« La réversibilité est la clé pour garder le contrôle de l’industrialisation de l’IA »

De quelle façon Liferay contribue au cycle 2026 du programme « What's Next, CIO ? » d’Alliancy ?

Liferay participe à cette communauté avec l’objectif d’échanger sur les transformations que vivent actuellement les entreprises et, notamment, sur les questions liées à l’IA. Ces échanges permettent aussi de recueillir les préoccupations qui remontent des DSI et de les confronter à ce que nous observons auprès de nos clients. En quelques mois, les lignes ont beaucoup bougé. Ce qui ressort particulièrement est la prolifération des usages de l’IA, parfois de manière assez anarchique, aussi bien au niveau individuel qu’au niveau de l’entreprise. L’abondance d’outils disponibles rend d’ailleurs difficile de défendre l’idée selon laquelle il existerait aujourd’hui un outil ou un fournisseur unique qui serait « le meilleur ». Dans la façon dont nous contribuons à « What's Next, CIO ? », nous travaillons autour de la question de la flexibilité dont ont besoin les entreprises : pouvoir utiliser le système le plus adapté à un département, à un cas d’usage ou à une période donnée, et pouvoir faire évoluer ce choix dans le temps… Cela ne s’improvise pas.

Au-delà de son expertise en matière de Digital Experience Platform (DXP), Liferay a investi cette année sur la gouvernance des agents IA. Pourquoi et de quelle façon ?

Nous avons lancé Liferay AI Hub précisément pour répondre à cette problématique. L’idée est de trouver un équilibre entre l’utilisation des systèmes existants, les nouveaux systèmes d’IA et la nécessité de conserver de la flexibilité, tout en permettant d’orchestrer l’ensemble au sein d’une même plateforme. L’AI Hub est indépendant : il n’est donc pas nécessaire d’être utilisateur de notre plateforme DXP pour pouvoir en profiter. C’est important parce que les cas d’usage que nous observons sont extrêmement variés et ne concernent pas nécessairement des transformations impliquant l’expérience digitale. Un agent qui analyse les messages d’imprimantes connectées pour proposer une solution, par exemple avec une mise à jour automatique, est complètement séparé d’une réflexion DXP.

À l’inverse, nous avons également des cas qui combinent expérience digitale et IA agentique. Au ministère de la Culture, par exemple, des agents ont permis de créer en quelques jours un environnement virtuel reproduisant une salle de musée, avec des œuvres, leurs descriptions, etc. Ce type de projet nécessitait auparavant des mois de travail, des logiciels spécialisés et beaucoup d’expertise.

L’enjeu est donc aussi celui de la plateformisation. Les DSI ont connu le développement des microservices, qui ont fini par devenir très nombreux et difficiles à gérer. On retrouve aujourd’hui une problématique comparable avec les « micro-agents ». À mesure que l’agentique s’industrialise, le besoin d’une plateforme permettant de gérer, contrôler et gouverner cet ensemble s’impose.

Quels enjeux en termes de garde-fous et de résilience observez-vous dans les organisations qui déploient l’agentique à l’échelle ?

Le premier sujet est de conserver l’humain dans la boucle. C’est le fameux concept « human in the loop ». Les entreprises passent progressivement de l’expérimentation à l’industrialisation des agents, mais cette industrialisation ne signifie pas que l’on puisse abandonner le contrôle : il y a un défi très important pour mettre en place les bons guardrails, c’est-à-dire un cadrage suffisamment fin de ce que les agents peuvent faire, des données auxquelles ils peuvent accéder et des résultats qu’ils peuvent produire. Une IA générative n’est pas déterministe : deux réponses peuvent être différentes tout en étant proches à 99 %. Mais si cette marge d’erreur peut être acceptable dans certains contextes, elle ne l’est absolument pas dans d’autres. Les garde-fous sont là pour en tenir compte. Il faut donc gouverner les agents, orchestrer leurs actions et gérer leurs droits d’accès. Qui peut utiliser tel agent ? Un client ? Un salarié ? Pour quel type de tâche ? Avec quel niveau d’autonomie ? Ce sont des questions centrales dans l’industrialisation.

Les échanges que nous avons avec les CIO font également ressortir un enjeu très fort de change management. L’IA transforme potentiellement une chaîne de production beaucoup plus large que le seul périmètre informatique. L’autre défi est donc d’embarquer efficacement les différentes parties prenantes de l’organisation. C’est un sujet à mener en parallèle de la sélection et de la priorisation des cas d’usage. Tout le monde, dans l’entreprise, peut avoir envie de développer son propre cas d’usage. Il faut donc déterminer lesquels retenir : selon leur ROI, leur intérêt à long terme, leur impact ou leur capacité à être industrialisés. Cette priorisation devient un enjeu de gouvernance à part entière.

À quel point les questions de dépendance technologique et de souveraineté numérique s’invitent-elles dans la discussion ? Quel impact pour une entreprise comme Liferay ?

