La plupart des entreprises ont passé ces deux dernières années à mettre en place des projets pilotes d'IA, à tester des solutions d'assistance et à poser à leurs architectes une question qui revient sans cesse, aussi délicate soit-elle : que faire de tous ces anciens systèmes ?
Dans un récent podcast avec Mike Vizard pour la série « Techstrong AI Leadership Insights », Jeremiah Stone, directeur technique de SnapLogic, affirme que cette question est généralement posée trop tard et mal formulée.
« Héritage » et « patrimoine » ne désignent pas la même chose
Selon Stone, avant de pouvoir élaborer une stratégie d'intégration de l'IA, il faut faire preuve d'honnêteté quant à la réalité avec laquelle on est confronté. Et cela commence par une distinction que la plupart des organisations ont du mal à faire : tous les anciens systèmes ne posent pas le même problème.
Un progiciel de gestion d'entreprise (ERP) vieux de 25 ans qui gère l'ensemble de votre processus de gestion des commandes est fondamentalement différent d'un outil de reporting sur mesure dont plus personne ne sait comment assurer la maintenance. L'un constitue un socle sur lequel reposent des décennies de logique métier et d'expertise sectorielle. L'autre n'est qu'une dette technique. Les traiter de la même manière (en remplaçant tout ou en protégeant tout) est l'un des moyens les plus sûrs de faire capoter un programme de transformation avant même qu'il ne démarre.
L'approche de Stone repose essentiellement sur un raisonnement de triage. Avant d'élaborer une stratégie d'intégration de l'IA, il faut dresser un état des lieux honnête de ce dont on dispose, de sa valeur et du rôle qu'il devrait jouer à l'avenir. Il a déjà vécu cette situation. Il a fait ses débuts dans le secteur à la fin des années 1990, lors du passage des ordinateurs centraux aux ordinateurs personnels, la dernière fois où les entreprises ont dû trouver comment répartir de nouvelles capacités puissantes au sein d'une infrastructure conçue pour une époque complètement différente.
« Les entreprises qui ont bien géré la situation ne sont pas celles qui ont tout remplacé », dit-il. « Ce sont celles qui ont su faire la transition de manière intelligente. »
Jeremiah Stone, directeur technique, SnapLogic
C'est toujours le bon réflexe aujourd'hui.
Les domaines où l'IA fait réellement ses preuves
Stone utilise un critère utile pour déterminer où il vaut réellement la peine d'investir dans l'IA, et cela commence par un examen honnête du processus que l'on cherche à améliorer.
Tous les processus ne se ressemblent pas. Certains sont déterministes : clairs, fondés sur des règles et bien compris. Si l'on y applique mille fois les mêmes données d'entrée, on obtient toujours le même résultat. D'autres sont intrinsèquement probabilistes : complexes, nécessitant un jugement important et dépendant de personnes expérimentées qui prennent des décisions dans un contexte d'incertitude.
Selon Stone, l'IA tend à produire ses résultats les plus significatifs dans la deuxième catégorie, et non dans la première. Intégrer l'IA à un processus qui fonctionne déjà de manière prévisible n'apporte généralement pas de changement notable. C'est en l'appliquant à des tâches qui ont toujours été quelque peu chaotiques (là où les humains devaient déjà improviser) que l'on parvient réellement à réduire les délais d'exécution et à améliorer la qualité.
Ces gains d'efficacité sont bien réels. Mais ils sont également l'objectif que tous les concurrents poursuivent en parallèle, ce qui signifie que cet avantage s'amenuise presque aussi vite qu'il apparaît. La question la plus importante est de savoir ce qui succédera à cette vague d'efficacité.
Prenons l'exemple d'Uber. Avant Uber, si l'on voulait un taxi, on appelait un numéro, on espérait que quelqu'un réponde, on donnait une adresse, puis on attendait sans savoir vraiment quand le véhicule allait arriver. Uber n’a pas seulement accéléré ce processus. L’entreprise a créé quelque chose qui n’existait pas auparavant : une mise en relation en temps réel de l’offre et de la demande à l’échelle de la ville, avec des heures d’arrivée estimées fiables, une tarification dynamique et une responsabilisation des chauffeurs intégrée au système. Ce n’est pas un gain d’efficacité. C’est une nouvelle catégorie de service.
