Gouverner l’abondance applicative avec l’AI Office et l’AI Factory

Le premier article de cette série, « Le choc de l’abondance applicative », a décrit la rupture économique à l’origine de cette multiplication. La baisse du coût de matérialisation permet d’expérimenter davantage de besoins locaux, spécifiques ou temporaires. Les entreprises ont appris à gérer la rareté. Elles doivent désormais organiser cette capacité de réponse élargie.

Cette multiplication renforce le besoin d’anticiper les moyens à mettre à disposition des métiers. Dans une logique de rareté, l’entreprise concentre ses moyens sur un nombre limité de projets. Dans une logique d’abondance, chaque métier peut proposer de nombreuses initiatives, parfois locales ou temporaires. Leurs feuilles de route doivent donner de la visibilité sur les besoins à venir pour permettre à l’entreprise d’investir dans les moyens qui soutiennent cette créativité.

Le défi consiste à construire une organisation capable d’accompagner cette abondance créative. Les feuilles de route métier doivent donner une visibilité sur les besoins futurs afin d’orienter les investissements dans les solutions GenAI et dans les fonctions amont et aval mises à disposition des métiers. Ce mécanisme doit soutenir leur capacité à concrétiser leurs idées, sans créer un nouveau goulot d’étranglement par la sélection centrale de leurs demandes.

Comment traduire cette vision des besoins futurs en investissements dans les solutions GenAI et dans les fonctions qui accompagnent leur mise en œuvre ?

Le modèle que nous proposons part du terrain. L’AI Office accompagne les métiers pour qualifier leurs besoins, construire leurs feuilles de route et consolider une vision des besoins futurs. Ses coachs AI apportent aussi, à leur demande, un appui direct à la réalisation de cas simples. Le COMEX alloue les investissements nécessaires à l’évolution des solutions GenAI et des fonctions amont et aval. L’AI Factory traduit ces orientations en capacités industrielles et en services d’IA générative mis à disposition sur une plateforme. Les équipes de réalisation proches des métiers, ou squads métier, utilisent ces services pour concrétiser les réponses attendues.

Les métiers restent responsables de l’adoption et des résultats recherchés. Les enseignements des réalisations et des usages alimentent ensuite les feuilles de route et les choix de capacité. La gouvernance doit organiser ce cycle tout en préservant une autonomie adaptée à la portée et au risque des initiatives.

L’AI Office doit relier les besoins à la stratégie et accélérer les métiers

Le modèle que nous proposons relie la créativité des métiers à une vision des besoins futurs. Il répartit les responsabilités entre les métiers, l’AI Office et l’AI Factory, selon la portée et le risque des décisions. L’AI Office accompagne cette dynamique en traduisant les besoins du terrain en feuilles de route métier et en choix d’investissement du COMEX. Il assure ainsi une liaison continue entre les métiers et le COMEX pour éclairer une stratégie commune. Il soutient par ailleurs directement les équipes qui le sollicitent.

Les métiers doivent exprimer une feuille de route de transformation

La première évolution proposée concerne la manière dont les métiers formulent leurs besoins.

Dans une logique de rareté des capacités de réalisation, les directions opérationnelles concentrent leurs demandes sur les projets susceptibles de franchir les arbitrages. Les ateliers d’idéation et les catalogues de cas d’usage aident à les identifier, à les évaluer et à sélectionner ceux qui justifient un investissement.

Lorsque davantage de besoins peuvent être expérimentés à un coût acceptable, les feuilles de route doivent permettre d’anticiper les moyens nécessaires à cette créativité. Chaque métier doit préciser comment il souhaite faire évoluer son fonctionnement et quels résultats il attend.

La feuille de route doit partir des activités, des décisions, des interactions et des processus que l’unité opérationnelle souhaite faire évoluer. Le choix des agents ou des applications vient ensuite.

Elle précise les résultats attendus, les populations concernées, les horizons envisagés, les dépendances avec les autres fonctions et les besoins prévisibles de services et d’accompagnement. Elle reste évolutive à mesure que de nouvelles idées émergent.

Le point de départ reste la performance opérationnelle. Selon le besoin, la réponse peut prendre la forme d’une solution SaaS existante, d’un agent spécifique, d’une automatisation ou d’une évolution du cœur du système d’information, le Core SI. Elle peut aussi consister à modifier un processus sans ajouter de nouvel actif numérique.

