L’IA donne aux entreprises l’excuse dont elles avaient besoin pour corriger des années de dette technique

Chaque entreprise veut parler d’IA. Combien devons‑nous investir ? Où devons‑nous le déployer ? Quelles nouvelles applications pouvons‑nous créer ? À quelle vitesse pouvons‑nous les mettre en production ?

Mais autre chose se passe sous tout cet enthousiasme. Alors que les organisations investissent massivement dans l’IA, beaucoup examinent de près l’infrastructure qui fait fonctionner l’entreprise en silence depuis des années. Et ce qu’elles découvrent n’est pas toujours agréable :

• Systèmes d’exploitation hérités
• Bases de données vieillissantes
• Applications qui se sont modernisées de façon disproportionnée par rapport à l’infrastructure  

Les organisations observent des environnements construits autour de décisions prises il y a des années. C’est dette technique que tout le monde sait qu’elle existe, mais personne n’a eu suffisamment de raison ou de budget pour y remédier.

Ironiquement, l’IA pourrait enfin changer cela.

L’IA ouvre le portefeuille d’infrastructure

L’un des plus grands obstacles à la modernisation de l’infrastructure a été, pendant des années, remarquablement simple : si ce n’est pas cassé, pourquoi dépenser des millions de dollars pour le changer ?

C’est un argument difficile à surmonter pour une équipe d’infrastructure. Un système de dix ans peut être obsolète, coûteux et rigide, mais si les applications fonctionnent et que les clients ne se plaignent pas, le remplacer ou le moderniser peut être difficile à vendre au directeur financier.

L’IA a réécrit cette conversation.

Pour soutenir leurs stratégies d’IA, les organisations réalisent d’importants nouveaux investissements dans l’infrastructure. Cette dépense peut créer une opportunité d’aborder d’autres problèmes d’infrastructure en même temps. Les projets qui peinaient à obtenir un financement autonome peuvent soudainement devenir partie d’une discussion bien plus vaste sur ce à quoi la pile technologique de l’entreprise devra ressembler pour la prochaine décennie.

L’ère de l’IA entre en collision avec l’ère du legacy

De nombreuses entreprises continuent de dépendre fortement d’une infrastructure basée sur Windows et de versions plus anciennes de SQL Server, tandis que l’industrie technologique passe depuis des années à parler d’cloud natif architectures et d’conteneurs.

Le développement d’applications a progressé en même temps. Les équipes de développement ont adopté Linux, les conteneurs et les plateformes cloud tandis que les bases de données et d’autres infrastructures critiques sont souvent restées en place. Cela crée une division de plus en plus gênante au sein de l’entreprise : des applications modernes d’un côté et une infrastructure legacy de l’autre. L’IA ne crée pas ce problème. Mais la précipitation à construire une entreprise prête pour l’IA rend ce problème beaucoup plus difficile à ignorer.

Les organisations devraient donc résister à la tentation de considérer l’infrastructure d’IA comme un achat technologique isolé. Cela peut être l’occasion de poser une question bien plus large : si nous redessinons une partie de notre infrastructure pour l’IA, que devrions‑nous réparer d’autre pendant que nous y sommes ?

La modernisation ne doit pas forcément signifier un grand bouleversement

Une raison pour laquelle la dette technique persiste est l’hypothèse que la modernisation nécessite une migration massive. Ce n’est pas le cas.

Lorsque vous passez de Windows à Linux, par exemple, chaque application, base de données et processus opérationnel n’a pas besoin de changer simultanément. Et adopter Kubernetes ne signifie pas qu’une organisation doit immédiatement abandonner tout ce qui existait auparavant. Pour le faire de la manière la plus pratique possible, la modernisation doit être réalisée par étapes.

Les organisations peuvent maintenir les charges de travail Windows existantes tout en introduisant Linux ou Kubernetes à leurs côtés. Elles peuvent moderniser des composants individuels, lorsque le cas d’affaires le justifie, et déplacer progressivement les charges de travail plutôt que de tout miser sur un seul projet de transformation gigantesque.

