Accéder au contenu principal

L’évolution de l’économie des logiciels d’entreprise

Points clés

  • L’économie a changé de manière structurelle. L’ingénierie agentique transforme la façon dont les exigences sont recueillies, les systèmes conçus, les changements prototypés et le code produit. Ce niveau de transformation réduit des contraintes qui rendaient le développement sur mesure risqué, l’enfermement fournisseur acceptable et la modernisation facile à repousser.
  • Trois opportunités distinctes se présentent désormais. Les organisations peuvent aujourd’hui récupérer le savoir institutionnel enfermer dans les systèmes patrimoines et construire ou reconstruire des solutions qui étaient auparavant non rentables, en intégrant dès le départ une maintenabilité à long terme.
  • Des fondations d’ingénierie rigoureuses sont indispensables à la réussite. Pour réussir, il est essentiel de définir dès le départ la bonne architecture, les pratiques et les principes de conception appropriés. Cela inclut notamment l’utilisation de langages de programmation efficaces en matière de « Tokens LLM » ou la mise en place de boucles de validation rigoureuses que les agents peuvent suivre et reproduire. Sans bases solides, les approches agentiques amplifient à grande échelle les schémas hérités ou les mauvaises pratiques existantes.
  • L’ingénierie agentique constitue une transformation, et non un simple interrupteur ni une technologie isolée. Le nombre d’hypothèses fondamentales qui évoluent impose des changements structurels dans les méthodologies, les approches et la gouvernance, afin de soutenir des cycles d’itération rapides tout en maintenant le niveau de rigueur nécessaire. La capacité institutionnelle se construit avec le temps, avant que les équipes et les individus, à tous les niveaux, puissent opérer en toute confiance avec des degrés progressivement plus élevés d’autonomie déléguée dans la livraison logicielle.

Vous voulez en savoir davantage?

Pendant des années, les organisations ont été contraintes de faire une série de compromis rationnels en matière de technologie. Avec l’IA agentique et la convergence des pratiques autour de l’ingénierie agentique, plusieurs de ces compromis ne s’appliquent désormais plus.

L’ingénierie agentique est la pratique du génie logiciel repensée afin que l’exécution soit assurée par des agents d’IA, où chaque discipline — de la collecte des exigences au développement et aux tests — est restructurée autour de la curation du contexte, de la vérification des résultats et d’une autonomie gouvernée par l’humain.

Ces pratiques font baisser les coûts, de temps et de risque qui ont défini les décisions en matière de logiciels d’entreprise pendant des décennies, invalidant ainsi de nombreuses hypothèses qui continuent aujourd’hui de façonner les stratégies informatiques.

Les dynamiques technologiques et les décisions du passé répondaient à un ensemble de défis différent de ceux d’aujourd’hui, et comportaient leurs propres compromis. Le choix de plateformes commerciales plutôt que de développements sur mesure afin de réduire les risques, au détriment de la flexibilité organisationnelle et de la capacité de différenciation (ce qui s’est effectivement produit). L’adoption de l’agilité pour sa vitesse et ses boucles de rétroaction rapides, en acceptant que l’exhaustivité des solutions et de l’architecture viendrait plus tard (ce qui n’est pas arrivé). Le report des projets de consolidation, car l’investissement initial nécessaire pour démêler des systèmes interconnectés dépassait les coûts de fonctionnement continus de l’existant, malgré les contraintes opérationnelles que cela engendre (ce qui demeure le cas aujourd’hui).

À travers l’ensemble de ces choix, le savoir institutionnel s’est érodé silencieusement à mesure que les personnes quittaient l’organisation, faute d’avoir accordé la priorité nécessaire à sa capture et à sa formalisation.

Aucune de ces décisions n’était une erreur ; il s’agissait de choix pragmatiques fondés sur des contraintes bien réelles, telles que le coût de bien construire, le temps requis pour recueillir et valider les exigences, ou encore la difficulté de moderniser tout en assurant la continuité des opérations. Cependant, ces contraintes ont évolué, et les stratégies bâties autour d’elles méritent aujourd’hui d’être réexaminées.