L’unité opérationnelle conserve la responsabilité de sa transformation et de la valeur recherchée. L’AI Factory lui apporte des capacités de réalisation et d’industrialisation ; les coachs AI de l’AI Office peuvent l’aider à concrétiser les cas simples. Les actifs d’IA restent des moyens au service de la trajectoire métier.

L’AI Office doit consolider les feuilles de route et éclairer les investissements de groupe

Lorsque chaque unité opérationnelle établit sa feuille de route, l’AI Office rapproche ces trajectoires pour donner une visibilité sur l’évolution des besoins, leurs horizons et leurs dépendances. Cette vision facilite l’anticipation des services et l’accompagnement dont les métiers auront besoin.

L’AI Office prépare ainsi les choix d’investissement dans les solutions GenAI et les fonctions qui en conditionnent l’usage. En amont, il s’agit notamment de l’accompagnement à la clarification des besoins et de la préparation des données ; en aval, de l’intégration, de la mise en exploitation et de l’accompagnement à l’adoption. La consolidation des feuilles de route ne constitue pas un filtre de sélection des demandes métier.

Dans ce modèle, le mandat de l’AI Office comprend d’abord la consolidation des besoins futurs pour éclairer la stratégie et les investissements de l’entreprise. Il inclut aussi un accompagnement opérationnel des métiers par ses coachs AI. Ce mandat couvre un périmètre plus large que le suivi des projets et la qualification des demandes adressées à l’AI Factory.

Dans ce modèle, le mandat de l’AI Office comporte deux volets. Le premier anticipe les besoins futurs pour éclairer la stratégie et les investissements de l’entreprise. Le second en ravanche accompagne les métiers grâce à ses coachs AI. Ce mandat couvre un périmètre plus large que le suivi des projets et la qualification des demandes adressées à l’AI Factory.

Il agrège les feuilles de route des Business Unit. Il identifie leurs besoins communs et révèle les dépendances. Il prépare les décisions d’investissement en confrontant les besoins prévisibles aux moyens disponibles, aux orientations de l’entreprise et aux programmes déjà engagés.

La mission de consolidation et de liaison avec le COMEX appelle un positionnement distinct de la production industrielle et un soutien explicite du COMEX. Le rattachement peut varier selon l’organisation. La responsabilité de consolider la vision des besoins métier doit rester distincte de celle de la DSI, chargée de développer et d’exploiter les capacités. Cette distinction protège la portée stratégique des décisions.

Le résultat attendu est une vision évolutive des besoins futurs des métiers, avec leurs horizons et les moyens à faire évoluer pour les accompagner. Elle alimente la feuille de route technologique GenAI et celle des fonctions amont et aval. Elle ne fixe pas un ordre central de réalisation des initiatives métier.

Le COMEX alloue les investissements à ces évolutions en s’appuyant sur la vision des besoins métier. Les arbitrages portent sur les moyens à développer et leur calendrier de mise à disposition.

L’AI Office doit éclairer les décisions de groupe et soutenir l’autonomie des métiers

Le modèle proposé organise plusieurs niveaux d’autonomie. Une fonction centrale qui reprend toutes les décisions recrée une limite de capacité au moment où les initiatives se multiplient.

Sur son volet stratégique, l’AI Office doit concentrer son intervention sur l’anticipation des investissements et la coordination des exigences communes. Il ne centralise pas la priorisation des demandes métier.

Une initiative locale, réversible et peu risquée n’appelle pas les mêmes décisions qu’un agent agissant sur plusieurs systèmes critiques ou qu’une transformation commune à plusieurs métiers. Le niveau d’arbitrage doit suivre la portée et le risque de l’initiative, ainsi que son besoin de mutualisation.

Les équipes conservent leur capacité d’expérimentation dans un périmètre défini. Les exigences communes s’appliquent à toutes les initiatives, avec des modalités adaptées à leur risque. Les décisions de groupe portent sur les sujets qui nécessitent une coordination ou un investissement partagé.

L’AI Office rend les initiatives visibles, rapproche les besoins et oriente les équipes vers les capacités existantes. Il prépare les choix d’investissement qui engagent l’entreprise.

Cette répartition favorise l’anticipation des moyens nécessaires aux initiatives sans affecter l’autonomie des équipes.

