IA et interopérabilité SI pour briser les silos sans refonte

Méthodes & passage à l'échelle

Dans la plupart des entreprises que nous accompagnons, un projet d'IA bute rarement sur le modèle. Le lien entre IA et interopérabilité SI se heurte plutôt aux données : un ERP qui ne dialogue pas avec le CRM, des référentiels clients en double, des fichiers métiers qui vivent hors de tout contrôle.

La question de l'IA et de l'interopérabilité SI devient alors décisive pour la direction. Elle n'impose pourtant pas de tout reconstruire. Cet article explique comment décloisonner les systèmes d'information avec des approches d'intégration légères, qui respectent l'existant et préparent le passage à l'échelle.

IA et interopérabilité SI pour briser les silos sans refonte

1. Qu'est-ce que l'interopérabilité d'un système d'information ?

2. Ce qui distingue interopérabilité technique et sémantique

3. Pourquoi l'IA et l'interopérabilité SI sont indissociables

4. Intégrer l'IA dans un système d'information existant sans refonte

5. Connecter une IA à un ERP ou à un CRM

6. Les standards d'échange de données pour l'IA

7. Ce que l'AI Act change pour l'interopérabilité

8. Sécuriser le partage de données entre plusieurs systèmes

9. Une démarche en étapes pour décloisonner sans tout casser

10. Aller plus loin avec l'interopérabilité IA et SI

11. Questions fréquentes

Temps de lecture : 9 minutes

Qu'est-ce que l'interopérabilité d'un système d'information ?

L'interopérabilité désigne la capacité de systèmes distincts à échanger des données, à les interpréter de manière cohérente et à les exploiter dans un processus commun. Le NIST la décrit comme la capacité d'outils à fonctionner ensemble en matière d'exécution, de communication et d'échange de données, dans des conditions définies. Cette définition a un mérite : elle rappelle qu'une connexion ne suffit pas. Deux applications peuvent s'échanger un fichier chaque nuit sans jamais se comprendre.

Une définition opérationnelle

Sur les SI que nous accompagnons, nous retrouvons presque toujours le même paysage. Un ERP installé depuis longtemps, souvent personnalisé, un CRM plus récent, quelques logiciels métiers et une constellation de tableurs qui comblent les trous. Chaque brique fonctionne. C'est leur juxtaposition qui crée les silos de données, et ce sont ces silos qui privent une IA de la vision complète dont elle a besoin.

Ce qui distingue interopérabilité technique et sémantique

L'interopérabilité technique et sémantique recouvre deux réalités différentes, et la confusion entre les deux explique une bonne partie des projets qui déçoivent. Pour structurer le diagnostic, nous distinguons plusieurs niveaux complémentaires :

Des personnages assemblent des pièces de puzzle symbolisant l'interopérabilité technique et sémantique.

Les principaux niveaux d'interopérabilité

• L'interopérabilité technique, qui couvre les protocoles, les API et connecteurs, les formats d'échange et la compatibilité des infrastructures.

• L'interopérabilité syntaxique, qui garantit que la structure des données est lisible par le système qui les reçoit.

• L'interopérabilité sémantique des données, qui assure une compréhension commune des termes, des unités, des catégories et des relations.

• L'interopérabilité organisationnelle, qui fixe les processus, les responsabilités et les règles de coopération entre équipes.

• L'interopérabilité juridique et de gouvernance, qui encadre l'accès, le partage, la réutilisation et la conservation des données.

