Introduction

Dans le troisième volet, nous avons confirmé que les fondations modernes du développement citoyen — RPA et no-code/low-code — contiennent une dette potentielle encore plus lourde que Kami Excel. Nous poursuivons cette logique : que change l’arrivée de l’IA générative ?

L’IA générative peut analyser les actifs logiciels existants et assister leur migration ou leur refonte. En revanche, les actifs qui n’ont jamais été écrits sous forme de code — boîtes noires no-code ou RPA — restent difficiles à sauver, même avec l’IA.

Autrement dit, la dette de demain risque de se concentrer sur « ce qui n’a pas été codé ».

Série complète

Les forces de l’IA générative — « décongeler » le capital logiciel

Migrer un code legacy a toujours exigé beaucoup d’efforts. Des millions de lignes en COBOL ou en VB, sans documentation, réclamaient des vétérans pour être décodées.

L’IA générative ouvre ici une brèche.

  • Automatiser la lecture du code Elle cartographie les dépendances et déduit le sens des variables ou des structures d’après leur contexte.

  • Assister la conversion de langage Elle peut produire une première ébauche pour passer de COBOL à Java ou de VB à Python.

  • Semi-automatiser le refactoring Elle réorganise les logiques en modules plus propres et peut générer des tests pour rendre l’ensemble maîtrisable par la suite.

En bref, tout ce qui subsiste sous forme de code peut être « décongelé » quasi automatiquement par l’IA. Sur ce terrain, l’IA générative peut devenir un véritable game changer pour la modernisation des legacy.

Cela ne signifie pas pour autant que tout code sera sauvé. Si les environnements dépendants ont disparu ou si la connaissance métier n’existe plus, même l’IA ne comblera pas tous les trous. Mais comparé aux actifs qui ne sont qu’une boîte noire, la probabilité de renaissance reste bien plus élevée.

Ce qui demeure irrécupérable — les actifs non codés

La situation est tout autre pour les solutions construites en no-code ou en RPA.

Elles existent comme des opérations GUI ou des organigrammes dont la représentation interne est enfermée dans des formats propriétaires. L’IA générative excelle sur du texte ; face à des fichiers chiffrés ou des structures opaques, l’analyse devient compliquée.

Prenons un flux RPA : il ressemble à un diagramme de blocs, mais l’objet réel est souvent un fichier projet chiffré. Les applications no-code ne tournent que dans le cloud qui les héberge et n’offrent pas d’export en tant que code source.

Dans la pratique, reconcevoir est plus rapide que tenter de sauver. Peut-être qu’à l’avenir, la reconnaissance d’écran ou d’interactions permettra d’en extraire une partie. Mais en l’état, transmettre tel quel un actif déjà transformé en boîte noire reste illusoire.

Ligne de partage de la dette — a-t-on laissé du code ou non ?

Ce panorama révèle la véritable ligne de fracture des dettes futures.

  • Ce qui est resté du code pourra être réutilisé, migré ou amélioré à l’aide de l’IA générative.
  • Ce qui n’a jamais été codé restera largement invisible pour l’IA, et il faudra repartir d’une feuille blanche.

Autrement dit, la capacité de sauvetage dépend désormais de la présence ou non de code. L’IA générative ne fait que rendre cette frontière plus nette.

Perspective — l’IA n’est pas une solution miracle

L’IA générative est puissante, mais elle est loin d’être universelle. Elle ne ressuscitera pas les actifs citoyens transformés en boîtes noires ni ne justifiera les choix du passé.

Elle nous renvoie au prix de la « liberté de ne pas coder ». Les organisations séduites par l’immédiateté du no-code devront financer elles-mêmes la refonte, sans pouvoir s’appuyer sur l’IA.

C’est pourquoi, dans le prochain volet, nous approfondirons comment éviter de créer de nouvelles dettes — le regard de la gouvernance.

Prochain article : Comment éviter les dettes grâce à la gouvernance 5/7