Le DSI a intégré l’IA au contrat cadre Microsoft. Le CTO teste Claude Code sur un vrai flux de delivery. Le marketing s’est abonné à sa propre stack IA pour produire du contenu plus vite. Les salariés utilisent déjà ChatGPT pour rédiger rapports, e-mails et présentations. Le board parle d’éthique, de sécurité et d’IA responsable. Et hors de l’entreprise, une nouvelle génération de startups se construit presque entièrement AI-first.
L’IA n’est plus un sujet d’avenir. Elle se diffuse déjà dans les contrats, les équipes, les workflows, les budgets et le travail de tous les jours.
La question n’est plus de savoir si l’IA entre dans l’entreprise. C’est de savoir si l’entreprise sait encore s’organiser autour d’elle.
L’ère digitale précédente restait relativement gouvernable, parce que les frontières de pouvoir étaient plus nettes : les métiers exprimaient des besoins, les DSI gouvernaient standards et fournisseurs, les CTO industrialisaient l’exécution, et les éditeurs gagnaient du terrain, étape par étape, dans la stack.
Ce modèle n’était pas simple, mais il était gouvernable.
L’IA rompt cet équilibre.
Il devient beaucoup plus difficile de séparer le besoin métier de la conception technique, les choix technologiques des choix d’organisation, ou les gains de productivité des questions de fond : rôles, workflows, droits de décision, passage à l’échelle.
À l’ère de l’IA, choisir un outil, c’est déjà choisir un workflow, un modèle de compétences et une partie de l’organisation future.
1. Du développement interne à l’orchestration de l’IA
En vingt ans, les entreprises sont passées d’une digitalisation sur mesure à un monde API-first. Dans les années 2000, beaucoup devaient tout développer en interne, faute d’un marché logiciel mature. Puis ERP, CRM, cloud, suites collaboratives, plateformes data et SaaS spécialisés ont permis d’externaliser des capacités, et de transférer risque, maintenance et évolutions vers les éditeurs.
Ce mouvement a renforcé le modèle DSI : gouvernance, sourcing, standardisation et gestion des contrats sont devenus les leviers centraux de la transformation.
L’IA arrive dans ce monde déjà modulaire, mais elle fait autre chose : elle insère de l’intelligence dans la stack elle-même.
Les entreprises ont désormais deux grandes voies.
La première est l’intégration de l’IA pilotée par l’entreprise : étendre les plateformes de confiance et les éditeurs en place. Cette voie colle à la logique achats, aux exigences de gouvernance et au déploiement à l’échelle du groupe.
La seconde est l’insertion AI-native : introduire beaucoup plus vite des copilotes, des outils de code IA, des agents internes et de l’IA intégrée aux workflows, souvent au plus près du produit, de l’ingénierie et de l’expérimentation métier.
L’une optimise le contrôle. L’autre la vitesse.
Les entreprises les plus solides combineront les deux.
Comme le défend Andrew Ng, une vraie transformation IA commence par des projets pilotes, des compétences internes et un apprentissage large de toute l’organisation.
Une vraie transformation IA ne commence pas par des slogans. Elle commence par des projets pilotes, des compétences internes et un apprentissage large de toute l’organisation.
2. L’IA change l’économie du delivery
L’IA ne se contente pas d’accélérer le travail logiciel. Elle commence à en changer le modèle de production.
La production logicielle classique passe à l’échelle surtout par les personnes : équipes internes, prestataires, offshore, intégrateurs, sprint planning et économie du taux journalier.
La production augmentée par l’IA passe à l’échelle autrement. Une part croissante de la génération de code, du prototypage, de la documentation, des tests et de l’itération repose désormais sur des tokens, de l’orchestration et de la revue humaine.
Dans le logiciel, l’IA n’est pas seulement une couche de productivité. C’est un nouveau modèle de production.
Le vrai basculement, ce n’est pas que l’IA écrive du code plus vite. C’est que le coût marginal de l’itération commence à chuter fortement. À partir de là, le goulot d’étranglement quitte le code pur et se déplace vers le cadrage, l’architecture, la validation, l’intégration, la sécurité et la capacité d’absorption de l’organisation.