Le changement qui bouleverse les équations

La stratégie technologique en entreprise est façonnée par la gestion du risque depuis aussi loin que la plupart d’entre nous s’en souviennent. Bien développer des logiciels était risqué : délais longs, talents rares et savoir institutionnel fragile.

L’ingénierie agentique modifie les calculs sous-jacents à chacun de ces compromis, notamment :

  • Les exigences qui nécessitaient auparavant des mois d’efforts manuels pour être collectées peuvent désormais être extraites rapidement des bases de code existantes, servant de point de départ à des systèmes modernisés qui conserveront eux-mêmes une documentation à jour.
  • Les conceptions détaillées de nouveaux systèmes, souvent abandonnées au profit de techniques d’architecture agile, peuvent aujourd’hui être approfondies grâce à l’automatisation des schémas complexes ou de la documentation détaillée.
  • Les évolutions en mode business as usual (BAU) peuvent être prototypées en quelques heures, permettant des échanges plus riches et plus rapides pour définir les exigences, et aboutissant à des demandes de modification plus structurées et mieux étayées. De grands volumes de code peuvent être produits en quelques minutes plutôt qu’en plusieurs jours, lorsque le contexte et les orientations sont clairement établis.

Il s’agit de transformations structurelles ayant des implications profondes sur l’économie unitaire de la compréhension, de l’évolution et de la maintenance des logiciels — un véritable changement de paradigme.

Trois opportunités qui émergent

Avec cette évolution de l’économie de la transformation technologique, la création de valeur s’ouvre dans trois domaines clés.

Les systèmes patrimoines renferment des décennies de décisions métier, de réponses réglementaires et d’apprentissages opérationnels intégrés dans des systèmes qu’aucune personne ne maîtrise pleinement. Ce savoir ne s’érode plus lorsque des experts chevronnés quittent l’organisation ou que la documentation devient obsolète. Il réside dans le code source, les configurations et les modèles de données.

L’IA permet désormais de reconstruire des exigences à partir de solutions existantes, en les reformulant comme des objectifs métiers clairs, et ce à grande échelle. Elle aide à distinguer les règles métiers réelles des contraintes techniques et des adaptations accumulées au fil du temps. La validation des objectifs consiste alors à identifier les écarts, les incohérences et les contradictions, afin de construire une compréhension complète et de tester la cohérence de l’ensemble. Par exemple, certaines limites de champs en base de données ou plafonds de calcul peuvent refléter des obligations réglementaires, des hypothèses actuarielles ou simplement des contraintes propres à une plateforme conçue à une autre époque. Faire la distinction est essentiel lorsqu’il s’agit de décider ce qu’il convient de conserver pour la suite.

La valeur générée est immédiate et indépendante de toute décision de modernisation ultérieure. Les équipes peuvent désormais disposer d’une documentation structurée et validée décrivant précisément ce que font les systèmes hérités et pourquoi. Cela réduit les risques, accélère l’intégration des nouveaux arrivants et constitue une base solide pour les étapes suivantes : consolidation, migration, reconstruction complète, rationalisation ou simple maintien en conditions opérationnelles.

Qu’il s’agisse de moderniser des systèmes existants, de consolider des plateformes redondantes, de remplacer du code sur mesure vieillissant ou de développer une solution entièrement nouvelle, il est désormais possible de concevoir des systèmes maintenables à long terme pour une fraction du coût.

La clé réside dans l’adoption, dès le départ, des bonnes pratiques et des principes de conception appropriés, ainsi que dans la mise en place de fondations permettant une livraison et une maintenance agentiques. Cela implique des choix variés, allant de langages de programmation et cadres logiciels efficaces en consommation de « Tokens LLM » à des technologies favorisant des boucles de validation rapides et des tests sans interface usager, afin que les agents puissent recevoir des retours et s’auto corriger en temps réel.