Cela importe particulièrement pour les bases de données. Les environnements critiques de SQL Server peuvent fonctionner avec succès depuis des années. Le fait qu’ils soient anciens ne signifie pas que les organisations doivent les remplacer imprudemment.

L’objectif doit être de créer une voie à suivre.

Ne modernisez pas simplement parce que l’IA est à la mode

Il y a une distinction importante ici.

Les dépenses en IA peuvent créer l’opportunité de moderniser l’infrastructure, mais les organisations ne devraient pas migrer les charges de travail simplement parce qu’elles estiment que tout doit soudainement devenir “AI-ready.”. Le cas d’affaires pour la modernisation de l’infrastructure doit se justifier par lui‑même.

Pouvons‑nous réduire les coûts ?

Pouvons‑nous améliorer la disponibilité ?

Pouvons‑nous réduire notre dépendance à une plateforme particulière ?

Pouvons‑nous rendre les charges de travail plus portables ?

Pouvons‑nous offrir à l’entreprise une plus grande flexibilité quant à l’endroit où les applications et les données s’exécutent ?

Ce sont des résultats précieux, quel que soit le devenir de la feuille de route IA d’une organisation.

En fait, l’une des erreurs que les entreprises peuvent commettre est de laisser l’IA devenir la justification de chaque décision technologique. Les charges de travail IA et les charges de travail transactionnelles traditionnelles ont des exigences différentes. Ce n’est pas parce qu’une organisation investit massivement dans l’IA qu’il faut supposer que chaque charge de travail héritée doit soudainement être placée sur Kubernetes.

La modernisation doit résoudre un problème d’infrastructure réel.

L’IA modifie également l’économie de l’infrastructure

Il y a une autre raison pour laquelle la flexibilité compte davantage à l’ère de l’IA : l’économie de l’infrastructure devient de plus en plus dynamique. Les organisations disposent de plus de choix que jamais quant à l’endroit où exécuter leurs charges de travail… sur site, dans des clouds privés, dans des clouds publics et sur plusieurs fournisseurs de cloud. L’environnement optimal pour une charge de travail peut en réalité être totalement inadapté pour une autre. Cela rend la portabilité de l’infrastructure de plus en plus précieuse.

Les entreprises ne devraient pas devoir prendre chaque décision d’infrastructure future en se basant sur un choix effectué il y a des années. Elles devraient pouvoir évaluer où une charge de travail a le plus de sens sur les plans opérationnel et économique, et apporter des modifications sans devoir redessiner l’ensemble de l’environnement applicatif. Cela devient encore plus important à mesure que l’IA augmente les dépenses d’infrastructure. Lorsque les budgets technologiques augmentent, de petites différences de coûts de calcul, de licences et de cloud peuvent se traduire par des sommes très importantes.

La capacité de choisir devient un avantage économique.

La véritable opportunité d’infrastructure IA pourrait être plus grande que l’IA

On a tendance à envisager le boom de l’infrastructure IA principalement en termes de GPU, d’accélérateurs et d’immenses centres de données. Ces investissements comptent certes. Ce qui arrive au reste de l’infrastructure d’entreprise en conséquence pourrait en fait être l’impact le plus durable.

L’IA oblige les organisations à réfléchir à l’endroit où leurs applications s’exécutent, où leurs données résident, comment l’infrastructure est gérée, et jusqu’où elles sont prêtes à maintenir les technologies héritées.

Cela crée une opportunité rare.

Au lieu de simplement superposer la technologie la plus récente sur des décennies de décisions d’infrastructure anciennes, les entreprises peuvent profiter de ce cycle d’investissement pour commencer à réduire la dette technique et créer une base plus flexible pour tout ce qui suivra.

Car la question la plus importante n’est peut‑être pas de savoir si l’infrastructure actuelle peut exécuter l’IA.

Il se peut que ce soit plutôt de savoir si l’investissement actuel dans l’IA peut enfin donner aux organisations la raison de construire l’infrastructure qu’elles auraient dû bâtir depuis le début.