Le besoin de talents techniques ne disparaît pas. Mais l’endroit où ils créent le plus de valeur change.
Comme l’a récemment souligné Sundar Pichai, l’IA prend déjà une part croissante dans la génération de code, ce qui pousse l’expertise humaine vers la revue, le jugement et l’intégration.
À mesure que l’IA rend certaines formes d’exécution moins rares, la valeur du leadership se déplace vers le jugement, l’intégration, la priorisation et la conception de l’operating model.
3. L’IA généralise la capacité technique
L’ère digitale a progressivement fait entrer davantage de technologie dans les fonctions métier. D’abord l’informatique personnelle et la bureautique. Puis les outils data, la BI, les outils de workflow, l’automatisation et le no-code. Puis la co-conception, où métier, produit, design, data et ingénierie ont commencé à travailler en boucles plus serrées.
L’IA pousse ce mouvement beaucoup plus loin.
Elle permet à des non-spécialistes d’analyser des données, d’automatiser des tâches, de spécifier des workflows, de prototyper des outils, et parfois même de produire du code. En ce sens, l’IA généralise la capacité technique dans toute l’entreprise.
Mais elle ne généralise pas la maîtrise technique profonde.
L’IA démocratise l’action technique, pas la responsabilité technique.
Que davantage de personnes puissent produire des livrables techniques ne fait pas disparaître la complexité. Cela la rend plus facile à déclencher, tout en restant difficile à gouverner à l’échelle.
C’est pourquoi l’ancienne séparation entre expertise métier et expertise technique devient intenable. La vraie question stratégique n’est plus seulement de savoir qui peut construire. C’est de savoir qui peut cadrer, arbitrer, intégrer et gouverner.
4. L’IA pourrait personnaliser ce que le logiciel d’entreprise avait standardisé
Pendant des décennies, le logiciel d’entreprise a créé de l’échelle en standardisant les interfaces, sur poste de travail, navigateur et mobile. Les entreprises ont ensuite adapté workflows, formations et rôles à ces interfaces.
À bien des égards, l’ère digitale a appris aux organisations à adapter l’humain au logiciel.
La vision de l’IA centrée sur l’humain de Fei-Fei Li le rappelle utilement : le défi n’est pas seulement de déployer de l’intelligence, mais de concevoir la façon dont les personnes, les systèmes et les institutions vont travailler avec elle.
L’IA pourrait changer l’équation.
Parce que l’interaction devient plus contextuelle et passe par le langage, les interfaces peuvent désormais s’adapter aux rôles, aux tâches, aux organisations, aux niveaux de maturité, voire aux environnements culturels. Ce qui était figé à l’écran peut devenir souple dans l’interaction.
Cela ne supprime pas le besoin de standards. Cela les déplace.
À l’ère du logiciel, la standardisation vivait dans l’interface visible. À l’ère de l’IA, elle pourrait passer sous l’interface
— dans l’architecture, les API, les modèles de données, les couches de règles, les politiques de sécurité et les mécanismes de gouvernance — pendant que l’expérience utilisateur devient plus adaptative.
Ce basculement compte. Il signifie que les entreprises pourraient garder un socle cohérent tout en déclinant des logiques d’interface différentes selon les rôles, les équipes, les marchés et les cultures.
5. L’organisation devient le vrai champ de bataille
La plupart des entreprises vont découvrir que l’IA est plus facile à tester qu’à passer à l’échelle.
La raison est simple : une architecture s’achète plus vite qu’un changement d’organisation ne s’absorbe.
Un DSI, un CTO et un dirigeant métier n’optimisent pas la même chose.
Le DSI protège la gouvernance, la sécurité, la conformité achats et la résilience de l’entreprise. Le CTO protège la vitesse, le levier technique, la différenciation et la flexibilité de l’architecture. Le métier veut livrer plus vite, de meilleures fonctionnalités, moins de friction et un impact mesurable sur le marché.
Ces tensions ne sont pas des signes de dysfonctionnement. Elles sont structurelles.