Les coachs AI doivent accélérer les métiers à leur demande

L’AI Office intervient aussi directement auprès des métiers qui sollicitent son appui. Ses coachs AI les aident à qualifier leurs sujets, à préciser les résultats recherchés et à s’orienter vers les technologies et les plateformes adaptées, parmi les solutions autorisées par l’entreprise.

Cet accompagnement comprend la formation des équipes métier et l’animation de sessions de vibe coding, au cours desquelles elles utilisent l’IA pour construire et faire évoluer une application à partir d’instructions en langage naturel. Les coachs guident les équipes dans leurs expérimentations et la prise en main des outils mis à leur disposition.

Les coachs AI peuvent également développer une application ou un agent simple sur un périmètre réduit, sans impact sur le Core SI ni modification des règles de l’entreprise. Ces réalisations respectent les exigences existantes et s’appuient sur les outils et les services autorisés. Lorsque le sujet dépasse ce périmètre, les coachs orientent les métiers vers les squads et les équipes compétentes de l’AI Factory ou de la DSI.

L’AI Office agit ainsi comme un accélérateur métier, accessible à la demande, en complément de sa fonction de liaison avec le COMEX. Les besoins et les difficultés rencontrés au cours de ces accompagnements nourrissent la vision consolidée et l’évolution des moyens proposés aux métiers.

Les AI Champions doivent relier les apprentissages du terrain à la stratégie

En complément de l’appui des coachs AI, la trajectoire de transformation doit être réexaminée au contact de l’activité quotidienne. Les équipes y repèrent des difficultés et découvrent des possibilités nouvelles. C’est pourquoi l’AI Office doit disposer de relais dans les métiers.

Les AI Champions peuvent remplir cette fonction. Leur rôle doit associer la formation aux usages, l’animation des équipes et la remontée des opportunités observées sur le terrain. Ils contribuent ainsi à la détection, à la diffusion et à l’apprentissage.

Concrètement, ils aident les équipes à préciser les problèmes avant de choisir une solution. Ils repèrent les initiatives réutilisables et facilitent l’adoption des capacités disponibles. Ils font aussi remonter les obstacles au déploiement et les résultats observés, y compris pour les usages temporaires.

L’AI Office doit entretenir ce lien entre les feuilles de route des BU et les apprentissages du terrain. Il peut ainsi proposer des ajustements lorsque les usages, les technologies ou les priorités métier évoluent.

Dans ce modèle, la planification stratégique est complétée par une orientation continue, nourrie par l’expérience des équipes.

L’AI Factory doit traduire la trajectoire en capacités industrielles

Dans le modèle proposé, la vision des besoins futurs des métiers oriente la feuille de route technique, dans le cadre des investissements alloués par le COMEX. L’AI Factory peut ainsi investir dans des capacités communes utiles à plusieurs initiatives.

La trajectoire métier doit guider les investissements de capacité

Une fois les feuilles de route rapprochées, la vision des besoins futurs précise les évolutions à apporter aux solutions GenAI et aux fonctions amont et aval. La DSI peut en évaluer les coûts, les délais et les conditions de mise à disposition.

Certaines demandes demeurent spécifiques. D’autres révèlent des besoins communs, comme l’accès sécurisé aux connaissances internes ou la connexion d’agents aux systèmes de l’entreprise. La gestion des droits, l’évaluation des réponses, la traçabilité des actions et le suivi des coûts peuvent également être partagés. La récurrence d’un besoin invite à examiner sa mutualisation, en tenant compte de son coût et des différences entre métiers.

La trajectoire coordonnée par l’AI Office doit alors alimenter directement les choix d’investissement de l’AI Factory.

La décision articule deux questions. Quels besoins futurs les services et l’accompagnement existants permettent-ils déjà de couvrir ? Quels investissements faut-il engager, et à quel horizon, pour accompagner les besoins qui émergent ?

Cette articulation rattache les investissements de plateforme à des résultats métier attendus. Elle informe aussi les équipes des capacités prévues et de leurs conditions de disponibilité. Les bénéfices doivent ensuite être confrontés aux coûts et aux usages observés.

La feuille de route métier et celle des capacités expriment ainsi une même trajectoire depuis deux responsabilités différentes.

L’AI Factory doit mutualiser les capacités et concentrer son expertise

Cette orientation appelle une évolution du mandat de l’AI Factory.

