05.03 · Faire évoluer
Intégrer l’IA dans son SI
L’erreur la plus commune en 2024-2025 a été de traiter l’IA comme un projet à part. C’est une couche transversale — elle s’intègre, elle ne se juxtapose pas.
L’IA n’est pas un projet, c’est une couche
En 2023-2024, beaucoup d’organisations ont créé une "task force IA" chargée d’identifier les cas d’usage prioritaires. Cette approche projet a produit des résultats limités pour une raison structurelle : elle traite l’IA comme une technologie qu’on déploie, alors que c’est une couche transversale qui s’infiltre dans l’existant — productivité personnelle, automatisations, données, produit, support client. Aucune cellule centrale ne peut suivre cette diffusion.
La courbe de diffusion typique
Quatre couches qui n’évoluent pas à la même vitesse, qui ne nécessitent pas les mêmes compétences, et qui ne portent pas les mêmes risques. Une stratégie d’intégration IA cohérente prend en charge les quatre — pas seulement la plus visible.
Quatre couches, quatre stratégies distinctes
Couche 1 — l’usage individuel. Diffusion la plus rapide, déjà à 78 % en 2024. Le rôle de la DSI n’est pas de la susciter (elle se fait seule) mais de la canaliser : outils approuvés, charte d’usage, formations. La pire stratégie est l’interdiction — elle ne fait que pousser l’usage en Shadow IA.
Couche 2 — l’IA intégrée dans le SaaS existant. Diffusion massive en cours via les fonctionnalités natives (Notion AI, Copilot, Slack AI…). La DSI doit recenser activement les fonctionnalités activées par défaut, lire les clauses de traitement des données, et désactiver ce qui n’est pas explicitement validé. C’est l’angle mort le plus fréquent.
Couche 3 — l’IA dans les automatisations métier. Le terrain de la création de valeur mesurable : traitement de documents, classification, génération assistée, recherche conversationnelle sur les données d’entreprise. Demande de l’ingénierie, des données propres et une gouvernance. Ne se fait pas seule.
Couche 4 — les agents autonomes. Émergent en 2024, accélèrent en 2025-2026. Capacité à exécuter des actions en chaîne sur plusieurs systèmes. Apportent une vraie nouveauté — et des risques inédits (cf. 04.04). Démarrer petit, sur des périmètres bornés, avec un audit fort.
Pourquoi les POC ne deviennent pas des produits
Le taux d’industrialisation des POC IA est très faible — autour de 12 à 20 % selon les études. Trois causes structurelles l’expliquent.
La donnée n’est pas prête. Un POC fonctionne sur un jeu de données préparé manuellement. La mise en production demande des données propres, à jour, fiables — ce que la majorité des entreprises n’ont pas. Le projet IA révèle un projet données qui prend deux fois plus de temps.
L’usage manque. Le POC démontre une capacité technique, pas un usage réel. La transition vers un usage quotidien demande une intégration au flux de travail existant — qui n’est jamais le focus du POC.
La gouvernance est absente. Sans propriétaire métier identifié, sans intégration au comité de portefeuille, sans responsable de la qualité du résultat, le POC reste un objet orphelin. L’IA n’a pas de SLA naturel — il faut le construire.
Ce qu’il faut retenir
- L’IA est une couche transversale, pas un projet. La traiter en task force centrale est la première erreur à éviter.
- Quatre couches d’intégration, à équiper différemment. La couche 3 (automatisations métier) est celle où se loge la création de valeur mesurable.
- 80 % des POC IA n’atteignent jamais la production. Trois causes : données absentes, usage absent, gouvernance absente. À traiter en amont, pas en aval.