Et elles s’aiguisent avec l’IA, parce que l’entreprise ne peut plus cloisonner complètement :
- le besoin métier et la solution technique
- le choix d’outil et la conception des compétences
- la refonte des processus et le modèle de talents
- l’expérimentation locale et la gouvernance groupe
- la conception des interfaces et l’operating model
L’IA n’est donc plus seulement une question de technologie. C’est une question d’operating model.
Dans beaucoup d’entreprises, elle remonte au niveau du board.
6. Deux signaux faibles : Duolingo et Moderna
Les exemples publics de refonte complète de l’organisation à l’ère de l’IA restent rares. La plupart des entreprises communiquent sur des pilotes, des gains de productivité ou des outils. Les cas les plus intéressants sont ceux qui commencent à toucher aux rôles, aux effectifs, à la conception des processus et à la logique de passage à l’échelle.
Duolingo est l’un des exemples startup les plus nets. Son virage AI-first a signalé bien plus qu’un choix d’outils : une remise à plat du recrutement, de la logique de performance, du recours aux prestataires et de la façon dont chaque fonction est censée travailler.
Ce n’est pas une histoire de logiciel. C’est une histoire d’operating model.
Duolingo montre ce qui se passe quand l’IA commence à changer la logique des effectifs.
Moderna est l’un des exemples corporate les plus forts. Ce qui frappe, ce n’est pas seulement l’adoption de l’IA dans toute l’entreprise, c’est l’effort pour repenser les processus métier, les compétences des collaborateurs et le lien entre technologie, apprentissage et structure même du travail.
Là encore, l’intérêt n’est pas l’outil. C’est la refonte de l’entreprise autour de l’outil.
Moderna montre ce qui se passe quand l’IA commence à changer la conception de l’entreprise.
Ces exemples ne sont pas des réponses définitives. Ce sont des signaux faibles.
7. Le passage à l’échelle n’est plus mondial par défaut
Une dimension supplémentaire rend cette transformation plus difficile : la souveraineté.
Pendant des années, le scale digital mondial a profité d’un environnement relativement convergent : des plateformes dominantes, des hypothèses d’infrastructure partagées, et l’idée que passer à l’échelle consistait surtout à répliquer d’un marché à l’autre.
Cette hypothèse s’affaiblit.
L’expansion internationale se joue désormais sur des plaques tectoniques en mouvement : souveraineté des données, dépendance aux infrastructures, asymétries réglementaires, légitimité culturelle, et attentes politiques concurrentes en matière de vie privée, de transparence, de responsabilité et d’automatisation acceptable.
Plus l’IA devient stratégique, moins les entreprises peuvent supposer qu’une seule architecture, un seul modèle de gouvernance et une seule logique d’interface conviendront à toutes les géographies.
Le scale mondial était surtout un défi opérationnel. Il devient de plus en plus un défi de souveraineté.
Dans ce contexte, passer à l’échelle n’est plus simplement répliquer. C’est la capacité disciplinée à garder un socle cohérent tout en s’adaptant aux contraintes souveraines, aux réalités locales et aux attentes culturelles.
Conclusion
La prochaine frontière de l’IA d’entreprise n’est peut-être ni le modèle, ni l’outil, ni même la stack.
C’est peut-être la conception de l’organisation future elle-même.
Les entreprises qui créeront un avantage durable à l’ère de l’IA ne seront probablement pas celles qui déploient le plus de copilotes ou signent le plus d’accords de plateforme. Ce seront celles capables de combiner quatre disciplines à la fois :
- une architecture capable de passer à l’échelle
- un operating model futur crédible
- des interfaces adaptatives construites sur des fondations gouvernées
- et une stratégie de scale qui intègre la souveraineté
La prochaine vague de cas d’usage IA comptera moins pour les outils déployés que pour les organisations inventées.
Et dans beaucoup d’entreprises, ce n’est plus seulement une question de DSI.
En 2026, l’une des questions les plus stratégiques pour un board n’est plus de savoir si l’IA compte, mais comment l’entreprise doit se réorganiser autour d’elle.
Article publié à l’origine en anglais sur LinkedIn. Rejoindre la discussion →
