Le piège des talents en matière d’IA
Le contexte de l'entreprise est plus important que le codage pour la modernisation des applications
Les cadres dirigeants sont confrontés à un paradoxe constant : comment maintenir le rythme effréné d’innovation qui leur permettra de rester en tête de la course tout en garantissant la stabilité d'une infrastructure supportant un trafic intense et utilisée par des dizaines de millions de personnes à travers le monde ? C’est l'enjeu sur lequel je travaille depuis plus d’une décennie. Les applications soutenues par IA ne font qu'intensifier cette tension. J'ai eu l'occasion d'en observer de nombreuses parmi les nombreux produits et plateformes utilisés chez Caliente.mx. Cela m’a permis d’acquérir une vision claire de ce qui fonctionne, et de ce qui entraîne au contraire des défaillances catastrophiques une fois appliqué à grande échelle.
Lorsque j’ai découvert dans le rapport Cloudflare 2026 sur l'innovation en matière d'applications que 87 % des organisations estiment leurs ressources internes en personnel suffisantes pour le développement de l'IA, j'ai été interpellé. Une telle confiance peut conduire à des erreurs. D’après mon expérience, l’adoption réussie de l’IA repose sur la manière dont les équipes fonctionnent, sur le savoir institutionnel dont elles disposent, et de la possibilité d'une expérimentation rapide et sécurisée sur l'infrastructure. J'ai eu l'occasion de discuter avec Trey Guinn, directeur technique sur site chez Cloudflare, au cours de l’émission Beyond the App Stack, la possibilité d'innovation avec l'IA ne dépend pas uniquement d'une question d'effectifs.
Au cours des dernières années, j’ai vu le même schéma se reproduire dans les entreprises tentant d’adopter l’IA : si la technologie suscite l’enthousiasme, quand bien même les talents semblent solides sur le papier, les résultats sont décevants. Ce constat s’explique par le fait que le véritable obstacle à l’adoption réussie de l’IA est d’ordre stratégique, plus que technique. Trop d’entreprises envisagent l’IA de façon binaire ;soit elles « s’appuient sur l’IA », soit elles sont « à la traîne ». Cette pression a tendance à déclencher l’une des deux réponses suivantes : l’embauche de spécialistes de l’IA qui ne connaissent pas l’entreprise, ou le déploiement d’outils en interne sans objectif ni plan d’adoption clairs. Aucune de ces approches n’est viable à long terme.
La plupart des entreprises abordent l’IA sous l'un des deux angles suivants : comme un produit fondamental intégré à ses offres, ou comme un ensemble d’outils destinés à optimiser ses flux de travail internes tels que les ressources humaines ou la finance. Vous pourriez être tenté de penser que l’approche se concentrant sur le produit est la plus complexe, mais à mon sens, l’introduction de l’IA en interne et plus risquée. Cela donne lieu à des situations où les outils sont imposés sans formation, les attentes sont mal alignées et les équipes se montrent réfractaires à l'initiative. C’est à ce moment-là que l’adoption commence à stagner.
La dichotomie centrale : le savoir face aux nouvelles compétences
Si l’IA doit perdurer, les cadres dirigeants doivent repenser la manière dont elle est présentée, et plus important encore, déterminer qui est réellement prêt pour ce changement.
Quand vous avez constitué une équipe à partir de zéro, comme je l’ai fait chez Caliente, vous comprenez directement la valeur des connaissances institutionnelles. Elles ne sont pas documentées – elles résident dans les compromis que font les gens, dans les systèmes qu’ils ont façonnés et dans les instincts qu’ils ont développés grâce à leur expérience.
Ce contexte s’avère essentiel lors de l’intégration de l’IA. Un recrutement externe apporte certes une dose d'expertise, mais l’absence de connaissances sur l’historique des produits ou de compréhension de l’infrastructure ralentit les progrès.
Il est souvent plus rapide de former les membres de votre équipe existante. Ce sont les membres de cette équipe qui comprennent comment l’application a évolué, ce qui est important pour l'utilisateur et les aspects sous lesquels l'écosystème peut évoluer. Lorsque votre architecture prend en charge une expérimentation modulaire, à faible risque, ce contexte devient un avantage concurrentiel, et il est alors évident que la montée en compétences constitue le meilleur choix.
Comment gérer la résistance vis-à-vis de l’IA
Chaque fois que de nouveaux outils sont introduits, en particulier une solution entraînant autant d’engouement que l’IA, leurs utilisateurs ne peuvent s’empêcher de se demander : « Est-ce que je vais être remplacé par cette nouveauté ? » Cette crainte est amplifiée lorsque l’IA est présentée comme une initiative isolée ou confiée à des recrues externes qui ne font pas partie du quotidien. La meilleure manière de contrer cette peur consiste à inscrire la conversation dans des sujets concrets. Chez Caliente, nous partons du point de friction : ce qui nous ralentit ou ce qui ajoute des difficultés, avant de nous demander si l’IA est en mesure de nous aider à résoudre le problème.