La question de la souveraineté est devenue très importante. Notre position est claire à ce titre : nous devons tout faire pour que le client puisse rester indépendant. Même lorsqu’il utilise notre AI Hub, par exemple, il ne doit pas se retrouver verrouillé dans notre système pour l’avenir. C’est aussi pour cela que l’AI Hub peut être installé dans un environnement souverain local et qu’il est conçu pour rester agnostique vis-à-vis des modèles d’IA. Une entreprise peut utiliser différents modèles et, si nécessaire, revenir vers un modèle open source ou un modèle déployé localement. Cette réversibilité est essentielle. Sans cela, si l’entreprise est complètement dépendante d’un fournisseur après avoir industrialisé ses usages, elle peut avoir beaucoup de difficultés à en sortir.

L’objectif de Liferay est donc de faciliter cette flexibilité. Nous ne sommes pas un fournisseur de modèles d’IA et nous n’avons pas vocation à le devenir. Nous sommes un intermédiaire, avec une plateforme permettant d’orchestrer ces usages. L’AI Hub n’est d’ailleurs pas une solution unique sur le marché : d’autres acteurs proposent des approches comparables. Notre différence tient notamment à cette capacité à combiner orchestration, souveraineté et, lorsque cela est pertinent, expérience digitale.

Vous avez récemment publié une étude sur les difficultés des organisations à mesurer l’impact de leurs déploiements IA. Quels en sont les principaux enseignements ?

Oui, l’étude Liferay 2026 sur l’adoption et la gouvernance de l’IA agentique a été réalisée auprès de 500 professionnels américains impliqués dans les décisions, l’évaluation ou l’utilisation de l’IA. Elle montre un décalage assez net entre adoption et gouvernance. 54 % des entreprises interrogées utilisent déjà des agents IA en production ou les testent activement, mais seulement 25 % mesurent leur impact avec des KPI clairs. Seules 24 % disposent par ailleurs d’une politique d’utilisation de l’IA à l’échelle de l’entreprise.

Parmi les enseignements, nous voyons que les principaux freins à une meilleure exploitation de l’IA sont les préoccupations de sécurité ou de confidentialité, citées par 30 % des répondants, le coût pour 29 % et le manque de formation pour 27 %. La confidentialité des données constitue également la principale préoccupation concernant les agents IA, citée par 21 % des entreprises. Cela rejoint ce que nous observons dans nos échanges directs avec les CIO en Europe. Déployer des agents est bien différent de les superviser, ou encore de mesurer leur consommation et de maîtriser leur impact économique. C’est aussi pour cela que nous avons notamment fait évoluer l’AI Hub pour permettre de suivre la consommation des agents, notamment en tokens, et d’allouer des budgets spécifiques. L’idée est de pouvoir aller jusqu’au kill switch, c’est-à-dire empêcher un agent de dépasser certains niveaux de consommation.

Les CIO payent-ils aujourd’hui le vrai prix de l’IA qu’ils sont en train de déployer ?

C’est une vraie question. L’infrastructure va continuer à évoluer, qu’il s’agisse des GPU ou des infrastructures nécessaires au fonctionnement des agents. Elle devrait devenir plus performante et, avec le temps, moins coûteuse. Mais cela ne signifie pas nécessairement que cette baisse des coûts d’infrastructure sera répercutée sur le prix payé par l’utilisateur final.

Il existe aussi un risque lié au financement actuel de certains grands fournisseurs d’IA. Ils peuvent subventionner une partie des usages pour accélérer l’adoption. Une fois que les entreprises ont développé leurs cas d’usage, les ont industrialisés et les ont intégrés à leurs processus, il devient beaucoup plus difficile de revenir en arrière.

C’est précisément là que la réversibilité prend toute son importance. Avec une approche agnostique, une entreprise doit pouvoir changer de modèle si un fournisseur augmente fortement ses prix, si un autre modèle devient plus performant ou si la disponibilité d’un modèle évolue.

Quels devraient être les sujets prioritaires pour l’écosystème en 2027 ?

En 2027, il faudra encore beaucoup travailler sur le calibrage des cas d’usage. Nous sommes toujours dans une phase située entre expérimentation et industrialisation. Une partie des cas d’usage actuellement déployés ne passera probablement pas cette étape : les analyses dont nous parlons évoquent des taux d’abandon qui peuvent atteindre 40 à 50 % dans certains scénarios. Il faudra donc affiner les choix, mesurer davantage et converger vers les cas d’usage qui démontrent réellement leur valeur.

L’autre sujet sera l’ouverture à des architectures alternatives. Aujourd’hui, quelques grands fournisseurs concentrent une part importante du marché. Des initiatives comme Current AI, lancée à Paris, travaillent justement à cartographier l’ensemble de la stack IA et à identifier des alternatives open source ou indépendantes des grands acteurs. Cela peut donner davantage de choix aux entreprises. Pour un CIO, la question ne sera pas seulement de savoir combien coûte un modèle, mais aussi s’il est disponible, si une alternative existe et si l’entreprise peut changer de modèle sans remettre en cause toute son architecture.