Certaines pratiques — comme la priorité donnée à un écosystème ouvert offrant un contrôle total — restent encore émergentes dans les environnements d’entreprise, mais la plupart relèvent de bonnes pratiques bien établies du génie logiciel de qualité. Historiquement, le principal frein résidait dans le temps et l’énergie nécessaires pour les appliquer et les maintenir avec la rigueur requise tout au long du développement et de l’exploitation.

Dans un contexte où les agents peuvent suivre et reproduire des schémas établis (le contexte) tout en produisant rapidement de grandes quantités de code, il devient clair que des choix intentionnels en matière d’architecture et de fondations d’ingénierie rendent possible la construction de solutions qui ne l’étaient pas auparavant économiquement. Les pratiques d’ingénierie rigoureuses et la conception architecturale ne sont plus des considérations secondaires ni des ajustements continus ; elles deviennent des prérequis essentiels de la méthodologie, garants de la qualité et de la confiance dans des cycles d’itération rapides.

L’absence de fondations solides et reproductibles explique également pourquoi certaines organisations constatent que l’utilisation de l’IA agentique sur des systèmes patrimoines amplifie à grande échelle les schémas existants.

La proposition de valeur est convaincante, ce qui explique pourquoi certains de nos clients réévaluent sérieusement les approches greenfield dans le cadre de leurs stratégies de modernisation.

Tout portefeuille technologique est un ensemble de systèmes développés sur mesure, de plateformes éditeurs et d’applications patrimoines, reliés par des logiques d’intégration. Certains délivrent de la valeur de manière efficiente, tandis que d’autres génèrent des coûts et des risques qui augmentent d’année en année.

À titre d’exemples : des plateformes éditeurs personnalisées bien audelà de leurs capacités standards, des solutions dont les coûts de licences ne cessent de croître, des applications ponctuelles apparues au fil du temps obligeant les utilisateurs à jongler entre plusieurs outils, ou encore des systèmes depuis longtemps en retard de mise à niveau technique et porteurs de risques organisationnels.

L’économie de l’ingénierie agentique offre l’opportunité de réexaminer ces portefeuilles avec un regard neuf. Pour les plateformes personnalisées au point d’en perdre leur forme initiale, la réponse n’est pas nécessairement un remplacement complet, mais plutôt l’extraction de la logique différenciante dans des solutions dédiées, permettant de ramener le cœur éditeur à un rôle plus simple et plus léger, conforme à son intention première. Pour les systèmes hérités approchant de la fin de vie, l’extraction et la reconstruction assistées par l’IA permettent de raccourcir considérablement les délais de migration. Pour les paysages applicatifs fragmentés et en attente de consolidation, le coût de l’unification a fondamentalement changé. Et pour tout ce qui se situe entre ces extrêmes, il existe enfin une occasion de traiter des besoins métier et TI reportés depuis des années.

Soyons clairs : il ne s’agit pas d’affirmer que les plateformes éditeurs ont perdu leur valeur. Les éditeurs investissent massivement dans des capacités agentiques, renforçant la puissance et l’accessibilité des fonctionnalités standards de leurs plateformes.

Pour les organisations restant proches des plateformes éditeurs, ces capacités se combineront naturellement et donneront leur plein potentiel dans des implémentations peu personnalisées. Autrement dit, le niveau de bénéfice tiré des investissements des éditeurs en IA dépend fortement du degré de conformité des installations aux standards.

À l’avenir, lorsque le coût total de possession (licences, personnalisations, mises à niveau forcées, intégration, maintenance du changement et coût d’opportunité) dépasse celui d’une solution dédiée et bien maintenue, l’argument en faveur du changement devient solide. Il existe également un angle bilanciel à ne pas négliger : un logiciel conçu sur mesure est un actif immobilisé amortissable, et non une dépense d’exploitation incrémentale perpétuelle ne créant aucune valeur patrimoniale.