Résumé des principaux niveaux d'interopérabilité d'un SI

• Niveau: Technique Objet principal: Protocoles, API, connecteurs, formats d'échange et compatibilité des infrastructures

• Niveau: Syntaxique Objet principal: Structure des données et lisibilité par les systèmes récepteurs

• Niveau: Sémantique Objet principal: Signification partagée des termes, unités, catégories et relations

• Niveau: Organisationnelle Objet principal: Processus, responsabilités et modes de coopération entre équipes

• Niveau: Juridique et gouvernance Objet principal: Accès, partage, réutilisation et conservation des données

Le niveau sémantique est celui qui coûte le plus cher quand on l'ignore. Ce que nous constatons chez nos clients est presque systématique : le mot « client » ne désigne pas la même chose pour la comptabilité, qui pense compte payeur, et pour le commerce, qui pense interlocuteur. Une IA alimentée par ces deux sources sans vocabulaire commun ni modèle de données partagé produira des résultats incohérents, même si la plomberie technique est irréprochable.

Pourquoi l'IA et l'interopérabilité SI sont indissociables

Un système d'IA ne vaut que par les données qu'il reçoit et par l'endroit où il restitue ses résultats. En amont, il lui faut des données accessibles, documentées et cohérentes. En aval, ses recommandations doivent revenir dans les outils où les équipes travaillent déjà, l'ERP, le CRM ou le logiciel métier. Une IA qui produit un score dans un tableau isolé que personne ne consulte n'a aucun effet sur la performance.

C'est aussi une question de passage à l'échelle. La Commission européenne, dans sa communication sur les espaces communs de données, identifie la fragmentation des initiatives comme un obstacle majeur et souligne la difficulté de passer de projets pilotes dispersés à un écosystème fluide et durable. Selon notre expérience, la même logique s'applique à l'échelle d'une entreprise : un POC réussi sur un extrait de données nettoyé à la main ne dit rien de sa tenue en production. L'interopérabilité est ce qui permet de passer de l'un à l'autre.

Enfin, la qualité des données pour l'IA en dépend directement. La Commission indique qu'un futur travail de normalisation sur la qualité des données devrait couvrir la complétude, la cohérence, la provenance, la clarté sémantique et la gouvernance. Ces cinq dimensions sont précisément celles que dégradent les silos.

Intégrer l'IA dans un système d'information existant sans refonte

La tentation, face à un SI hétérogène, est de vouloir tout remettre à plat avant de lancer l'IA. Nous la déconseillons. Une refonte immobilise des budgets et des équipes pendant des années, sans garantie que la nouvelle architecture soit mieux adaptée aux usages de demain. L'intégration de l'IA sans refonte du SI repose sur des couches intermédiaires qui laissent les applications existantes en place.

Le middleware d'intégration et l'iPaaS

Un middleware d'intégration, ou sa déclinaison en service cloud appelée iPaaS, joue le rôle de traducteur entre les applications. Il orchestre les flux, transforme les formats et applique les règles de correspondance entre modèles de données. L'avantage pour le DSI est double : les applications legacy ne sont pas modifiées, et la logique d'échange est centralisée au lieu d'être dispersée dans des scripts que plus personne ne maîtrise.

L'API gateway

L'API gateway expose les données et services du SI de manière contrôlée. Elle authentifie les appels, limite les volumes, journalise les accès et masque la complexité des systèmes sous-jacents. Pour un projet d'IA, c'est le point d'entrée unique qui permet de savoir qui interroge quoi, et dans quel but. Sur les SI que nous accompagnons, c'est souvent la brique qui transforme un usage expérimental en usage gouverné.

La couche sémantique

Les deux briques précédentes traitent le transport. Il reste à traiter le sens. Un catalogue de données, alimenté par des métadonnées décrivant l'origine, la définition et la fréquence de mise à jour de chaque jeu de données, constitue le socle de l'interopérabilité sémantique. Nous détaillons cette question dans notre article sur l'architecture de données pour l'IA.

À retenir

Une architecture SI interopérable ne se décrète pas en remplaçant les applications. Elle se construit en ajoutant des couches de traduction, d'exposition et de description autour de l'existant, avec des formats ouverts et des composants modulaires qui limitent la dépendance à un fournisseur.

