Ce qu'on appelle un système legacy, et pourquoi il résiste
Le terme recouvre des réalités très diverses : un logiciel de gestion en place depuis des années, une base de données sans schéma à jour, un enchaînement de scripts que plus personne ne comprend, ou simplement un outil que l'entreprise ne peut pas interrompre. Ce qui les réunit, c'est la dépendance : tout le monde s'en sert, personne ne sait le remplacer sans risque. La résistance n'est pas technique avant d'être organisationnelle. Personne ne veut porter la responsabilité de l'arrêt qui aurait lieu si la migration échouait, ce qui gèle souvent toute décision pendant des années.
Un raccordement d'IA se heurte d'abord à cette inertie. Proposer de tout rebâtir revient à demander à l'entreprise d'arrêter de fonctionner le temps du chantier, ce qu'elle refuse à juste titre. L'approche utile consiste au contraire à considérer le système ancien comme un point fixe autour duquel on ajoute des couches, sans prétendre le remplacer. L'IA n'a pas besoin de comprendre tout le patrimoine hérité pour rendre un service précis ; il lui suffit d'accéder aux bons éléments, au bon moment, sans perturber la mécanique en place. Cette approche demande de renoncer à la refonte totale, séduisante sur le papier mais presque toujours hors de portée dans les délais et les budgets réels.
Faire dialoguer l'IA avec des interfaces anciennes
Les systèmes hérités exposent rarement une interface moderne. Certains n'offrent qu'un écran à remplir à la main, d'autres un format de fichier propriétaire, ou rien du tout. Faire communiquer une IA avec eux suppose souvent des adaptations peu élégantes mais efficaces : lire un flux existant, interroger une base directement, automatiser une saisie que personne n'a envie de faire. Ces bricolages assumés ont un mérite : ils ne touchent pas au cœur du système et restent réversibles si l'expérience tourne court, ce qui réduit fortement le risque d'un projet exploratoire. Leur fragilité ne doit pas être cachée : ces ponts doivent être documentés, sinon ils deviennent vite un point de panne que personne ne sait réparer.
Le vrai travail se situe moins dans la connexion que dans la traduction. Un système ancien manipule des codes, des abréviations et des règles implicites que l'IA doit apprendre à interpréter correctement. Une valeur codée peut signifier « inconnu » ou « urgent » selon un usage que seule la mémoire des équipes conserve. Documenter ces conventions, les vérifier auprès de ceux qui les pratiquent, devient une étape incontournable. Sans elle, l'IA produira des réponses plausibles bâties sur des contresens, et personne ne s'en apercevra avant que le dommage ne soit fait. Cette étape de traduction, longue et peu gratifiante, détermine pourtant si le raccordement produit un service ou une source d'erreurs.
Les données héritées : qualité, accès, cohérence
Un système ancien accumule des données hétérogènes, saisies par des générations d'utilisateurs selon des règles changeantes. Doublons, champs vides, formats contradictoires : cette matière brute est exactement ce dont une IA a besoin pour se tromper. Avant d'y brancher quoi que ce soit, il faut mesurer l'ampleur du désordre et décider ce qui est exploitable. Ce diagnostic, ingrat, conditionne tout le reste. Une IA qui repose sur des données douteuses produit des résultats d'apparence solide mais inverses de la réalité, ce qui est plus dangereux qu'une absence de résultat. Ce constat impose une conclusion désagréable : la qualité des données anciennes est souvent le vrai chantier, bien avant le choix du modèle ou de l'outil.
L'accès ne va pas de soi non plus. Les données peuvent être réparties entre plusieurs bases, certaines fermées, d'autres obsolètes, sans moyen simple de les réconcilier. Le raccordement fonctionne quand on accepte de raisonner sur des périmètres limités plutôt que sur l'ensemble du système d'information. Choisir un domaine précis, le suivi des commandes ou la gestion des contacts, et y concentrer l'effort donne de meilleurs résultats qu'une connexion globale voulue d'emblée. La qualité des données utiles importe bien davantage que l'exhaustivité, souvent illusoire. Mieux vaut un périmètre étroit et fiable qu'une couverture large assise sur des données incertaines, qui donne l'illusion d'un pilotage complet.
Migrer par étapes plutôt que tout remplacer
La tentation du grand remplacement, celui qui résout enfin toutes les limites d'un coup, conduit rarement au but. Un projet d'intégration qui repose sur des jalons courts, chacun apportant un bénéfice vérifiable, se pilote beaucoup mieux. On commence par un usage isolé, sans conséquences graves en cas d'erreur, on observe le comportement réel du système, on corrige. Cette progression laisse le temps aux équipes d'acquérir la confiance nécessaire et de repérer les frictions qu'aucune analyse préalable n'aurait révélées. Chaque jalon doit être réversible, ou du moins sans conséquence durable, pour que l'échec d'une étape reste une information plutôt qu'un incident.
L'erreur symétrique serait de croire que l'IA finira par effacer le système ancien. Souvent, elle cohabite avec lui durablement, en ajoutant une couche d'interprétation ou d'automatisation là où le vieux système restait le registre de vérité. Concevoir cette cohabitation explicitement, avec des responsabilités claires sur qui fait foi en cas de divergence, évite bien des conflits invisibles. Une intégration réussie n'est pas celle qui fait disparaître le legacy, mais celle qui sait à chaque instant lequel des deux systèmes parle, et pourquoi on peut lui faire confiance. Cette cohabitation demande de la clarté : lorsque les deux systèmes divergent, il faut savoir lequel tranche, et cette règle doit être écrite avant que le désaccord ne survienne.
Aller plus loin
Raccorder l'IA à un existant ancien demande des précautions de méthode autant que d'outils. Nos parcours techniques couvrent ces situations d'intégration progressive sur des systèmes contraints. Pour choisir le module correspondant à votre contexte, parcourez le catalogue des 31 formations.
Vous voulez maîtriser ce sujet en pratique ?
Cabinet MARA forme en ligne, sur des cas réels, avec des modules courts et un suivi de progression.
Voir la formation liée Les 31 formations