps le fonctionnement de notre gestion des droits (IAM), fruit de décennies de sédimentation ? (Si la réponse tient en un seul nom, vous avez un risque majeur.)
  6. Capteurs : comment apprenons-nous les évolutions technologiques ou réglementaires pertinentes ? Par la newsletter marketing de notre fournisseur actuel, ou disposons-nous d'un processus propre et systématique ?

Qui a répondu à ces six questions comprend le véritable terrain de jeu. Les réponses au « Comment résoudre tout ça ? » feront l'objet des prochains billets.

D'ici là, retenez ce principe : la réponse à la dynamique de l'IA n'est pas de renoncer à la stratégie, mais de la concevoir autrement. On ne fige plus une technologie précise pour cinq ans ; on construit une organisation et une architecture capables d'accompagner le changement technologique de manière maîtrisée.

Ce qui nous amène à une réalité organisationnelle incontournable : pour les entreprises qui vivent déjà un véritable Agile Management, le mot d'ordre est désormais : attachez vos ceintures, il va falloir devenir encore plus agiles, avec des cycles d'adaptation qui se comptent en semaines. Et pour les organisations qui ont jusqu'ici relégué l'agilité au rang de buzzword et restent engluées dans des projets en cascade, des budgets annuels rigides et des plans de déploiement sur plusieurs années ? Pour elles, cette dynamique n'est plus seulement inconfortable : elle devient critique pour le business.


Live long and prosper 😉🖖


Référence musicale (1 -> cette année, c'est 100Miles 😉 et 2 -> une stratégie IA, c'est comme un morceau de Miles Davis : la direction est fixée, mais l'équipe doit réagir en temps réel aux changements et savoir improviser. La vraie agilité)

À lire aussi
Thème
IA en Entreprise
26 PublicationsTout voir →
▶Écouter