Le rapport de Spacelift sur l’écart de préparation à l’IA révèle un fossé croissant entre l’adoption de l’IA et la gouvernance des infrastructures

L’intelligence artificielle transforme rapidement le développement de logiciels, mais un nouveau rapport de Spacelift suggère que de nombreuses organisations ont du mal à aligner leurs pratiques d’infrastructure avec la vitesse d’adoption de l’IA. Dans L’écart de préparation à l’IA, partie de l’étude de l’état de l’automatisation des infrastructures 2026 de l’entreprise, Spacelift a interrogé 406 décideurs IT et dirigeants de l’ingénierie de plateforme pour examiner comment l’IA réorganise la gestion, la gouvernance et l’automatisation des infrastructures. Les résultats révèlent un décalage croissant entre l’adoption rapide du développement assisté par l’IA et les systèmes que les organisations ont en place pour gérer et contrôler les changements qui en résultent.

L’IA accélère le développement plus vite que les équipes d’infrastructure ne peuvent répondre

Le rapport met en évidence ce que Spacelift appelle le « fossé entre l’IA et les infrastructures ». Alors que la programmation assistée par l’IA est devenue courante, les équipes d’infrastructure responsables du déploiement, de la gouvernance et de la maintenance de ce code ont du mal à suivre le rythme. Selon l’enquête, 89 % des organisations déclarent que la vitesse de développement des développeurs a augmenté en raison de l’IA, tandis que 82 % déclarent que entre un quart et presque les trois quarts de leur code est désormais assisté par l’IA. Pourtant, malgré ces gains, seules 25 % des organisations considèrent l’IA comme une priorité stratégique majeure.

Les conséquences sont déjà visibles. Plus de six répondants sur dix déclarent que le développement d’applications progresse plus vite que les infrastructures en termes d’adoption de l’IA, ce qui crée une pression sur les équipes DevOps et de plateforme pour absorber un volume croissant de changements générés par l’IA. À mesure que le code généré par l’IA entre de plus en plus dans les environnements de production, les équipes d’infrastructure rencontrent des niveaux plus élevés de complexité opérationnelle et de risque.

Quatre niveaux de préparation à l’IA

Pour mieux comprendre la manière dont les organisations gèrent cette transition, Spacelift a introduit un indice de maturité de l’IA qui classe les répondants en quatre groupes : Exposés, Fragmentés, En avance et Pionniers. La classification est basée sur des facteurs tels que l’intégration de l’IA, la maturité de la gouvernance, l’automatisation des infrastructures, l’exposition aux risques et la préparation de la plateforme.

Près d’un quart des organisations entrent dans la catégorie Exposées, ce qui signifie qu’elles utilisent activement l’IA mais manquent de cadres de gouvernance pour la gérer en toute sécurité. Un autre 32 % sont considérés comme Fragmentés, où l’adoption de l’IA existe mais reste incohérente entre les équipes. Vingt-cinq pour cent sont classés comme organisations En avance, adoptant l’IA de manière agressive mais laissant la gouvernance se dégrader. Seules 19 % se qualifient de Pionniers, ayant établi des pratiques de gouvernance et d’automatisation avant d’accélérer l’adoption de l’IA.

L’une des conclusions les plus notables du rapport est que la taille de l’organisation n’est pas un facteur déterminant. Les grandes entreprises et les petites sociétés peuvent figurer dans n’importe quelle catégorie. La distinction repose sur le comportement, la discipline de gouvernance et les pratiques opérationnelles plutôt que sur le budget ou le nombre de salariés.

Le problème de confiance dans la gouvernance

La recherche a révélé une contradiction frappante dans la manière dont les organisations perçoivent la gouvernance de l’IA. Alors que 86 % des répondants ont exprimé leur confiance dans la capacité de leur organisation à gérer l’IA, seuls 30 % ont déclaré avoir une politique formelle de gouvernance de l’IA en place.

Ce fossé entre la confiance et la réalité opérationnelle forme ce que le rapport décrit comme le « paradoxe de la gouvernance de l’IA ». De nombreuses organisations pensent gérer efficacement les risques liés à l’IA, malgré le manque de politiques, de contrôles et de mécanismes de surveillance généralement associés à des programmes de gouvernance matures. La différence est particulièrement prononcée parmi les organisations classées comme Exposées, où seule une petite fraction a des politiques de gouvernance formelles, malgré une confiance généralisée dans leurs capacités.

Les résultats suggèrent que la gouvernance reste l’un des aspects les moins matures de l’adoption de l’IA dans l’entreprise. Alors que les sociétés sont impatientes de mettre en œuvre des outils et des flux de travail d’IA, moins d’entre elles ont établi les contrôles nécessaires pour garantir que ces systèmes fonctionnent de manière sûre et cohérente à grande échelle.

Les équipes d’infrastructure sont déjà confrontées à des incidents liés à l’IA

Le rapport soutient que les conséquences d’une gouvernance faible ne sont plus théoriques. Quatre-vingt-treize pour cent des organisations interrogées ont déclaré avoir connu au moins un incident d’infrastructure lié à l’IA au cours de l’année précédente.

Parmi les problèmes les plus courants, on compte les révisions résultant de changements générés par l’IA, les erreurs de configuration de sécurité atteignant les environnements de production, les violations de la conformité, les dérives d’infrastructure liées aux modifications générées par l’IA et les incidents impliquant des systèmes agents. Chaque catégorie a touché environ un tiers des répondants.