Connecter une IA à un ERP ou à un CRM

Connecter une IA à un ERP ou un CRM est la demande la plus fréquente que nous recevons des directions générales. La première question n'est pas technique, elle est métier : quelle décision l'IA doit elle éclairer, et dans quel processus ? Prévoir les ruptures de stock, qualifier des opportunités commerciales ou détecter des anomalies de facturation n'appellent ni les mêmes données ni la même fréquence de mise à jour.

Une fois le cas d'usage cadré, trois principes guident l'intégration. Lire les données via les API officielles de l'éditeur plutôt que directement dans la base, pour préserver la maintenabilité et la garantie éditeur. Réinjecter les résultats dans l'écran où l'utilisateur prend sa décision, plutôt que dans un outil parallèle. Tracer chaque échange pour savoir quelle donnée a produit quel résultat. Notre guide d'intégration de l'IA à un ERP approfondit ces points.

Les standards d'échange de données pour l'IA

Plusieurs travaux de normalisation structurent le sujet. Le portail Interoperable Europe recense ceux du CEN-CENELEC JTC 21, de l'ETSI et de l'ISO/IEC JTC 1/SC 42 consacrés à l'IA. Les normes européennes élaborées à la demande de la Commission européenne pourront aider les entreprises à démontrer leur conformité au règlement européen sur l'IA. L'ETSI publie notamment des spécifications sur les formats d'échange et les modèles d'information, utiles pour faire circuler données et métadonnées entre systèmes et solutions d'IA.

Un coffre-fort de données avec des écrans flottants et une équipe qui collabore.

Du côté des données, le vocabulaire DCAT facilite l'interopérabilité entre catalogues : il permet à des systèmes différents de découvrir des jeux de données et d'en comprendre la description. Les espaces européens communs de données, qui couvrent la santé, l'énergie, l'agriculture ou l'industrie, s'appuient sur des architectures de référence, des composants communs et des modèles de données partagés. L'Espace européen des données de santé (EHDS) en est l'exemple le plus abouti, avec des formats européens d'échange de dossiers médicaux.

Bon à savoir

Ces normes n'ont pas toutes un caractère obligatoire, et leur statut évolue. Avant de les inscrire dans un cahier des charges, vérifiez la version applicable et sa portée pour votre secteur.

Ce que l'AI Act change pour l'interopérabilité

Le Règlement européen sur l'IA, entré en vigueur le 1er août 2024, s'applique de manière progressive selon les dispositions et les catégories de systèmes. Il repose sur une approche fondée sur les risques : les systèmes à haut risque sont soumis à des exigences renforcées, notamment en matière de gestion des risques et de supervision humaine. Le lien entre AI Act et interopérabilité passe par la traçabilité. Pour démontrer qu'un système est maîtrisé, il faut pouvoir documenter les données utilisées, leur provenance et les résultats produits. Un SI cloisonné rend cette démonstration presque impossible.

L'Interoperable Europe Act, entré en vigueur le 11 avril 2024, vise surtout les services publics numériques transfrontaliers, avec des évaluations d'interopérabilité applicables depuis janvier 2025. Il concerne peu directement les entreprises privées, mais il indique la direction prise par l'Union. Les travaux européens présentent d'ailleurs la stratégie des données et le règlement sur l'IA comme complémentaires : l'une favorise la disponibilité et la réutilisation des données, l'autre encadre leur usage par les systèmes d'IA. Pour un plan concret, consultez notre article sur le plan d'action de conformité à l'AI Act.

Sécuriser le partage de données entre plusieurs systèmes

Décloisonner ne signifie pas tout ouvrir. Partager des données pour alimenter une IA impose un contrôle des accès fin, fondé sur les rôles et les finalités. Les espaces européens de données reposent d'ailleurs sur ce principe : des règles de gouvernance définissent qui peut accéder aux données, les utiliser et les partager.

Dans les entreprises que nous accompagnons, la gouvernance des données et de l'IA se joue sur quatre points. Un propriétaire identifié pour chaque domaine de données. Une classification de la confidentialité qui détermine ce qui peut sortir du SI. Une journalisation des accès qui assure provenance et traçabilité. Et un choix d'hébergement qui préserve la souveraineté des données, sujet que nous développons dans notre article sur l'IA et la souveraineté numérique. Ces règles ne peuvent pas être fixées par la seule DSI. Elles engagent les directions métier, et donc le CODIR.