Enfin, lorsque les équilibres de risques évoluent, la question de savoir qui construit devient déterminante. La crédibilité de cette nouvelle économie repose sur les équipes qui réalisent les solutions : des équipes disposant d’une réelle connaissance métier et d’une discipline d’ingénierie éprouvée, et non simplement d’un accès aux outils.

La voie à suivre

L’ingénierie agentique ne se met pas en place du jour au lendemain. Les organisations doivent y parvenir progressivement : en construisant des fondations architecturales compatibles avec les agents, en établissant des modèles d’ingénierie adaptés, en affinant les méthodologies soutenant des cycles d’itération rapides, tout en développant la capacité institutionnelle et la confiance nécessaires pour opérer à des niveaux d’autonomie de plus en plus élevés. Celles qui s’engagent dès maintenant développeront ces capacités de manière itérative, chaque cycle et chaque projet venant renforcer le suivant. La plupart de nos clients démarrent par des domaines pilotes ciblés : des périmètres où le savoir institutionnel est particulièrement exposé à l’érosion, ou des domaines où un enjeu métier fort justifie un changement orienté différenciation ou simplification.

Les premiers résultats apparaissent déjà. De nombreuses organisations ont adopté le développement assisté par l’IA, mais restent limitées à des suggestions de code et à des expérimentations de faible ampleur, produisant plus rapidement des fragments de solutions sans transformer le modèle de livraison sous‑jacent. Combler cet écart n’est pas une question d’outils, mais bien de méthodologie et d’approche. Cela requiert une discipline architecturale, de nouveaux modes de travail et un engagement organisationnel fort.

Celles qui diffèrent cette transition verront l’écart se creuser. Non seulement parce que leurs concurrents moderniseront plus vite, mais aussi parce que la capacité à opérer de cette manière constitue une compétence qui s’acquiert avec le temps. Attendre ne repousse pas seulement les bénéfices ; cela retarde l’apprentissage organisationnel indispensable avant même que ces bénéfices ne puissent être atteints.

Deloitte redéfinit les méthodologies, les approches d’ingénierie et les modèles de livraison avec ses clients les plus avant‑gardistes. Nous avons développé des approches reproductibles pour structurer et livrer les applications et systèmes selon différents archétypes métiers, et nous les testons et les affinons dans le cadre d’engagements réels.

Savoir quelles technologies choisir, quelles architectures sont adaptées à quels domaines et comment séquencer les décisions dans un contexte métier donné constitue un avantage. Mais l’avantage durable réside dans ce qui entoure la technologie : une méthodologie capable de suivre le rythme du changement et de se transmettre, une gouvernance qui inspire la confiance, et une connaissance métier suffisamment profonde pour prendre les bonnes décisions dans ce nouveau paradigme. Rien de tout cela ne s’acquiert rapidement ni ne se copie facilement — et c’est précisément pour cela que cela compte.

Cet article s’ouvrait sur une observation simple : les compromis réalisés par les organisations au cours des dernières décennies étaient rationnels, mais les contraintes qui les sous‑tendaient ont changé. Les leaders du secteur s’accordent à dire que l’IA agentique est profondément transformatrice pour la livraison de logiciels d’entreprise, et que ceux qui s’engagent tôt, en concevant délibérément leurs approches en tenant compte de ces nouvelles contraintes, en récolteront pleinement les bénéfices.

Cette publication contient seulement des informations générales et ne doit pas servir de base à toute décision ou action pouvant vous concerner, vous ou votre entreprise. Deloitte ne sera pas responsable de toute perte subie par toute personne qui s’appuie sur cette publication.

Droits d’auteur © 2026 Deloitte LLP et entités connexes. Tous droits réservés

Est-ce que cette information vous a été utile?

Merci pour vos commentaires