Dans un contexte où les entreprises multiplient les initiatives de transformation digitale, de nombreux projets numériques d'IA ou Big Data peinent à atteindre leurs objectifs. Si les causes d’échec sont multiples — gouvernance floue, données mal maîtrisées, résistances internes, un facteur revient fréquemment : le poids du legacy, cet héritage technologique accumulé au fil des années. Trop souvent sous-estimé, il agit comme un frein silencieux mais tenace à la réussite des projets numériques.

​

Ce que l’on appelle « legacy », ce sont ces systèmes propriétaires, monolithiques, parfois obsolètes, qui ont longtemps soutenu l’activité mais qui deviennent progressivement des contraintes. La tentation est forte de vouloir les « moderniser » sans les remettre totalement en question, en greffant des technologies récentes (API, microservices, cloud) à un socle technique qui n’a pas été pensé pour cela.

​

Cette volonté d’évolution est souvent motivée par une logique économique : réduire les coûts de licence, rationaliser les infrastructures, limiter la dépendance aux fournisseurs, ou tout simplement « faire mieux avec l’existant ». Mais si ces objectifs sont légitimes, ils peuvent conduire à des choix techniques précipités ou mal encadrés. Le risque est alors de produire un système hybride qui cumule les faiblesses de l’ancien et la complexité du nouveau.

​

Ce compromis, bien qu’apparemment rationnel, donne souvent naissance à des architectures fragiles et difficiles à maintenir. Les équipes passent plus de temps à contourner les limites de l’existant qu’à construire des solutions réellement innovantes. Cela engendre des délais, des coûts non prévus, et une valeur métier qui peine à émerger. Résultat : des projets numériques qui n'avancent pas.

​

Mais au-delà des aspects techniques, la culture des équipes IT joue également un rôle central. Formées sur des outils propriétaires, souvent dépendantes de pratiques issues de fournisseurs historiques, certaines équipes abordent les projets d'IA et Big Data avec des réflexes peu compatibles avec l’agilité, le DevOps ou l’architecture cloud native. Ce décalage culturel ralentit l’adoption des nouveaux modèles et fragilise les projets dès leur conception.

​

Il est également fréquent que les équipes métier et la direction surestiment les capacités d’évolution du système existant. Ce malentendu crée des attentes irréalistes : on espère du legacy qu’il permette des usages modernes (temps réel, analytique prédictive, automatisation) alors qu’il n’en a ni l’architecture ni la souplesse.

​

Pour sortir de cette impasse, il est nécessaire d’avoir une approche lucide et structurée :

• Évaluer objectivement le poids du legacy,

• Définir une trajectoire claire de modernisation (refonte, découplage, remplacement progressif),

• Travailler la montée en compétence des équipes,

• Et surtout, ne pas faire du legacy un point de départ intangible, mais un composant à repositionner dans une vision globale.​

 

En résumé, le legacy n’est pas le seul frein aux projets numériques. Mais lorsqu’il est ignoré, mal géré ou minimisé, il devient un obstacle coûteux. Reconnaître son impact, c’est déjà faire un pas vers des projets plus réalistes, mieux pilotés… et plus utiles pour l’entreprise.

​

​