Data / IA
Maîtriser la dette technique à l’ère de l’IA générative
Par La rédaction, publié le 12 septembre 2024
La gestion de la dette technique s’intensifie avec l’émergence de l’IA générative, qui multiplie les risques liés à la complexité multimodale. Cependant, cette même technologie propose des solutions pour réduire les charges opérationnelles à travers des outils d’automatisation et d’optimisation des processus existants.
Par Gabriel Frasconi, vice-président et directeur général Europe du Sud et DACH chez Freshworks.
L’IA générative, avec ses promesses de bénéfices substantiels, entraîne des coûts cachés connus sous le nom de “dette technique“, un concept bien connu des DSI depuis le bug de l’an 2000. C’est un défi important pour les entreprises modernes. Bien que cette technologie puisse contribuer à l’augmentation de cette dette, elle offre également des solutions potentielles pour la résoudre.
Les leaders technologiques doivent équilibrer innovation rapide et gestion rigoureuse des coûts cachés liés à l’implémentation de nouvelles technologies. Cette dette englobe les coûts anticipés et non anticipés liés aux corrections post-lancement, aux correctifs de sécurité, et à la modernisation de l’infrastructure technologique héritée.
L’impact de l’IA générative sur la croissance de la dette technique
Actuellement, la dette technique est en pleine expansion. Les années d’investissements dans la transformation numérique, la migration massive vers les logiciels et systèmes cloud, les piles technologiques de plus en plus complexes, et maintenant le code généré par l’IA ont tous contribué à augmenter la dette technique.
Aux États-Unis, elle est estimée à 1,5 milliards de dollars par an en coûts opérationnels et de sécurité. Une étude menée par Protiviti révèle que les DSI consacrent déjà 30 % de leurs budgets informatiques à la gestion de cette dette, et neuf CTO sur dix considèrent la dette technique comme leur plus grand défi pour 2024 d’après STX Next.
Bien que les premiers utilisateurs de l’IA générative prennent de nouveaux risques et accumulent une dette future à chaque déploiement, cette technologie offre également une lueur d’espoir. Gartner prévoit qu’à l’horizon 2027, les entreprises utiliseront des outils d’IA générative pour remplacer les applications, ce qui permettra de réduire les coûts de modernisation de 70 %. Cependant, les leaders technologiques doivent être prudent dans ce domaine en constante évolution.
Les stratégies pour maîtriser la complexité de l’IA générative
Gérer les risques futurs inconnus liés à l’IA générative est rendu plus complexe par la nature multimodale de cette technologie. Les grands modèles de langage fonctionnent sur six types de médias différents : texte, code logiciel, images, audio, vidéo, et contenu 3D/virtuel. Chaque type de contenu ajoute un niveau de complexité et de risque supplémentaire. L’IA générative amène à un tout nouveau niveau de défis en matière de dette technique.
Pour maîtriser la complexité de l’IA générative, il est essentiel d’intégrer les modèles d’IA aux systèmes hérités, de gérer efficacement la gouvernance des données, et d’investir dans la qualité et l’intégration des données. Mettre en place des “LLMOps” pour les opérations et les données est crucial, en étendant les initiatives DevOps et AIOps existantes pour surveiller et rationaliser les opérations. Utiliser des “wrappers” API permet d’isoler le code des risques des modèles de langage, garantissant des résultats sans délai ni erreurs. Enfin, il est vital d’anticiper et de gérer proactivement les risques lors de l’affinage des modèles de langage pour éviter de nouvelles vulnérabilités.
L’IA générative devient un outil clé pour plusieurs entreprises dans la gestion de la dette technique. Par exemple, Databricks utilise cette technologie pour analyser sa base de code, allégeant ainsi la charge des ingénieurs, d’après un rapport récent du Wall Street Journal, tandis que Wayfair l’emploie pour mettre à jour son code, libérant les développeurs pour des projets plus stratégiques.
De plus, l’IA générative automatise la création et la mise à jour de la documentation des applications, ce qui permet de simplifier la gestion globale de la dette technique.
Les leaders technologiques qui réussissent à équilibrer innovation en IA et gestion proactive de la dette technique augmentent leurs chances de progresser sans accumuler de nouvelles dettes imprévues, ce qui est essentiel dans un environnement où le rythme est soutenu et demande une vigilance constante.
À LIRE AUSSI :
À LIRE AUSSI :
