Pourquoi la biologie explique mieux l'IA en entreprise que l'informatique

Et si la biologie expliquait mieux l'IA que l'informatique ? Derrière chaque projet d'intelligence artificielle se cache une réalité souvent ignorée : les entreprises sont moins des machines parfaitement

La biologie (plus que l’informatique) est peut-être la grille de lecture la plus pertinente pour comprendre pourquoi les transformations liées à l’IA sont à la fois si difficiles et si essentielles. Le problème n’est pas la technologie : c’est que nous automatisons une histoire façonnée par l’évolution.

L’évolution ne recherche pas la perfection

L’évolution n’est pas un ingénieur. Elle ne dessine pas de plans, n’exécute pas de tests de régression et ne refactorise pas du code hérité. Elle optimise uniquement trois choses : la survie, l’adaptation locale et l’avantage à court terme.

Cela vous semble familier ? Cela devrait.

C’est exactement ainsi que la plupart des organisations font évoluer leur paysage technologique. Et c’est cette idée qui me frappe à chaque fois.

Un contournement apparaît parce qu’une équipe devait avancer rapidement avant la fin du trimestre. Un fichier Excel voit le jour parce que le système central ne sait pas gérer un cas particulier, et qu’il semble plus risqué de le supprimer que de le conserver. Une solution locale d’automatisation marketing est approuvée en 2020 et survit miraculeusement à deux réorganisations… puis à la révolution de l’IA. Non pas parce que quelqu’un l’a défendue, mais simplement parce que personne n’a réellement pris le risque de la remettre en question.

Tous ces systèmes sont ce que la biologie appelle des structures vestigiales.

Dans le monde vivant, une structure vestigiale est un vestige anatomique qui avait autrefois une fonction claire mais qui subsiste longtemps après que son environnement a changé. L’appendice, les dents de sagesse ou encore le coccyx en sont des exemples. Ils ne sont pas défectueux ; ils sont les échos parfaitement conservés d’un contexte qui n’existe plus.

Les organisations fonctionnent exactement de la même manière.

On trouve des structures vestigiales dans presque toutes les entreprises, à condition de savoir où regarder :

• Des rapports que personne ne lit, produits par des systèmes que personne n’ose éteindre ;
• Des applications dupliquées parce qu’aucune équipe ne fait confiance aux données de l’autre ;
• Des rapprochements manuels hérités d’anciennes crises financières antérieures au directeur financier actuel ;
• Des comités de gouvernance dont même les membres peinent à expliquer précisément le rôle ;
• Des circuits de validation qui subsistent principalement parce que leur suppression paraît politiquement risquée ;
• Des solutions "temporaires" qui fêtent discrètement leur onzième anniversaire.

La raison est simple : la plupart des entreprises ne sont pas de magnifiques machines conçues avec méthode. Ce sont des couches successives de décisions accumulées au fil du temps, maintenues ensemble par quelques personnes héroïques armées de leurs tableurs.

Personne ne comprend plus complètement les chaînes de dépendance.

C’est pourquoi l’architecture d’entreprise ressemble souvent davantage à une discipline archéologique qu’à une discipline d’ingénierie.

On peut reconstituer l’histoire d’une entreprise — ses fusions, ses crises, ses changements stratégiques ou ses moments de panique institutionnelle — simplement en analysant les conventions de nommage des fichiers Excel, les identifiants clients dupliqués ou la logique silencieuse de certains dossiers SharePoint mystérieux.

Avec l’IA, nous n’automatisons pas un système conçu. Nous automatisons une histoire accumulée.

C’est à ce moment-là que la métaphore biologique cesse d’être une simple curiosité intellectuelle pour devenir un avertissement stratégique.

De nombreux programmes de transformation IA reposent sur l’idée qu’ils ajoutent une couche d’intelligence à des processus parfaitement compris, documentés et maîtrisés.

La logique d’automatisation semble claire. Les gains d’efficacité attendus sont modélisés. Le business case est validé.

Mais le véritable socle sur lequel l’IA va s’exécuter, apprendre et opérer n’est pas un système conçu de manière rationnelle.

C’est un système façonné par l’évolution.

Il contient des contournements dont plus aucun collaborateur ne saurait expliquer précisément l’origine. Il contient des données influencées par des décisions prises par des personnes qui ont quitté l’entreprise depuis longtemps. Il contient un savoir informel qui réside exclusivement dans la tête de Fred, sans jamais avoir été documenté.

Les organisations qui réussissent le mieux leur transformation IA ne sont pas nécessairement celles qui possèdent les architectures les plus propres.

Ce sont celles qui ont la compréhension la plus honnête de leur propre évolution organisationnelle.

Elles ont mené le travail d’archéologie. Elles savent où se trouvent les structures vestigiales. Elles ont accepté les conversations difficiles pour distinguer ce qui relève d’une logique métier réelle de ce qui n’est que la cicatrice d’événements passés.

Ce que cela implique pour les dirigeants technologiques

Aujourd’hui, la compétence la plus importante pour un dirigeant technologique est de comprendre l’organisme avant de l’opérer.

Ce n’est pas la maîtrise des architectures de modèles ou du prompt engineering.

C’est une forme de paléontologie organisationnelle : la capacité à lire les strates de décisions accumulées au fil du temps et à comprendre ce qu’elles révèlent réellement sur le fonctionnement de l’entreprise, plutôt que sur la façon dont celle-ci aimerait croire qu’elle fonctionne.

Avant votre prochain déploiement d’IA, je vous invite à vous poser trois questions :

1. Comprenons-nous pourquoi ce processus a cette forme aujourd’hui, et pas seulement ce qu’il fait ?
2. Avons-nous identifié les détenteurs de connaissances informelles dont l’expertise n’est documentée dans aucun système ?
3. Automatisons-nous une véritable création de valeur ou sommes-nous simplement en train d’automatiser une complexité héritée du passé et de la faire fonctionner à la vitesse d’une machine ?

Je ne m’attendais pas à trouver dans un manuel de biologie la grille de lecture la plus pertinente pour comprendre l’IA en entreprise.

Mais l’évolution conduit depuis toujours le plus vaste programme de transformation de l’histoire.

Et sa leçon la plus importante n’est pas l’optimisation.

C’est la compréhension profonde de ce avec quoi nous travaillons réellement.