L’état de préparation à l’IA : passer de l’ambition à l’architecture

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Tout le monde veut de l’IA. La plupart des organisations affirment y travailler. Mais vouloir l’adopter et être prêt à le faire sont deux choses très différentes. Notre dernière étude fait abstraction du battage médiatique et examine sans complaisance où en sont réellement les organisations. Alerte spoiler : la plupart ne sont pas aussi prêtes qu’elles le pensent.

Nous avons élaboré un indice composite de préparation à l’IA en normalisant six indicateurs, allant du stade de déploiement à la diversité des modèles, puis en répartissant les répondants par niveau. Seuls 2 % se sont classés dans la catégorie « très bien préparés ». Vingt et un pour cent en étaient encore à leurs tout débuts. Et la grande majorité ? Elle reste coincée entre les deux.

Cela ne me surprend pas, et cela ne devrait pas vous surprendre non plus. La moitié de l’indice repose sur l’adoption de capacités spécifiques en matière d’IA — IA générative, agents d’IA et IA agentique. Il n’est pas étonnant de constater que seuls 2 % utilisent les trois, puisque l’IA agentique continue d’évoluer à l’heure où nous parlons.

Oh ! Il y a encore quelque chose de nouveau.

Ça va vraiment aussi vite.

Constater que la plupart des entreprises sont moyennement préparées est une excellente nouvelle, car cela signifie qu’elles avancent au bon rythme. Elles font évoluer leurs pratiques, leurs infrastructures et leur utilisation de l’IA pour répondre à des cas d’usage métier, de manière progressive et pertinente.

Modérément préparés : un juste milieu confortable

Soixante-dix-sept pour cent des organisations se situent à ce niveau. Elles ont dépassé l’effet de mode, expérimentent activement et cherchent à inscrire ces pratiques dans la durée. Elles ont commencé à poser les rails, mais la locomotive n’a pas encore atteint sa vitesse de croisière.

La plupart ont déjà déployé un projet d’IA générative. Certaines ont mis en place des agents. Quelques-unes cherchent encore à comprendre ce que signifie réellement « faire » de l’IA agentique. Et même si elles ont commencé à explorer plusieurs types d’applications, leur empreinte IA moyenne reste limitée. En gros : environ cinq cas d’usage, un tiers des applications concernées et deux modèles utilisés, généralement un payant et un open source. Ce n’est pas mal. Mais ce n’est tout simplement pas suffisant.

Pourquoi est-ce important ? Parce qu’une diversité limitée des types de modèles réduit la flexibilité. Un seul modèle ne peut pas répondre aux besoins de toutes les charges de travail. Il vous faut plusieurs options. Il en va de même pour les applications : une IA cantonnée à un chatbot ou à un assistant interne ne transformera pas votre organisation. Il vous faut à la fois de la profondeur et une large diffusion.

La sécurité ? Elle est toujours à la traîne. La collaboration entre les équipes d’IA et de sécurité reste inégale. Des pare-feu sont prévus, mais ils figurent encore pour la plupart sur la feuille de route. Quant à la protection des données, on trouve bien quelques contrôles à la volée ici et un peu de tokenisation là, mais pas assez de rigueur au niveau de l’infrastructure pour parler d’une approche systémique.

Et si vous pensez pouvoir faire illusion jusqu’à ce que ça marche, à coups de bricolage et de vœux pieux, attendez un peu. Une sécurité défaillante ne se résume pas à un mauvais cycle médiatique : elle entraîne un retour de bâton réglementaire, une perte de confiance et, de plus en plus, un risque existentiel.

Et puis, il y a les données elles-mêmes. Seules 21 % de ces organisations ont mis en place des pratiques formelles et reproductibles d’étiquetage des données. C’est comme construire une Formule 1 et remplir son réservoir avec de l’eau de mare. C’est possible, mais vous n’irez pas bien loin.

