Modernisation du SI : votre système peut-il porter vos projets IA ?

Pourquoi le SI freine-t-il les projets IA ?

Un projet d’IA a besoin de données accessibles, fiables et à jour. Or ces données vivent souvent dans des applications anciennes, parfois développées il y a 20 ans, difficiles à interroger et peu documentées.

L’étude de Cognizant « The path to meeting the legacy modernization mandate » (2025, 1 000 dirigeants d’entreprises du Global 2000) illustre ce décalage. 85 % des dirigeants interrogés craignent que leur parc technologique actuel compromette l’intégration de l’IA. Seuls 17 % se disent confiants dans la capacité de leur infrastructure à porter des agents IA.

Le POC prouve que c’est possible. Le système prouve que ça tient. Et c’est souvent le SI existant qui fait la différence entre les deux.

Qu’est-ce que la dette technique change pour l’IA ?

La dette technique, c’est l’ensemble des choix techniques passés qui rendent aujourd’hui un système plus difficile à faire évoluer : code vieillissant, briques non maintenues, dépendances mal documentées.

Elle a un coût direct. Selon la même étude, la maintenance des systèmes existants absorbe aujourd’hui 61 % des budgets IT des entreprises interrogées. Autant de moyens qui ne vont pas vers les nouveaux projets. Les mêmes dirigeants prévoient d’inverser la tendance d’ici 2030 : ils visent 27 % pour la maintenance et 43 % pour la modernisation et la migration.

Pour l’IA, elle a aussi un coût indirect : des données enfermées dans des silos, des applications sans interface de programmation (API) et des temps de réponse incompatibles avec un usage en temps réel. Une IA ne vaut que ce que valent les données et les applications auxquelles elle accède.

Comment évaluer si votre SI est prêt ?

Trois questions donnent une première lecture. Vos données métier sont-elles accessibles autrement que par des exports manuels ? Vos applications clés exposent-elles des API documentées ? Savez-vous qui est responsable de la qualité de chaque grande famille de données ?

Une cartographie applicative complète cette lecture. Elle recense les applications, leurs dépendances et leur état de santé. Elle permet surtout de relier chaque projet IA envisagé aux systèmes dont il dépend.

Prenons un agent IA chargé d’aider un service client à répondre aux demandes. Il doit consulter l’historique client, l’état des commandes et la base documentaire. Si l’une de ces sources n’est accessible que par un export hebdomadaire, l’agent répondra avec des informations dépassées. La cartographie révèle ces points de blocage avant qu’ils ne coûtent un projet.

Ce travail rejoint la démarche décrite dans notre article « IA d’entreprise : comment passer du besoin à l’industrialisation ? » : partir des usages métier avant de choisir les outils.

Modernisation du SI : faut-il tout reconstruire ?

Non. C’est même souvent une bonne nouvelle : la modernisation se mène par étapes, application par application, selon trois grandes options.

Certaines applications se conservent en l’état parce qu’elles remplissent leur rôle. D’autres s’encapsulent : on les entoure d’API qui rendent leurs données accessibles sans toucher au cœur du système. Les dernières se refondent, quand leur coût de maintenance ou leurs limites bloquent les usages.

Les projets IA aident à fixer les priorités : on modernise d’abord ce qui sert les cas d’usage à plus forte valeur. L’IA elle-même peut aussi accélérer le travail, par exemple pour documenter du code ancien ou en faciliter la migration.

Cette approche progressive limite les risques. Chaque lot livre une amélioration visible, les équipes s’approprient les nouveaux outils au fil de l’eau et le budget s’étale dans le temps. Elle évite aussi l’effet tunnel des grands programmes de refonte, qui mobilisent les équipes pendant des années avant de produire un résultat.

Les compétences comptent autant que la technique. Dans l’étude Cognizant, la moitié des dirigeants citent le manque de talents capables de moderniser le code comme un frein. Les applications anciennes reposent souvent sur quelques personnes qui en connaissent l’histoire : documenter ce savoir fait partie du projet.

Moderniser pour l’IA, ce n’est pas tout refaire : c’est rendre accessible ce qui compte.

Quelle place pour les données ?

La modernisation applicative ne suffit pas sans une donnée de qualité. Il faut savoir quelles données ont de la valeur, les rendre fiables et organiser leur gouvernance.

Concrètement, chaque grande famille de données a besoin d’un responsable identifié, de règles de qualité partagées et d’un référentiel commun. Sans ce socle, deux applications modernisées peuvent continuer à afficher deux vérités différentes pour le même client.

C’est la question que nous posions dans « Toutes les données ont-elles vraiment de la valeur ? ». Elle prend tout son sens dès qu’un agent IA doit s’appuyer sur ces données pour décider ou recommander.

Lùkla vous accompagne…

Avec notre offre Apps & Data, nous évaluons avec vous la capacité de votre SI à porter vos projets IA. Nous priorisons les applications à moderniser et construisons les accès aux données dont vos cas d’usage ont besoin.

Nos équipes Managed Services assurent ensuite la maintenance et l’évolution de vos applications dans la durée. De la stratégie à la mise en œuvre, nous co-construisons un SI capable de suivre vos ambitions.