SCALE AI – Comment la DSI doit évoluer pour réussir le passage à l’échelle de l’IA
Sixtine Federspiel, Manager Transformation chez Converteo, accompagne les organisations dans leurs projets de transformation organisationnelle, humaine et digitale, de la stratégie à la mise en œuvre. Spécialiste de la conduite du changement et de l’intelligence artificielle (IA), elle pilote la mise en place de gouvernances et d’organisations apprenantes pour réussir le passage du POC à l’échelle.
À retenir
- Fournir un socle technique plutôt que de développer chaque produit : la DSI doit mettre à disposition une plateforme unifiée et sécurisée sur laquelle les métiers s’appuient. Ce changement d’approche évite de transformer la DSI en goulot d’étranglement face à la multiplication des projets d’IA.
- Rendre les équipes métier productrices de leurs solutions : en confiant la création applicative aux équipes terrain accompagnées par des AI Builders, l’entreprise accélère la livraison des usages. La DSI garantit le cadre et le socle, le métier conçoit et fait évoluer ses assistants.
- Installer une gouvernance transverse portée par un IA Business Partner : la transformation exige une coordination continue entre la stratégie, la DSI et les directions opérationnelles. Ce rôle pivot fluidifie les arbitrages et assure la valeur des déploiements.
Pourquoi le modèle de développement traditionnel de la DSI bloque-t-il l’IA ?
Le modèle de développement traditionnel de la DSI bloque l’adoption de l’intelligence artificielle parce qu’il repose sur une approche déterministe, alors que les modèles de langage fonctionnent de manière probabiliste. Dans un système applicatif classique, une commande donnée produit systématiquement un résultat identique et prévisible. Cette stabilité permet d’établir des cahiers des charges rigides et d’exécuter des cycles de développement longs. À l’inverse, un agent fondé sur un LLM **peut formuler des réponses différentes pour une instruction identique tout en restant parfaitement exact.
Appliquer les méthodes de développement logiciel historiques à ces nouvelles technologies conduit directement à l’accumulation d’expérimentations bloquées au stade de prototype. Ces POCs ne parviennent jamais au stade du déploiement industriel.
| Critère de comparaison | Système logiciel traditionnel | Système d’intelligence artificielle |
|---|---|---|
| Comportement applicatif | Déterministe : une entrée produit une sortie unique. | Probabiliste : une entrée produit de multiples réponses possibles. |
| Méthode de validation | Tests automatisés binaires (passant ou échoué). | Évaluation continue de l’exactitude et garde-fous. |
| Cycle de développement | Cahier des charges rigide et cycles longs. | Boucles d’itération courtes et flux continu (Kanban). |
| Rôle de la DSI | Constructeur d’applications sur mesure. | Fournisseur d’une plateforme sécurisée. |
Du déterministe au probabiliste : gérer l’incertitude applicative
Un système probabiliste est une architecture dont les résultats comportent une variabilité statistique naturelle. Cette caractéristique fondamentale impose de concevoir les applications en intégrant deux risques majeurs que les environnements logiciels classiques ne savent pas traiter nativement :
- Les hallucinations : la capacité du modèle de langage à générer des informations qui semblent plausibles sur le plan syntaxique mais s’avèrent factuellement fausses.
- La divulgation non contrôlée de données : le risque que le modèle expose des informations sensibles ou confidentielles s’il n’est pas strictement cloisonné au sein du système d’information.
Pour gérer cette incertitude, la fiabilité du système ne s’obtient plus par la prévisibilité du code source, mais par la mise en place de structures de contrôle appelées garde-fous. Les architectures RAG permettent notamment d’ancrer les réponses du modèle dans des documents d’entreprise contrôlés pour réduire le risque d’erreur.
Le piège du goulot d’étranglement : l’impasse du PO unique pour 50 cas d’usage
Le modèle historique dans lequel le métier rédige une spécification fonctionnelle et attend que la DSI livre un produit fini génère un décalage massif entre le besoin initial et l’application livrée. La rapidité d’évolution des technologies exige une expérimentation directe par les équipes opérationnelles.
Lorsque la DSI tente de maintenir son rôle de constructeur unique pour chaque demande métier, elle devient un goulot d’étranglement organisationnel. La saturation de cette ressource centralisée a bloqué les déploiements, entraînant des retards de livraison et conduisant à des applications finales utilisées à peine à 10 % de leur potentiel par les équipes terrain.
Comment structurer le nouveau rôle de la DSI face à l’IA agentique ?
Le nouveau rôle de la DSI face à l’IA agentique consiste à passer d’un statut d’usine à applications sur mesure à celui de fournisseur d’un socle technique centralisé, sécurisé et gouverné. Plutôt que de développer l’interface et la logique de chaque outil métier, la DSI met à disposition une plateforme d’infrastructure proposée « as a service ». Sur cette base technique, les directions opérationnelles construisent leurs propres assistants en toute autonomie.
