Quand je regarde « IA en entreprise — version atelier lourd — » en mars 2026, je veux savoir ce qui reste utile une fois l’effet de nouveauté passé. La promesse de « IA en entreprise — version atelier lourd — », en mars 2026, tient dans cette idée: une lecture terrain de l’IA en entreprise quand les processus, les systèmes et les équipes pèsent lourd, mais elle doit encore passer par les détails.

Aujourd’hui, je mets mon casque de chantier. Les démos d’IA, c’est beau sur une page blanche. La vraie vie d’une entreprise comme la nôtre, c’est autre chose: on a un gros ERP qui roule depuis des années, des systèmes lourds, des données qui datent, des règles d’affaires accumulées par couches. Brancher une IA moderne là-dessus, c’est pas glisser une clé dans une serrure neuve. C’est de l’atelier lourd: de la soudure, de la patience, pis beaucoup de colle.

Le vrai défi: connecter le moderne à l’ancien

flowchart LR
    A[IA moderne] --> B[La couche de colle]
    C[ERP lourd, donnees qui datent] --> B
    B --> D[Lire la donnee du vieux systeme]
    B --> E[La nettoyer, la traduire]
    B --> F[Appeler le modele]
    B --> G[Valider avant d'ecrire quoi que ce soit]
    D --> H[Le 80% du travail est ici]
    E --> H
    F --> I[Le 20% brillant que tout le monde voit]
    G --> H

Le piège, c’est de penser que le défi, c’est le modèle d’IA. Non. Le modèle, c’est le 20% qui brille. Le 80% du travail, plate pis invisible, c’est la couche de colle entre l’IA pis le vieux système: aller chercher la donnée dans un format bizarre, la nettoyer, la traduire dans ce que le modèle comprend, pis surtout valider avant d’écrire quoi que ce soit dans l’ERP. Parce que dans un système lourd, une mauvaise écriture automatique peut faire des dégâts pour des mois.

# Brancher l'IA sur un systeme d'entreprise lourd
# Le modele, c'est la partie facile. La colle, c'est le vrai travail.

def enrichir_commande(id_commande):
    # 1. Lire dans le vieux systeme (format bizarre, champs cryptiques)
    brut = erp.lire_commande(id_commande)

    # 2. Nettoyer et traduire en quelque chose de lisible
    propre = nettoyer(brut)  # 80% du travail est cache ici

    # 3. Appeler le modele (la partie qui brille)
    suggestion = modele.suggerer(propre)

    # 4. NE JAMAIS ecrire sans valider
    if not regle_affaires.valide(suggestion):
        return journaliser_pour_revue(id_commande, suggestion)

    # 5. Ecrire avec trace, et garder un chemin de retour
    erp.ecrire(id_commande, suggestion, auteur="IA", revisable=True)
    return suggestion

La règle d’or de l’atelier lourd, c’est: une suggestion, ça se valide avant de devenir une action. Le modèle propose; les règles d’affaires pis l’humain disposent. Pis tout ce qui s’écrit dans le système doit laisser une trace pis un chemin de retour. Dans un environnement léger, on peut se permettre de l’à-peu-près. Dans un système lourd qui fait rouler la business, l’à-peu-près coûte cher.

Ce que je retiens

En mars 2026, casque de chantier sur la tête: brancher une IA moderne sur un gros ERP lourd avec des données qui datent, c’est pas glisser une clé dans une serrure neuve. C’est de l’atelier lourd — de la soudure, de la patience, beaucoup de colle.

Ce que je retiens, c’est que le défi n’est pas le modèle d’IA. Le modèle, c’est le 20% qui brille. Le 80% du travail, plate pis invisible, c’est la couche de colle: lire la donnée du vieux système dans un format bizarre, la nettoyer, la traduire, pis surtout valider avant d’écrire quoi que ce soit. La règle d’or: une suggestion se valide avant de devenir une action — le modèle propose, les règles d’affaires pis l’humain disposent. Tout ce qui s’écrit laisse une trace pis un chemin de retour. Dans un système léger, on se permet de l’à-peu-près; dans un système lourd qui fait rouler la business, l’à-peu-près coûte cher.