Il peut sembler étrange que des personnes traditionnellement spécialisées dans les réseaux et les applications s’intéressent aux données, mais en fin de compte, une IA ne vaut que par ses données, qui sont par ailleurs bien plus nombreuses. Après tout, l’adage « données erronées en entrée, résultats erronés en sortie » reste valable, y compris lorsqu’il s’agit d’enrichir par l’IA tout ce qui existe déjà — applications, infrastructure, sécurité. Votre IA ne vaut que par les données sur lesquelles elle a été entraînée. Si vous négligez cette étape, vous ne créez pas de l’intelligence : vous renforcez de mauvaises suppositions et automatisez des décisions douteuses.

Ce niveau correspond à ce que nous appellerions « une dynamique sans maîtrise ». Il y a de l’énergie, une direction, mais aussi encore beaucoup de frictions. Non pas par manque de volonté, mais en raison des réalités liées au passage à l’échelle, à la coordination et à la dette architecturale.

Faible niveau de préparation : toujours bloqué dans le hall

Parlons maintenant des 21 %. Il s’agit des organisations qui cherchent encore comment se lancer ou, pire, qui continuent de prétendre qu’elles n’en ont pas besoin. Peut-être disposent-elles d’un prototype de chatbot. Peut-être. Pour ces équipes, le problème n’est pas le manque de vision, mais l’inertie.

Nombre d’entre elles évoluent dans des secteurs réglementés ou des environnements tributaires de systèmes existants, où la tolérance au risque est faible et l’architecture fragile. Mais même dans ces contextes, les choses avancent. Très peu de ces organisations ont déployé des mesures de sécurité propres à l’IA, telles que des pare-feu ou des mécanismes de contrôle intégrés. La plupart s’appuient sur des dispositifs généraux de sécurité périmétrique informatique, qui ne sont pas adaptés au déploiement à grande échelle des cas d’usage de l’IA. Deux tiers déclarent expérimenter ou planifier des projets d’IA. C’est déjà quelque chose. Mais ne confondons pas ambition et mise en œuvre.

Le risque, ici, n’est pas de passer à côté de la tendance. Personne ne la manquera. Le risque, c’est de se laisser submerger lorsqu’elle déferlera. Sans un travail de fond sur les données, l’infrastructure et les équipes, même le meilleur modèle ne tiendra pas ses promesses.

Ce que signifie réellement être « parfaitement préparé »

Vous voulez passer au niveau supérieur ? Alors, construisez comme les 2 % :

• Intégrez plusieurs modèles à votre environnement, qu’ils soient payants ou open source. La flexibilité est essentielle : tous les modèles ne conviennent pas à toutes les tâches.
• Ne vous contentez pas d’« avoir » des agents : utilisez-les pour prendre en charge de véritables tâches opérationnelles. C’est ainsi que vous pourrez passer à l’échelle.
• Dépassez le cadre des applications isolées et commencez à intégrer l’IA générative dans l’ensemble des workflows. L’intégration n’est pas facultative : c’est ce qui fait la différence entre un simple effet de nouveauté et une véritable utilité.
• Verrouillez la sécurité des données dès la conception de l’architecture, et pas seulement au moyen de politiques. La conformité n’empêche pas les failles de sécurité ; la conception, si.
• Et surtout, concevez dès le départ une architecture capable de monter en charge. Car renforcer la résilience après coup n’est jamais une partie de plaisir.

Voici la vérité : la préparation n’est pas un produit que l’on achète. Ce n’est pas un service auquel on s’abonne. C’est une posture, une structure et un état d’esprit. Et si, en lisant ceci, vous vous dites : « Nous sommes moyennement prêts », ce n’est pas une mauvaise chose. C’est une étape importante. Mais la suite ne se fera pas toute seule. Vous devrez agir de manière réfléchie et concertée, et accepter de sortir un peu de votre zone de confort.

Parce que l’IA ne récompense pas les curieux. Elle récompense ceux qui sont prêts.

Pour approfondir l’analyse des données et en savoir plus sur le modèle, vous pouvez télécharger notre « Rapport 2025 sur l’état des stratégies applicatives en matière d’IA : indice de préparation à l’IA » juste ici.

À propos de l’auteur

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.

Autres articles de Lori Mac Vittie