Pourquoi l'IA d'entreprise risque de s'enliser dans un Frankenstack coûteux

L'IA agentique ne se résume pas à la performance des modèles. Sans architecture solide, elle reste coûteuse, fragile et difficile à déployer à grande échelle.

Selon Gartner, plus de 40% des projets d'IA agentique seront abandonnés d'ici fin 2027, non par faute de bons modèles, mais à cause de coûts qui dérapent, d'une valeur business floue et de contrôles inadéquats. Ce chiffre dit quelque chose que les démonstrations produit ne montrent jamais : le problème de l'IA en entreprise n'est presque jamais le modèle, plutôt ce qu'il y a en dessous.

Derrière les annonces et les pilotes d'IA, une réalité s'impose peu à peu : beaucoup d'organisations font encore tourner leurs projets sur des architectures bricolées, en ajoutant des briques techniques au fil des besoins sans repenser la base sur laquelle elles reposent. Le résultat ressemble à un "Frankenstack", un assemblage de systèmes spécialisés, utiles pris séparément, mais lourds et coûteux à faire tenir ensemble dès qu'il faut passer à l'échelle.

Cette fragilité pèse d'autant plus que les attentes montent vite : gains mesurables, intégration réelle dans les métiers, gouvernance claire, retour sur investissement crédible. Quand l'architecture se fragmente, le projet perd en cohérence et en vitesse, ce qui devait accélérer l'entreprise finit par ajouter une couche de complexité.

Quand la pile se fissure

Le problème ne vient pas de l'inutilité de ces briques : la recherche améliore l'accès à l'information, les bases vectorielles traitent la similarité sémantique, les caches accélèrent les réponses, les systèmes transactionnels conservent l'état. Le vrai sujet apparaît quand ces fonctions sont dispersées sur plusieurs outils, il faut alors gérer les communications entre eux, ce qui ajoute du code d'intégration, multiplie les mouvements de données et augmente les risques d'incohérence.

Le sujet devient critique avec les agents IA car contrairement à un assistant ponctuel, un agent doit fonctionner dans la durée : mémoire persistante, contexte à jour, accès aux données opérationnelles, capacité à garder la trace de ce qui s'est passé avant. Si l'infrastructure ne sait pas conserver et retrouver l'information de manière fiable, l'agent devient instable, convaincant en démonstration mais fragile en production.

Le vrai blocage de la production

C'est pourquoi tant de projets restent au stade de pilote. Les entreprises ont parfois un modèle performant, des équipes engagées, une ambition réelle, mais une infrastructure qui n'a pas été pensée pour les exigences de la production. Données dispersées, contexte fragmenté, empilement de systèmes et c’est là que la montée en charge devient plus difficile que prévu, et l'entreprise passe plus d'énergie à maintenir la pile qu'à créer de la valeur.

Pour les entreprises européennes, l'enjeu dépasse la technique puisqu’une architecture fragmentée alourdit les budgets, allonge les délais, complique la gouvernance alors que conformité, maîtrise des données et confiance sont devenues décisives. Un système lent, fragile ou difficile à auditer devient aussi plus difficile à défendre en interne.

Un changement de logique

Il y a un enjeu stratégique derrière cela. Dans chaque grande transition technologique, les entreprises qui prennent l'avantage ne sont pas celles qui ajoutent le plus d'outils, mais celles qui bâtissent tôt sur de bonnes fondations. La même logique s'impose aujourd'hui avec l'IA.

Le débat doit donc se déplacer du choix du modèle vers la question de l'architecture. Un meilleur modèle ne compense pas une base fragile ; une meilleure interface ne règle pas un système fragmenté. La vraie question est de savoir si l'infrastructure permet de gérer à la fois le contexte, la mémoire, la performance et la gouvernance. Si la réponse est non, le problème ne vient pas de l'application : il vient de la pile.

Pourquoi la couche de données compte

Les entreprises n'ont pas besoin d'empiler encore des outils isolés. Elles ont besoin d'une base capable d'ancrer l'IA dans la réalité opérationnelle, de conserver le contexte d'une session à l'autre, et de servir plusieurs usages sans créer de nouvelles coutures.

La course à l'IA sera remportée par celles qui simplifient l'architecture sous-jacente plutôt que d'accumuler les solutions ponctuelles. Le Frankenstack n'est pas qu'un inconvénient technique : c'est un signal d'alerte. Le vrai défi de l'IA aujourd'hui n'est pas de trouver le bon modèle, mais de construire les fondations qui lui permettent de vraiment fonctionner dans l'entreprise.