La différence entre les leaders et les retardataires en matière de gouvernance est considérable. Les organisations classées comme Exposées ont signalé des taux d’incidents liés à l’IA nettement plus élevés, tandis que les organisations Pionnières étaient beaucoup moins susceptibles de rencontrer de tels problèmes. Selon le rapport, les systèmes de gouvernance et de validation automatisés aident à détecter les problèmes avant qu’ils n’atteignent la production, réduisant ainsi les perturbations opérationnelles et limitant le besoin d’efforts de remédiation coûteux.

La « programmation par intuition » atteint les infrastructures

Le rapport explore également l’influence croissante de la soi-disant « programmation par intuition », où les développeurs s’appuient fortement sur le code généré par l’IA avec une revue ou une surveillance limitée. Alors que ce concept a principalement été discuté dans le contexte du développement de logiciels, les données de Spacelift suggèrent qu’il s’étend rapidement à la gestion des infrastructures.

Près de 80 % des répondants ont déclaré utiliser l’IA pour générer des configurations d’infrastructure en tant que code, des politiques de gouvernance ou des artefacts d’infrastructure connexes. Plus inquiétant encore, une part importante des équipes d’infrastructure a indiqué qu’elles approuveraient le code d’infrastructure généré par l’IA avec peu ou pas de revue.

Contrairement aux bogues d’application, les erreurs d’infrastructure peuvent avoir des conséquences opérationnelles étendues, affectant la sécurité, la conformité, le réseau et les ressources cloud. Par conséquent, le rapport soutient que les changements d’infrastructure générés par l’IA nécessitent des mécanismes de gouvernance capables de valider et de faire respecter les contrôles avant que ces changements ne soient déployés.

Le prochain défi : l’IA agente

Si les organisations ont du mal avec le développement assisté par l’IA aujourd’hui, le rapport suggère que l’IA agente pourrait amplifier ces défis. Quatre-vingt-neuf pour cent des répondants déclarent qu’ils prévoient d’adopter l’IA agente pour les opérations d’infrastructure, et près d’un quart s’attendent à le faire dans les six mois.

Les systèmes agents diffèrent des outils d’IA traditionnels car ils peuvent prendre et exécuter des décisions de manière autonome. Dans les environnements d’infrastructure, cela pourrait signifier la mise à disposition de ressources, la modification de configurations ou la réponse à des incidents sans approbation humaine directe. Alors que ces capacités promettent des gains d’efficacité importants, elles augmentent également l’importance de la gouvernance, car il peut ne pas y avoir de réviseur humain entre une décision d’IA et un déploiement de production.

Le rapport note que les premiers adoptants signalent déjà des incidents impliquant des systèmes agents, suggérant que les cadres de gouvernance devront évoluer aux côtés de ces technologies de plus en plus autonomes.

L’ingénierie de plateforme émerge comme une solution potentielle

L’une des conclusions les plus fortes du rapport concerne l’ingénierie de plateforme. Les organisations qui ont adopté l’ingénierie de plateforme semblent nettement plus préparées aux environnements d’infrastructure alimentés par l’IA que celles qui s’appuient sur des approches traditionnelles.

Plus de 80 % des répondants envisagent de passer à l’ingénierie de plateforme, et les organisations Pionnières sont nettement plus susceptibles d’avoir déjà effectué la transition. Selon le rapport, l’ingénierie de plateforme crée des voies de service gérées et en libre-service qui permettent aux développeurs de progresser rapidement sans contourner la conformité, la sécurité et les contrôles opérationnels.

Plutôt que de faire concurrence à la gouvernance pour la vitesse, l’ingénierie de plateforme tente d’intégrer la gouvernance directement dans les flux de travail, rendant ainsi les actions conformes plus faciles que les actions non conformes. Les données suggèrent que les organisations qui réussissent l’adoption de l’IA suivent de plus en plus ce modèle.

La mesure des mauvaises choses

Le rapport soutient également que les organisations peuvent se concentrer sur des métriques obsolètes. De nombreuses équipes d’infrastructure continuent de suivre la productivité, la fréquence de déploiement et les incidents de sécurité, mais relativement peu surveillent les indicateurs spécifiques à l’IA, tels que le volume de code d’infrastructure généré par l’IA qui entre dans les pipelines ou les taux d’erreur associés aux changements générés par l’IA.

Sans visibilité sur ces signaux spécifiques à l’IA, les organisations peuvent avoir du mal à déterminer si les contrôles de gouvernance fonctionnent réellement. À mesure que l’infrastructure générée par l’IA devient plus courante, la mesure des résultats opérationnels traditionnels seuls peut ne pas fournir suffisamment de connaissances sur les risques émergents.

La préparation à l’IA devient un défi d’infrastructure

Les résultats suggèrent que la préparation à l’IA n’est plus simplement une question d’adoption de modèles ou de productivité des développeurs. De plus en plus, il s’agit d’un défi d’infrastructure centré sur la gouvernance, l’automatisation, l’ingénierie de plateforme et la discipline opérationnelle. Les organisations qui ont investi dans ces capacités avant l’arrivée de l’IA semblent s’adapter avec plus de succès, tandis que d’autres constatent que l’IA expose des faiblesses qui existaient déjà sous la surface.

À mesure que les entreprises continuent de se diriger vers des opérations assistées par l’IA et éventuellement agences, le fossé entre l’adoption et la gouvernance peut devenir l’un des défis technologiques les plus importants de la prochaine décennie. Le rapport de Spacelift sur l’écart de préparation à l’IA suggère que de nombreuses organisations ont déjà franchi le seuil de l’infrastructure alimentée par l’IA, mais que beaucoup moins ont établi les fondements de gouvernance nécessaires pour la gérer efficacement.