Pour le moment, l’IA entre encore rarement dans l’entreprise par la grande porte. Elle arrive généralement par un copilote, un moteur de recherche interne, un agent ou un test métier. Puis la question classique surgit, moins technologique que structurelle : votre système d’information peut-il réellement absorber ces nouveaux usages sans s’alourdir davantage, ni perdre en cohérence ?
Des systèmes d’information plus riches, mais aussi plus fragiles
Le système d’information moderne n’a plus grand-chose d’un ensemble homogène. Il empile des ERP, des CRM, des applications métiers, des API, des briques SaaS, des flux data, des outils collaboratifs, parfois même plusieurs clouds, souvent quelques développements historiques (coucou au collègue Gérard parti en retraite il y a 2 ans) auxquels personne n’ose plus vraiment toucher.
N’ayez pas honte si vous vous sentez concernés, cette densification est le produit relativement normal d’années de croissance, d’arbitrages locaux et de projets menés sous contrainte de temps.
Le problème en revanche, est que cette richesse applicative finit par produire sa propre inertie. Une nouvelle brique ne remplace pas toujours l’ancienne, elle s’ajoute. Un nouvel usage ne supprime pas le précédent, il le contourne. Et la dette devient ainsi structurelle, faite de dépendances mal documentées, de responsabilités floues, de flux de données partiellement maîtrisés et d’une architecture qui tient davantage par habitude que par intention.
Le Cigref rappelle d’ailleurs que l’architecture du SI, son historique et ses dépendances technologiques modulent directement la capacité d’une organisation à mettre en œuvre sa stratégie data.
Tant que l’entreprise reste dans un rythme d’évolution ordinaire, cette dette se gère (elle se compense par des efforts humains, par de la connaissance implicite, par quelques couches de supervision), mais l’IA change fortement la nature du problème, parce qu’elle vient se brancher sur les données, les processus, les outils et, de plus en plus, sur les décisions.
L’IA révèle ce que le SI ne savait plus masquer
Beaucoup d’organisations abordent encore l’IA comme une fonctionnalité, et ce réflexe est compréhensible. Les usages progressent vite, l’offre des éditeurs aussi, et la pression concurrentielle pousse à expérimenter.
Mais un usage IA ne vit jamais seul.
Il a besoin de données fiables, d’autorisations claires, de points d’intégration stables, de journalisation, d’observabilité, de vraies montées en compétences, de règles de sécurité et d’un cadre de gouvernance. C’est précisément ce que rappelle la CNIL dans ses recommandations de 2025 sur le développement des systèmes d’IA, qui insistent sur la collecte, la gestion des données, les choix de conception et l’intégration des exigences du RGPD dès l’amont.
Dans un SI peu préparé, l’IA produit alors un effet révélateur :
- Les doublons de données deviennent bloquants ;
- Les responsabilités applicatives mal définies créent des angles morts ;
- Les flux non cartographiés compliquent l’intégration ;
- Les règles d’accès, si elles ne sont pas explicites, deviennent des risques…
En clair, en pensant ajouter une capacité, l’entreprise découvre qu’elle doit revisiter son socle.
Rémy Jardinet, Architecte d’Entreprise : « Chez Eleven Labs, on aborde l’IA comme un sujet d’architecture avant d’être un simple sujet technologique. Sans une vision claire du SI, des flux, des dépendances et des responsabilités applicatives, l’intégration de l’IA se transforme rapidement en empilement de solutions opportunistes. D’expérience, vouloir déployer de l’IA sans avoir remis à plat son architecture est une erreur stratégique. L’Architecture as a Service (ou « architecte solution à la demande ») permet de structurer cette transformation en amont, en posant un socle technique robuste, gouverné et évolutif, capable d’absorber des usages IA complexes sans générer de dette technique ni de risques opérationnels. »
Le point décisif est là. L’IA n’oblige pas seulement à choisir des modèles, elle oblige à reposer la question de la cohérence du SI.
Cartographier avant d’ajouter, comprendre avant d’arbitrer
La remise à plat commence par un état des lieux :
- Quelles applications font quoi ?