Lorsque la réponse est positive, il est alors question de l’augmentation de l’efficacité. Nous évitons de parler de « services d’assurance qualité automatisés ». Nous invoquons plutôt les « tests assistés par IA ». Nous ne présentons pas nos nouvelles initiatives en disant que nous développons « des applications IA ». Nous mettons en avant l'enrichissement des applications existantes : il s'agit de les rendre plus rapides, plus intelligentes et plus utiles sans remettre en question ce qui fonctionne. Nous étoffons le processus de révision du code, comme si nous équipions les ingénieurs d’une nouvelle paire d’yeux pour se concentrer sur un travail de plus grande valeur.
L’innovation, une nécessité : le coût de l’absence de flexibilité
Si vous souhaitez bénéficier de la liberté nécessaire au développement avec l’équipe dont vous disposez déjà, votre infrastructure doit vous permettre de faire ce choix. À un moment donné de toute conversation sur l’IA, les gens oublient les bases, à savoir que l’IA ne fonctionne pas avec l’ambition, mais avec l’infrastructure.
Si vous utilisez encore des systèmes sur site rigides, les meilleures idées s’enliseront dans des retards, des problèmes de compatibilité ou des boucles d’approvisionnement. Ma propre expérience m’a d’ailleurs permis de le confirmer, car tenter de moderniser les logiciels existants pour exécuter des charges de travail intensives en ressources GPU n’est pas seulement pénible, mais également coûteux. Vous finissez par courir après les corrections matérielles, les mises à jour de pilotes et les correctifs du système d’exploitation avant même d’avoir commencé à expérimenter.
Détail souvent négligé, la modernisation des applications constitue une condition préalable à l’IA. Plus votre infrastructure s’avère flexible, moins les tests de nouvelles initiatives seront coûteux. Plus vite votre environnement est lancé, plus vite vous apprenez ce qui fonctionne et ce qui ne fonctionne pas. Les « architectures serverless », en particulier, nous permettent de tester de multiples configurations sans frais initiaux : il suffit de lancer l’expérience, d’obtenir les données et de passer à l’étape suivante.
Cette agilité s’avère également payante sur le long terme. Le matériel et le logiciel de cet espace évoluent rapidement. Si vous assurez la maintenance de l’ensemble de vos équipements sur site, vous êtes engagé dans un cycle de mises à jour permanent. Avec les plateformes serverless ou cloud-native, nous pouvons suivre ce rythme d’évolution sans dépenser de temps ni de budget juste pour rester à jour.
Ce qui a fonctionné pour nous a été la création d'un environnement structuré pour les expérimentations sur l’IA. Cela implique de séparer clairement les travaux expérimentaux des versions en production, de fixer des délais courts pour tester les hypothèses et de définir en amont ce qui est considéré comme « suffisamment bon » avant de le passer à grande échelle.
Voici quelques principes auxquels je m’en tiens :
Isoler les expériences des failles des produits principaux
Limiter dans le temps les cycles de test pour éviter qu’ils ne s’éternisent
Collaborer avec les responsables de l’IA et les propriétaires de produits pour s’assurer des bénéfices de chaque idée sur l’application
L’IA n’est pas isolée ; elle doit s’intégrer au sein des systèmes que vous utilisez déj à. Bien menée, l’expérimentation en IA accélère l’innovation en matière d'applications au lieu de la ralentir. Vous disposez de fonctionnalités plus intelligentes, d’une meilleure automatisation et de produits plus réactifs, sans compromettre leur stabilité.
Trois composantes essentielles en matière d’infrastructure IA
Pour que l’IA puisse quitter la phase pilote, j’ai dégagé trois conditions non négociables :
Une gouvernance des données claire. Des règles d’accès clairement définies sont essentielles. Quelles données l’IA peut-elle toucher ? Selon quelles conditions ? Sans cela, vous ouvrez la porte à des problèmes de conformité.
Une capacité de traitement évolutive. Les projets pilotes peuvent s’exécuter sur des machines à faible puissance. Pour les charges de travail de production, c'est une autre histoire. Il est essentiel de disposer d’une infrastructure capable de monter en charge, en particulier pour les charges de travail utilisant des GPU.
Une surveillance rigoureuse. L’IA étant déjà en service, une visibilité et un contrôle complets sont nécessaires. Cela comprend le suivi des dérives, la détection des anomalies et l’identification des effets non désirés avant qu’ils ne prennent de l’ampleur.
Faites-le correctement, et l’expérimentation devient pérenne. L’IA est une fonctionnalité, pas un produit. En ce qui me concerne, j’ai vu que l’essentiel de ce parcours repose sur l’expérimentation structurée, une formation claire et une culture qui valorise la transparence plus que la publicité tapageuse.
Mais l’infrastructure, à elle seule, ne favorise pas le progrès. Votre équipe doit être prête, elle aussi.
