L’histoire se répète, mais cette fois, les enjeux sont bien plus élevés. Il y a une décennie, chez Tesla, notre équipe financière faisait face à une crise de données. Les informations étaient dispersées entre les systèmes comptables, la chaîne d’approvisionnement et la logistique, sans aucune interconnexion. Les ingénieurs étaient concentrés sur l’autopilotage et la production, alors nous avons pris les choses en main. Nous avons appris le SQL, normalisé les données avec des logiques IF-THEN et créé notre propre base de reporting. Cela a fonctionné… jusqu’à ce que cela devienne un cauchemar en termes de gouvernance.

Aujourd’hui, je vois le même schéma se reproduire, mais à une vitesse fulgurante. L’adoption de l’IA se répand dans les entreprises comme une traînée de poudre, sans plateformes centralisées ni gouvernance adéquate. La différence majeure ? À l’époque, nous construisions des bases de données SQL. En 2026, nous bâtissons des agents d’IA. Et le coût de la fragmentation est exponentiellement plus élevé.

L’essor incontrôlé de l’IA

L’« AI sprawl » désigne la prolifération désorganisée des solutions d’IA au sein des entreprises. Chaque équipe développe ses propres modèles, agents et automatisations, sans coordination centrale. Résultat : des données fragmentées, des décisions divergentes et des systèmes intelligents abandonnés à l’abandon. Ce phénomène est rendu possible par la baisse des coûts de développement des solutions d’IA. Les APIs des grands modèles de langage, les outils no-code et l’infrastructure cloud rendent la création d’IA presque triviale.

Prenons l’exemple d’une grande compagnie d’assurance qui nous a consultés pour automatiser ses processus. Nous avons découvert plus d’une douzaine de preuves de concept et de solutions locales dispersées entre la gestion des sinistres, la souscription et la détection des fraudes. Six de ces initiatives résolvaient des problèmes similaires, sans aucune infrastructure partagée. Deux d’entre elles avaient même été abandonnées depuis des mois, mais continuaient de fonctionner… et de coûter de l’argent.

Les coûts cachés de la fragmentation

L’AI sprawl engendre des coûts qui s’accumulent avec le temps, souvent invisibles dans les budgets traditionnels. Voici quelques conséquences majeures :

  1. La gouvernance devient impossible : On ne peut pas réguler ce que l’on ne voit pas. Les systèmes d’IA dispersés rendent les audits inefficaces et la surveillance des biais incohérente.
  2. L’échelle est compromise : Les systèmes déconnectés ne peuvent pas s’intégrer, obligeant chaque nouvelle initiative à repartir de zéro.
  3. La maintenance et les dépenses redondantes explosent : Une compagnie d’assurance a révélé que 60 % de sa capacité en ingénierie IA était consacrée à la maintenance des outils existants, plutôt qu’à l’innovation.
  4. La fuite des talents : Les meilleurs ingénieurs en IA veulent résoudre des défis ambitieux, pas maintenir une infrastructure fragmentée.

Pourquoi la gouvernance traditionnelle échoue

70 % des grandes compagnies d’assurance investissent dans l’IA, mais beaucoup peinent à mettre en place une gouvernance efficace. Les équipes business agissent rapidement et de manière autonome, tandis que les services informatiques ne découvrent l’existence de ces outils que lorsqu’un problème survient ou lors d’un audit.

En conclusion, l’AI sprawl est un phénomène insidieux qui menace la stabilité et l’efficacité des entreprises. Pour éviter ce piège, il est crucial d’établir des cadres de gouvernance clairs et des plateformes centralisées dès le départ. Sinon, les coûts cachés pourraient bien dépasser les bénéfices initiaux.