Les déploiements d’IA en entreprise s’accélèrent, mais la vitesse de changement des modèles, des outils et des plates-formes crée discrètement un nouveau piège coûteux : un échec coûteux dans la construction d’une architecture remplaçable par l’IA.
Alors que Google Cloud Next 2026 confirme que l'IA agentique est devenue la logique organisatrice de l'ensemble du portefeuille de produits Google LLC, la question la plus difficile pour les dirigeants d'entreprise n'est pas de savoir quoi construire, mais plutôt de savoir comment le construire en gardant à l'esprit la remplaçabilité. C'est dans cette distinction que de nombreuses organisations échouent discrètement, selon Paul Lewis (photo), directeur de la technologie chez Pythian Services Inc., une société de conseil et d'opérations d'IA gérée.
« Quoi que vous mettiez en œuvre, la seule exigence non fonctionnelle qui compte est la remplaçabilité », a déclaré Lewis. « Assurez-vous que quoi que vous fassiez, l'outil peut être remplacé, le modèle peut être remplacé, l'équipe peut être remplacée, l'expertise peut être remplacée, car je vous garantis que d'ici quelques semaines – pas des mois, pas des trimestres, pas des années – ce sera différent. »
Lewis s'est entretenu avec John Furrier et Alison Kosik de theCUBE sur Google Cloud Next, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de la remplaçabilité de l'architecture de l'IA, de la préparation de l'entreprise à l'IA et de l'écart entre les démonstrations de production et le déploiement dans le monde réel. (* Divulgation ci-dessous.)
Remplaçabilité architecturale de l’IA et écart de production
Le passage de la construction à l'exploitation est le défi déterminant de l'événement de cette année, a noté Lewis. Après avoir organisé environ 50 ateliers clients l'année dernière, Pythian n'a trouvé aucun modèle cohérent de maturité de l'IA dans les entreprises – les réponses allaient de « Je n'en ai jamais entendu parler » jusqu'aux organisations déclarant des investissements d'un milliard de dollars.
« L'année dernière, l'objectif était de « construire » », a-t-il déclaré. « Malheureusement, la grande majorité de ces (pilotes) ne sont jamais allés en production. Vous avez fini par suivre beaucoup de formation interne. »
Le mode de défaillance le plus courant n’est pas technique : il s’agit de l’écart entre une démo soignée de cinq minutes et les mois de travail de conception et de mise en œuvre qui la sous-tendent. Les frictions au sein de l’entreprise, notamment les approbations départementales et la gestion du changement, ne disparaissent pas grâce à l’IA ; il faut y naviguer, a expliqué Lewis. Pythian a réagi en créant cinq domaines de pratique – depuis une fonction de conseil CTO sur le terrain jusqu'aux opérations d'IA gérées – pour aider les clients à combler ce fossé.
« Je peux mettre en production un agent précis à 70 % », a-t-il déclaré. « Vous le voulez en quelque sorte dans les années 90. Cela nécessite un changement rapide, un changement de modèle et un changement de source de données. Ils ont une durée de vie tout comme une application et cela nécessite une équipe. »
Voici l'interview vidéo complète, qui fait partie de la couverture de Google Cloud Next par SiliconANGLE et theCUBE :
(* Divulgation : Pythian a sponsorisé ce segment de theCUBE. Ni Pythian ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