Sa contribution doit être appréciée à travers les solutions qu’elle livre, leur qualité et l’autonomie qu’elle apporte aux autres équipes. Elle doit les aider à développer leurs propres réponses dans un cadre maîtrisé.

La Factory doit investir dans ce qui gagne à être partagé. Cela comprend l’accès aux modèles et aux données, l’intégration, la sécurité, la gestion des identités, la supervision, l’évaluation et les composants réutilisables. Avec les fonctions compétentes de la DSI et les métiers, elle contribue aussi à faire évoluer les moyens d’accompagnement en amont et en aval. Elle conserve une capacité de réalisation pour les actifs complexes, transverses ou critiques qui justifient une expertise centrale. Ces capacités communes sont mises à disposition sous forme de services sur la plateforme, pour être utilisées par les squads métier.

Une Factory chargée de toutes les demandes risque d’allonger sa file d’attente à mesure que les usages se développent. Une réalisation distribuée sans fondations communes peut, de son côté, multiplier les solutions isolées, leurs coûts et leurs dépendances.

Le modèle cible mutualise les capacités dont le partage apporte une valeur collective. Il rapproche la réalisation des métiers lorsque les compétences, le risque et la complexité le permettent.

Cette répartition prépare un fonctionnement fédéré. Le prochain article en examine les conséquences sur les rôles, les compétences et l’organisation de la DSI.

Les échanges entre AI Office et AI Factory doivent ajuster la trajectoire

La relation entre l’AI Office et l’AI Factory doit organiser un échange continu entre l’évolution des besoins métier et les possibilités de réalisation.

Les métiers précisent leurs besoins futurs et l’AI Office en consolide la vision. Le COMEX alloue les investissements dans les solutions GenAI et les fonctions amont et aval. L’AI Factory traduit ces orientations en capacités. Elle apporte aussi une connaissance des services disponibles, des possibilités de réutilisation, des coûts d’exploitation et des contraintes d’intégration.

Ces informations sont susceptibles de conduire à revoir les priorités métier. Une baisse du coût d’une capacité peut améliorer l’intérêt économique d’une transformation jusque-là écartée. Une dépendance de données ou de sécurité peut modifier l’ordre des travaux. Un composant partagé peut accélérer plusieurs BU en parallèle.

Dans ce modèle, la gouvernance organise une boucle d’apprentissage entre stratégie, métiers et capacités industrielles. Les noms des structures et leur rattachement peuvent varier. L’essentiel est de maintenir un lien continu entre les transformations recherchées, les résultats observés et les moyens disponibles.

Cette articulation aide l’entreprise à tirer des enseignements de chaque initiative et à ajuster les moyens mis à disposition des métiers.

Trois responsabilités doivent rester explicites

Le modèle de gouvernance proposé s’organise autour de trois responsabilités complémentaires.

Les métiers portent la responsabilité de la valeur. Ils identifient les transformations utiles, tiennent leurs feuilles de route et assument les résultats ainsi que l’adoption.

L’AI Office élabore la vision des besoins futurs. Il rapproche les feuilles de route, éclaire les investissements du groupe et anime les relais métier. Il ajuste les moyens mis à disposition des métiers à l’évolution des besoins. Ses coachs AI accompagnent directement, à leur demande, les métiers dans la qualification, la formation et la réalisation de cas simples.

L’AI Factory industrialise les capacités. Avec les équipes compétentes de la DSI, elle développe les fondations communes, concentre l’expertise là où elle est nécessaire et accompagne l’autonomie des équipes.

Cette répartition maintient la responsabilité des résultats au plus près des métiers, la cohérence des investissements au niveau de l’entreprise et la maîtrise des capacités au sein de la DSI.

La gouvernance doit relier les métiers aux capacités communes dans un cycle continu

Pendant plusieurs décennies, la rareté des budgets et des compétences de développement a structuré la gouvernance numérique. Les mécanismes de portefeuille ont sélectionné un nombre limité de projets dont la valeur attendue a justifié l’effort de réalisation. Cet héritage continue d’orienter les décisions d’investissement.

Le choc de l’abondance applicative élargit les besoins qu’il est possible d’expérimenter à un coût acceptable. La qualité de la transformation dépend alors aussi de la capacité à anticiper les besoins métier et à faire évoluer les services et l’accompagnement qui soutiennent cette créativité dans la durée.

