La modernisation des systèmes legacy peut sembler complexe, en particulier dans les grandes entreprises où ces systèmes sont profondément intégrés aux applications critiques, aux environnements de données, aux couches d’intégration et à d’autres infrastructures centrales. Pourquoi transformer des systèmes qui fonctionnent encore ?
Pourtant, comme le montre notre enquête, les systèmes legacy posent de nombreux défis à moyen et long terme. Il est également important de reconnaître que la modernisation ne doit pas viser à transformer l’ensemble du patrimoine informatique d’une organisation en une seule fois. Elle doit au contraire être réfléchie et méthodique.
Les dirigeants doivent d’abord identifier les domaines dans lesquels l’IA peut apporter une réelle valeur ajoutée à leur entreprise, puis examiner les systèmes concernés. À quelles données l’IA devrait-elle avoir accès ? Quelles dépendances faut-il prendre en compte ? Cette cartographie opérationnelle permet ensuite d'engager une modernisation structurée.
Cette approche est d’autant plus importante en matière de cybersécurité. À mesure que l’IA gagne en autonomie, son architecture et sa gouvernance deviennent de plus en plus urgentes. Protéger les données des entreprises et de leurs parties prenantes, tout en préservant leur confiance, nécessite d’intégrer la sécurité dès la conception des infrastructures sur lesquelles repose l’IA. Cela implique de simplifier les intégrations, de renforcer le contrôle des données et de construire, dès les fondations, un environnement capable de soutenir les prochaines avancées technologiques.
Nous observons déjà les bénéfices concrets de cette approche méthodique. Pour la branche des services financiers d’un constructeur automobile mondial, GFT a mis en place une landing zone cloud sécurisée comme fondement de sa transformation. Cette infrastructure a permis à l’organisation de migrer en toute sécurité sa plateforme bancaire principale, puis de transférer progressivement d’autres charges de travail en fonction de ses priorités métier et technologiques.
Cet exemple illustre un enseignement essentiel : moderniser ne signifie pas nécessairement tout transformer en même temps. Il s’agit d’identifier les domaines dans lesquels la complexité des systèmes legacy freine la création de valeur par l’IA, puis de moderniser progressivement et méthodiquement les environnements concernés, en fonction des priorités de l’entreprise, de manière sécurisée et efficace.
Le fossé de mise en œuvre de l’IA n’est pas simplement un problème lié à l’intelligence artificielle. Il s’agit de plus en plus d’une question de préparation des entreprises. Celles qui parviendront à combler cet écart seront celles qui considéreront la modernisation, la sécurité, les données et la gouvernance non pas comme des initiatives technologiques distinctes, mais comme les fondations indispensables pour transformer leurs ambitions en matière d’IA en valeur durable pour leur activité.