« Ce moment n'est pas encore arrivé pour les systèmes basés sur des modèles linguistiques. C'est actuellement dans le domaine du développement logiciel que les choses bougent vraiment. Mais d'un point de vue plus général, au niveau de l'économie, je pense que nous n'en sommes qu'aux prémices. » – Jeremiah Stone, directeur technique, SnapLogic
C'est une approche plus honnête que celle proposée par la plupart des analyses actuelles sur l'IA. Les gains en efficacité opérationnelle méritent d'être recherchés, mais ils ne constituent pas un avantage durable. Les organisations qui prendront l'avantage seront celles qui utiliseront l'IA pour créer des services qui n'auraient tout simplement pas pu exister auparavant. Et cela exige une ambition d'un autre ordre que celle qui caractérise la vague actuelle d'optimisation de la productivité.
Inscrivez-vous au sommet virtuel AgentFest 2026 et découvrez comment orchestrer les agents, les données et le MCP à grande échelle.
La demande en matière de leadership augmente, elle ne diminue pas
Il existe une version du discours sur l'IA qui va comme suit : l'IA se charge des tâches routinières, les humains se concentrent sur les aspects créatifs et stratégiques, et tout le monde y gagne.
Oui, l'IA accélère l'autonomisation des professionnels qualifiés. Les frais administratifs diminuent. Les possibilités offertes à un ingénieur, un analyste ou un opérateur compétent s'élargissent véritablement. Mais Stone conteste l'idée selon laquelle cela réduirait la demande en matière de leadership. Il estime au contraire que cela la renforce.
« Je pense qu’il n’y a jamais eu autant besoin d’un leadership et d’une orientation de qualité dans un marché aussi rapide et dynamique. Le poids et la pression liés à la nécessité d’une orientation cohérente, à la clarté des objectifs et à la mise en œuvre se font sentir plus que jamais. »
Jeremiah Stone, directeur technique, SnapLogic
Lorsque le rythme du changement s'accélère et que l'influence de chacun s'accroît, le coût d'une orientation floue se multiplie. Une équipe désorientée qui avance lentement peut encore se rattraper. Une équipe désorientée qui avance vite, avec l'IA amplifiant sa vitesse dans la mauvaise direction, pose un problème bien plus difficile à résoudre.
Les organisations qui gèrent bien cette transition ne sont pas celles qui réduisent leurs effectifs à mesure que l'IA automatise les tâches. Ce sont celles qui réaffectent leurs collaborateurs expérimentés à des tâches à plus forte valeur ajoutée, tout en établissant un cadre stratégique clair qui permet de tirer pleinement parti de cette valeur ajoutée.
Le principal obstacle à l'adoption de l'IA réside dans la stratégie
Ce sur quoi Stone revient sans cesse, sous différentes formes, c'est que ce n'est pas la technologie qui freine l'adoption de l'IA par les entreprises. Les modèles sont performants. Les outils existent. Les intégrations sont réalisables.
Le problème réside dans la qualité des décisions prises concernant cette technologie, qu'il s'agisse :
- On peut distinguer un système patrimonial d'un système hérité
- Vous utilisez l'IA pour les processus où elle permet réellement de faire avancer les choses
- Vous vous efforcez de créer de la valeur ajoutée plutôt que de vous contenter d'optimiser ce que vous avez déjà
Tout cela n'est pas un problème lié à l'IA. Il s'agit d'un problème stratégique et organisationnel dont l'IA se trouve simplement être au cœur pour le moment. Les entreprises qui prennent les bonnes décisions n'auront pas nécessairement déployé davantage d'IA que leurs concurrents. Mais elles auront une vision plus claire des raisons qui les ont poussées à déployer ce qu'elles ont déployé. Et cela s'avère être d'une importance capitale.
Jeremiah Stone est directeur technique chez SnapLogic. Cet article s'inspire de son entretien avec Mike Vizard pour le podcast « Techstrong AI Leadership Insights », intitulé «Pourquoi les systèmes hérités constituent un frein caché à l’adoption des agents IA», publié en février 2026.