Trois signes indiquant que vous êtes réellement prêt pour l’IA
Lorsque je me demande si une équipe d’ingénieurs est prête à déployer ses efforts d’IA au bénéfice de l’innovation d’application, je me base sur trois points :
Un dialogue ouvert : la capacité d’une équipe à parler des réussites comme des échecs et à expliquer honnêtement de ce qui fonctionne et de ce qui ne fonctionne pas est un bon indicateur.
Une compréhension de base : Ils n’ont pas besoin d’être experts, mais ils devraient comprendre, au minimum, les bases du fonctionnement des LLM, des termes comme le nombre de paramètres et de jetons, et pourquoi les hallucinations IA se produisent. Ce qui laisse transparaître la curiosité et l’envie d'acquérir une compréhension plus approfondie.
La conscience des limites : cette équipe sait quel type de données elle peut communiquer sans risque, les éléments que ses membres peuvent réutiliser et où se situent les lignes juridiques et éthiques.
Il ne s'agit pas là d'atouts supplémentaires, ce sont véritablement les signes que votre équipe est prête à développer et à soutenir l’innovation des applications impulsée par l’IA.
Cessez de passer en force
C’est l’un des pièges que j’ai observé dans les équipes qui passent directement à la résolution d'un problème. La direction s’enthousiasme pour un outil d’IA et ordonne à l’équipe une rétro-ingénierie sur un cas d'usage pour en justifier le besoin. Toutefois, commencer par l'outil amène souvent à résoudre des problèmes imaginaires, ou encore qui sont sans importance pour l'entreprise. On commence réellement à observer des progrès à partir du moment où l’on parvient à résoudre un problème réel, à fort impact et à utiliser ce dernier comme fil conducteur, en déterminant si l’IA doit être intégrée à la solution proposée. À partir de là, vous pouvez amorcer votre mouvement : essai, apprentissage et correction de trajectoire empreints de clarté, car vous avez pour cible un élément particulier.
À partir de là, il s’agit de faire évoluer l’itération rapidement, en particulier lorsque vous intégrez l’IA au sein d’applications en production. Définissez un cas d’usage restreint, testez-le hors production, évaluez-en les retombées, recueillez des commentaires, puis ajustez sa mise en application. S’il fonctionne, faites-le évoluer. S’il échoue, vous en aurez retiré quelque chose de précieux, sans engager trop de ressources ou de technologie de développement sans utilité pour qui que ce soit.
Des garde-fous comportementaux, pas des mesures de blocage d’ordre technique
Isoler les outils d’IA exposés au public pourrait réduire les risques à court terme, mais cela briderait les apprentissages. Il est préférable de commencer par renforcer les normes comportementales que les équipes suivent déjà. Par exemple, les développeurs suppriment déjà les informations sensibles dans le code ; il en va de même pour les révisions d’IA. Mais les stratégies prises seules n’aboutissent pas au progrès. L’impulsion réelle vient des systèmes, techniques et cultures, qui permettent de mener des expérimentations sûres sans ralentir la livraison.
Cela commence par l’innovation des applications. L'architecture adéquate offre aux équipes un espace d’essai, de résolution des problèmes réels et d’adoption rapide. Le rapport 2026 de Cloudflare sur l’innovation en matière d’applications met en lumière ce que j’ai observé lors de la mise en œuvre : Lorsque vos systèmes sont prêts, l’investissement le plus judicieux qui soit en matière d'IA, c’est l’équipe dont vous disposez déjà.
Accélérez la modernisation avec Cloudflare
Alors que la modernisation des applications devient une stratégie continue, et non une initiative ponctuelle, les responsables techniques ont besoin d’une plateforme qui aide leurs équipes à avancer plus rapidement sans compromettre le contrôle ou la sécurité. Le cloud de connectivité de Cloudflare prend en charge toutes les étapes de votre parcours applicatif, du réhébergement des systèmes hérités à la replatformisation pour l’agilité, ou au développement d’applications et de services d’IA entièrement nouveaux. Grâce à ses outils de distribution, de sécurité, d’observabilité et de développement des applications intégrés à une plateforme unifiée et programmable, Cloudflare aide vos équipes à réduire la complexité, à livrer plus rapidement et à libérer l’innovation, sans gonfler les coûts.
Cet article fait partie de notre série consacrée aux nouvelles tendances et évolutions susceptibles d'affecter les décideurs en matière de technologies d'aujourd'hui.
Approfondir le sujet
Vous trouverez davantage d'informations sur la manière dont l'infrastructure moderne peut permettre de déployer l'IA avec succès dans le rapport Cloudflare 2026 sur l'innovation en matière d'applications.
Auteur
Lior Gross
CTO, Caliente Interactive
Conclusions essentielles
Cet article vous permettra de mieux comprendre les aspects suivants :
Choisir les équipes existantes ou les nouvelles recrues pour les applications IA
Utiliser les expérimentations IA pour dynamiser l’innovation en matière d'application
Le rôle des connaissances métier dans la réussite des applications IA