La DSI fournisseur de plateforme unifiée « as a service »
Un socle technique IA est une passerelle logicielle unifiée qui regroupe les fonctions d’infrastructures, de sécurité et d’accès aux modèles de langage pour l’ensemble d’une entreprise. En prenant en charge la robustesse de cette plateforme, la DSI garantit l’évolutivité des outils et la maîtrise des coûts informatiques.
Ce socle technique centralisé doit fournir quatre briques fondamentales aux équipes de l’entreprise :
- Un accès sécurisé aux modèles de langage (LLM) : une interface unifiée permettant de solliciter les différents modèles du marché sans exposer directement les clés d’API.
- La gestion des connexions et des API : des connecteurs sécurisés vers les bases de données et les outils de gestion de l’entreprise (ERP, CRM, bases documentaires).
- Des modules de sécurité et de conformité pré-intégrés : un contrôle d’accès fondé sur les rôles et un cloisonnement strict des flux d’informations.
- Des composants techniques réutilisables : des briques prêtes à l’emploi pour la journalisation des requêtes, le suivi des performances et l’observabilité globale.
Un retour d’expérience mené chez un acteur mondial du secteur des cosmétiques démontre qu’investir prioritairement dans ce socle commun ne ralentit pas la création. Au contraire, cette base technique solide conditionne la vitesse de développement des équipes et garantit que les solutions déployées restent maintenables dans le temps.
Les métiers producteurs de leurs propres applications IA
Lorsque la DSI se positionne comme un fournisseur de plateforme, les directions métier deviennent naturellement les concepteurs de leurs propres outils. Ce transfert de responsabilité s’appuie sur la décentralisation de la création applicative auprès des collaborateurs qui possèdent la connaissance exacte des processus à optimiser.
Assistées par des profils d’AI Builders ou de Product Builders, les équipes métier utilisent des outils à faible code (low-code/no-code) raccordés au socle de la DSI. Elles peuvent prototyper, tester et faire évoluer leurs applications dans des boucles de développement très courtes. Dans ce modèle, le métier assure également le suivi du cycle de vie de l’assistant : il prend en charge la documentation fonctionnelle, la maintenance des consignes données au modèle (prompts) et la conduite des cahiers de recette.
Comment organiser la collaboration entre la DSI et les métiers ?
Pour organiser la collaboration entre la DSI et les métiers, l’entreprise doit mettre en place une gouvernance adaptée et déployer de nouveaux rôles professionnels hybrides. Cette organisation dépasse les comités traditionnels, souvent trop lents, pour installer une structure de pilotage distribuée en quatre niveaux distincts.
L’émergence des AI Builders et du Product Builder au cœur du business
L’AI Builder ou Product Builder est un professionnel évoluant au sein d’une direction métier, capable de concevoir, de prototyper et de tester des applications grâce aux outils mis à disposition par le socle de la DSI. Ce profil hybride comble l’écart entre la connaissance des processus opérationnels et la maîtrise des technologies d’IA.
Pour garantir la qualité et la sécurité des assistants développés sur le terrain, deux autres rôles spécialisés viennent compléter cette organisation au sein des équipes métier :
- Le designer conversationnel : il conçoit l’ergonomie des interactions entre l’humain et la machine. Il définit le ton de l’agent, sa personnalité, la structure des réponses et les scénarios de dialogue pour assurer une expérience utilisateur fluide.
- Le Prompt Tester : il éprouve la résistance et la sécurité de l’assistant avant son déploiement. Son rôle consiste à soumettre des questions complexes ou pièges pour identifier les hallucinations potentielles et vérifier que les garde-fous de sécurité ne peuvent pas être contournés.
L’IA Business Partner comme fil rouge de la gouvernance
L’IA Business Partner est le rôle d’animation et de coordination qui fait le lien entre la vision stratégique de la direction et la réalité du terrain. Il accompagne la trajectoire des projets depuis l’idée initiale jusqu’à la mise en production industrielle.
Ses missions s’articulent autour de la circulation des informations entre quatre instances décisionnelles :
- Le Comité Stratégique (COMEX) : il fixe les orientations globales, les ambitions de l’entreprise et l’allocation des budgets majeurs.
- Le Comité de Transformation IA : composé des directions métier, de la DSI et des responsables de la conformité (DPO, juridique), il valide la rentabilité, l’éthique et l’alignement RSE des projets proposés.
- Le Comité Programme IA : réunissant principalement la DSI et les Ressources Humaines, il organise le calendrier de développement, la mise à disposition des ressources et le plan de déploiement.
- Les Centres d’Excellence IA : ils regroupent les experts techniques (ingénieurs, architectes) et les AI Builders qui conçoivent et maintiennent opérationnellement les agents.
L’IA Business Partner fait remonter les initiatives du terrain vers ces comités, apporte le contexte métier nécessaire aux arbitrages et garantit la cohérence d’ensemble du portefeuille d’applications.