- Quels flux circulent entre elles ?
- Où sont les données de référence ?
- Quelles dépendances sont critiques ?
- Quels composants portent aujourd’hui la sécurité, la qualité ou l’orchestration ?
C’est la logique même de l’architecture SI, avec un travail initial d’état des lieux, d’analyse des briques existantes et de clarification des irritants techniques et métiers.
Cette cartographie applicative et data permet de voir où l’entreprise peut brancher un nouveau cas d’usage IA sans fragiliser un processus existant. Elle permet aussi de distinguer ce qui relève d’un quick win de ce qui exige une transformation plus profonde.
Par exemple, un assistant documentaire interne n’appelle pas les mêmes prérequis qu’un agent connecté à plusieurs applications métiers. Tout comme un moteur de recommandation n’engage pas les mêmes responsabilités qu’un agent IA branché sur un CRM ou un ERP.
L’architecture d’entreprise est un moyen d’articuler stratégie, technologies, gouvernance et maîtrise des risques. À l’ère de l’IA, cette lecture redevient centrale, parce qu’elle permet de relier le possible technique à l’acceptable opérationnel.
Définir une architecture cible, non pour tout refaire, mais pour savoir où aller
Une fois l’existant clarifié, encore faut-il définir une cible, une architecture alignée avec les enjeux business.
C’est ici que le CTO ou l’Architecte as a Service prend toute sa valeur. Parce qu’il relie les ambitions de l’entreprise à une trajectoire d’architecture. Il arbitre entre centralisation et autonomie, entre dette tolérable et dette critique, entre vitesse de déploiement et robustesse du socle. Et il aide également à éviter deux pièges symétriques, le « boom » architectural, qui paralyse, et l’empilement opportuniste, qui finit par coûter plus cher que l’inaction.
Les arbitrages technologiques redeviennent des décisions de gouvernance
Introduire de l’IA dans un SI conduit donc rapidement à des choix structurants :
- Faut-il consolider les données dans un lac, un entrepôt, ou les exposer via des services plus ciblés ?
- Faut-il privilégier une architecture orientée événements ?
- Quel niveau d’observabilité mettre en place ?
- Où journaliser ?
- Comment segmenter les responsabilités entre équipes produit, data et sécurité ?
- Quel niveau d’externalisation accepter pour les modèles, et avec quelles garanties juridiques et opérationnelles ?
Ces arbitrages ne peuvent plus être laissés à la seule dynamique des projets. Les systèmes d’IA doivent intégrer les principes de protection des données dès leur conception, et une gouvernance rigoureuse est nécessaire face à la dépendance croissante aux données, aux infrastructures numériques et aux IA génératives.
Autrement dit, l’architecture devient un sujet stratégique parce qu’elle fixe les conditions de la vitesse future.
Gouverner la transformation, puis accompagner les équipes
Reste enfin la question la plus concrète, celle de l’exécution. Une architecture cible n’a de valeur que si elle se traduit en feuille de route, en priorités, en règles et en accompagnement.
Cela suppose une gouvernance technique réelle, des responsabilités explicites, une capacité de revue, de documentation, de contrôle et de pédagogie. En plus de concevoir, l’architecte doit donc aussi aider les équipes à faire, sans réintroduire à chaque sprint les incohérences que l’on prétend corriger.
Cette fonction d’accompagnement compte d’autant plus que l’IA brouille les frontières traditionnelles, avec des équipes métiers qui veulent aller vite, des équipes produit qui cherchent des cas d’usage, des équipes sécurité qui posent des limites et des équipes data qui défendent la qualité et la traçabilité…
Sans médiation architecturale, chacun avance avec sa logique propre.
Au fond, l’architecture redevient visible parce que l’IA la rend impossible à contourner. On peut encore lancer des démonstrateurs sans stratégie. Il devient beaucoup plus difficile de les industrialiser sans vision globale. C’est là, sans doute, que se situe aujourd’hui la valeur d’un CTO ou d’un Architecte as a Service, dans sa capacité à remettre de l’intention, de la cohérence et du temps long dans un SI que l’urgence avait appris à faire évoluer par accumulation.