Une démarche en étapes pour décloisonner sans tout casser

Selon notre expérience, une démarche progressive donne de meilleurs résultats qu'un grand programme de transformation. Voici la séquence que nous appliquons :

Des professionnels discutent sur un chemin sinueux, symbolisant la collaboration et l'innovation.

Une feuille de route progressive

• Cartographier les flux de données des processus métier concernés par le cas d'usage, pas de tout le SI.

• Décrire les données échangées : formats, définitions, unités, métadonnées et provenance.

• Identifier les écarts sémantiques et bâtir un vocabulaire commun minimal.

• Évaluer la qualité des données sur la complétude et la cohérence.

• Choisir la couche d'intégration adaptée, middleware, iPaaS ou API gateway, en privilégiant les formats ouverts.

• Tester l'intégration de bout en bout, jusqu'à la réinjection des résultats dans l'outil métier.

• Prévoir la supervision humaine et réévaluer l'architecture à mesure que normes et usages évoluent.

Cette séquence évite deux écueils que nous voyons souvent : le POC brillant qui ne survit pas au contact du SI réel, et le chantier d'urbanisation qui s'éternise sans jamais produire de valeur. Lorsque le cas d'usage est validé, l'enjeu devient l'industrialisation, que nous traitons dans nos missions de pilotage de projets et de mise à l'échelle.

Aller plus loin avec l'interopérabilité IA et SI

L'interopérabilité n'est pas un prérequis technique à régler avant de parler d'IA. Elle est la condition pour qu'un projet d'IA produise un effet mesurable sur les processus de l'entreprise. Bonne nouvelle pour les dirigeants : briser les silos de données avec l'IA ne demande pas de reconstruire le SI. Cela demande une cartographie lucide, des couches d'intégration légères, un vocabulaire commun et une gouvernance assumée par la direction.

Si vous ne savez pas encore où se situent vos silos ni quels cas d'usage justifient l'effort, notre Diagnostic IA établit l'état réel de vos données, la faisabilité et le chiffrage, sur un périmètre adapté à votre organisation.

FAQ

Qui doit porter un projet d'interopérabilité lié à l'IA, la DSI ou les métiers ?

Les deux, avec des rôles distincts. La DSI choisit et opère les briques d'intégration, les directions métier définissent le sens des données et les règles d'usage. Sans arbitrage du CODIR sur les priorités, le projet reste un sujet technique sans sponsor.

Faut-il construire un entrepôt ou un lac de données avant de lancer un projet d'IA ?

Pas nécessairement. Pour un premier cas d'usage, des flux ciblés via une API gateway ou un middleware suffisent souvent. La centralisation se justifie quand plusieurs cas d'usage partagent les mêmes données et que leur volume l'exige.

Comment éviter la dépendance à un fournisseur d'intégration ?

En privilégiant des formats ouverts, des API documentées et des composants modulaires, et en conservant la propriété de vos modèles de données et de vos règles de transformation. La Commission européenne met elle-même en avant des composants ouverts et modulaires pour réduire les barrières à l'entrée.

L'interopérabilité concerne-t-elle aussi les partenaires externes ?

Oui, de plus en plus. Les échanges avec fournisseurs, clients ou sous-traitants posent les mêmes questions de formats, de sens et de droits d'accès. Les espaces européens de données offrent un cadre pour ces partages intersectoriels gouvernés.

Comment savoir si nos données sont prêtes pour l'IA ?

Commencez par mesurer leur complétude, leur cohérence entre systèmes et leur provenance sur le périmètre du cas d'usage visé. Si une même information diverge d'une application à l'autre, le chantier sémantique passe avant le choix du modèle.

Hervé Bébin
Fleche vers le haut