Pour organiser les investissements qui soutiennent cette abondance, nous proposons un cycle qui part des métiers et revient aux métiers.

Métiers → AI Office → COMEX → AI Factory → Plateforme → Squads métier → Métiers

Les métiers expriment les besoins et défendent leurs ambitions de transformation. L’AI Office les accompagne, rapproche leurs feuilles de route et dégage une vision des besoins futurs pour éclairer une stratégie commune. Ses coachs AI aident aussi les équipes qui le demandent à qualifier leurs sujets et à réaliser des cas simples.

Le COMEX alloue les investissements aux solutions GenAI et aux fonctions amont et aval. L’AI Factory les traduit en capacités industrielles, accessibles sous forme de services sur la plateforme, avec l’appui des fonctions compétentes de l’entreprise pour l’accompagnement amont et aval. Les squads métier mobilisent ces services pour réaliser les réponses attendues. Les métiers en organisent l’adoption et en apprécient les résultats.

Ce cycle décrit la manière dont les besoins orientent les investissements puis l’évolution des moyens mis à disposition des métiers. Il ne constitue pas un circuit de validation de chaque demande. L’appui direct des coachs AI aux cas simples se déroule à la demande des métiers, dans les moyens et les règles existants, sans passage systématique par le COMEX.

Les exigences de risque et de sécurité demeurent en vigueur au niveau approprié. Les contraintes de réalisation et les résultats d’usage reviennent vers l’AI Office et l’AI Factory. Ils justifient la révision des feuilles de route, les services communs et, lorsque nécessaire, les orientations soumises au COMEX.

Les investissements dans les solutions GenAI et les fonctions amont et aval évoluent ainsi avec les besoins futurs des métiers et les enseignements des usages.

Cinq questions pour orienter les décisions du COMEX

Ces cinq questions aident le COMEX à identifier ce qui manque pour anticiper les besoins métier et orienter les investissements qui soutiennent leur créativité.

1. Nos feuilles de route métier donnent-elles une visibilité sur les besoins futurs et leurs horizons tout en restant ouvertes aux idées nouvelles ?
2. Qui consolide cette vision pour éclairer les investissements de l’entreprise sans centraliser la sélection des demandes métier ?
3. Nos investissements couvrent-ils l’évolution des solutions GenAI ainsi que les fonctions amont et aval nécessaires aux métiers ?
4. Les métiers peuvent-ils concrétiser leurs idées avec les services disponibles et l’appui des coachs AI sans qu’un mécanisme central de priorisation ne devienne un goulot d’étranglement ?
5. Comment les résultats du terrain, les coûts réels et les nouvelles possibilités techniques conduisent-ils à ajuster les investissements et les moyens proposés aux métiers ?

Ces arbitrages engagent directement l’organisation de la DSI.

Fournir des capacités réutilisables et soutenir une réalisation plus distribuée suppose de revoir la répartition des moyens, les pratiques de travail et les responsabilités sur les actifs.

C’est l’objet du prochain article, « La DSI à l’âge de l’abondance applicative ». Il examine comment réallouer les capacités de la DSI et organiser une autonomie maîtrisée au plus près des métiers.

Références

• Nick Van der Meulen, Jennifer Jewer, Nadège Levallet, « Minimum Viable Governance for Generative AI », dspace.mit.edu, Cambridge, Mass.: Center for Information Systems Research, Sloan School of Management, Massachusetts Institute of Technology, March 19, 2026. Cette recherche soutient directement notre arbitrage entre contrôle et initiative : une gouvernance trop centralisée peut devenir un goulot d’étranglement, tandis qu’une gouvernance trop légère laisse les risques sans réponse. Les auteurs préconisent des mécanismes adaptables, intégrés au travail et proportionnés aux risques. C’est la référence la plus proche de l’idée « centraliser ce qui doit être commun, fédérer ce qui doit rester proche des métiers. »
• Melissa Valentine, Daniel J. Politzer and Thomas H. Davenport, « How to Make Enterprise Gen AI Work », hbr.org, September 18, 2025. Les auteurs invitent les entreprises à dépasser les expérimentations dispersées pour mener des initiatives mesurables et alignées sur les priorités de l’entreprise. Cela renforce le passage des roadmaps locales à une trajectoire consolidée, suivie en valeur et en adoption.