Contexte logiciel actuel
Les grandes sociétés américaines gèrent aujourd'hui plusieurs centaines, voire des milliers, d'applications. Elles combinent des systèmes centraux comme SAP ou Workday avec des SaaS verticaux, des scripts, des bases de données et des feuilles de calcul de 10 Mo. L'inventaire réel reste souvent flou : les équipes ne savent pas toujours quelles licences sont actives ni quels coûts sont engagés. Cette hétérogénéité crée des redondances et des tâches répétitives, même si chaque outil répond à un besoin précis.
Promesses et contraintes de l'IA générative
Les modèles de langage permettent de créer un outil fonctionnel en quelques minutes, sans écrire de code. L'argument est que l'automatisation passe d'une heure de développement à cinq minutes d'interaction avec le modèle. En pratique, la génération instantanée masque deux problèmes. D'abord, l'identification du besoin réel reste humaine : la plupart des salariés ne perçoivent pas que leur tâche peut être automatisée. Ensuite, le code produit doit s'intégrer aux systèmes existants (SAP, bases de données, API internes). Sans adaptation, le script généré risque de violer les contrats d'interface ou les politiques de sécurité, ce qui entraîne des rejets en phase de validation.
Le concept de « forward‑deployed engineer » illustre cette tension. Un ingénieur capable de repérer les opportunités d'IA sur le terrain peut proposer des solutions, mais la mise en œuvre dépend d'une chaîne d'approbation qui implique souvent un processus d'achat de 18 mois, des audits de conformité et des exigences de traçabilité.
Gouvernance et adoption à l'échelle d'entreprise
Les processus sont classés sur un spectre : du « institutionnalisé » (SAP, Carta, Rippling) au « improvisé » (Excel, e‑mail, PDF). Une tâche qui commence comme une solution ad‑hoc devient, lorsqu'elle touche 50 à 500 utilisateurs, un sujet d'audit, de sécurité et de maintenance. À ce stade, l'entreprise doit la formaliser, ce qui explique la prolifération d'applications dédiées.
Le passage au SaaS a déjà montré un changement d'ordre de grandeur : des applications comme Carta, valorisées à 4 milliards de dollars, remplacent des feuilles de calcul complexes. Cette dynamique de « bundling » et « unbundling » se répète avec l'IA. Les gains d'efficacité attendus sont réels, mais la contrainte principale reste l'intégration technique et la gouvernance. Sans visibilité sur le parc logiciel, les organisations risquent d'introduire des outils IA qui ne respectent pas les exigences de conformité, augmentant ainsi le risque opérationnel plutôt que de le réduire.
