Le logiciel désuet que vous possédez déjà est peut-être votre meilleur pari sur l'IA

Depuis un an environ, la conversation autour de l'IA dans les logiciels d'entreprise tourne autour d'un seul récit : on arrache le vieux système, on le remplace par quelque chose de pensé pour l'IA, et la magie opère. Julien Bek, de Sequoia, a publié plus tôt cette année un papier intitulé "Services: The New Software" qui résume bien la thèse. En substance : la prochaine grande boîte ne vous vendra pas un outil, elle livrera directement le résultat. Des comptes clos, plutôt qu'un logiciel de comptabilité. Des tickets résolus, plutôt qu'une plateforme de support. Sequoia a joint le geste à la parole en menant une Série A de 25 M$ dans Rillet, qui reconstruit le grand livre comptable de zéro pour l'ère de l'IA.

La thèse est intéressante et probablement juste sur certains verticaux. Mais depuis là où on est, à mettre les mains dans le cambouis avec des PME et des ETI sur des pipelines de données et des intégrations ERP, on voit quelque chose d'un peu différent se jouer sur le terrain. Et ça mérite qu'on en parle, parce que la plupart des entreprises avec lesquelles on travaille ne vont pas migrer hors de leur ERP legacy de sitôt — option AI-native ou pas.

Les vieux systèmes n'ont jamais été le problème. Les interfaces, oui.

La plupart des ERP et des systèmes de gestion legacy ont été construits par des gens qui connaissaient vraiment leur métier. Les logiciels de paie en France, par exemple, encodent des décennies de réglementation mouvante, des cas particuliers liés à des secteurs précis, des conventions collectives, et mille petites règles que personne n'a jamais documentées parce que tous ceux qui devaient les connaître les connaissaient déjà. Le modèle de données est dense. La logique métier est bien réelle. Ce qui a tué l'expérience utilisateur, c'est le front office : des écrans laids, vingt champs là où deux suffiraient, pas de mobile, aucune intégration avec les outils de messagerie que les gens utilisent vraiment au quotidien.

Pendant longtemps, la seule manière de régler ça, c'était de tout reconstruire. Ce qui obligeait le nouvel entrant à réinventer à la fois l'interface et les décennies de connaissance métier accumulées. C'est pour ça que tant de remplaçants "modernes" finissent en versions plus jolies mais plus pauvres de l'original, qui perdent 30 % de la fonctionnalité et mettent trois ans à rattraper leur retard.

Ce qui a changé ces 18 derniers mois, c'est qu'on peut désormais empiler des interfaces modernes et de l'intelligence moderne par-dessus le vieux système, sans toucher à son cœur. MCP — le protocole introduit par Anthropic fin 2024 et adopté depuis par OpenAI, Google et la majeure partie de l'écosystème — y est pour beaucoup. Il donne aux modèles de langage une manière standardisée de lire et d'écrire dans les systèmes existants : l'IA fait le gros du travail côté entrée/sortie, pendant que le moteur legacy continue de faire ce qu'il sait faire — appliquer les règles.

À quoi ça ressemble en pratique

Il y a quelques années, avant Reflekt Lab, je travaillais dans le contexte de la paie en France. Quiconque a touché à la paie française sait que c'est un cauchemar d'un genre particulier. Le système qu'on utilisait était vieux. Les écrans étaient rugueux. Mais le moteur de calcul, une fois qu'on lui donnait des données propres, tenait la route. Du coup, ce qu'on a fini par faire, c'est construire un front office autour : on gérait les parties salissantes (heures travaillées, à quel moment, dans quel secteur, sous quelle convention collective), on faisait le pré-comptable, et seulement à la fin, on injectait des données propres et structurées dans le moteur legacy. La sortie était correcte parce que le moteur était correct. L'expérience utilisateur était bonne parce qu'on s'était occupés de la partie dont le moteur ne s'occupait pas.

C'était il y a déjà quelques années et on s'y prenait à la dure, avec du code custom partout. Ce qui change aujourd'hui, c'est que le même pattern devient accessible sans effort d'ingénierie démesuré. L'IA gère l'entrée non structurée : notes vocales, photos de factures, PDF scannés, tableurs en vrac. La couche MCP achemine les données nettoyées vers le système que vous utilisez déjà. Vous gardez votre ERP, vous gardez votre base de données, vous gardez les règles encodées depuis quinze ans. Vous arrêtez juste de détester la manière dont vous y entrez les données.

On le voit avec nos propres clients. Les distributeurs de vin avec trente mille SKU répartis sur quarante catalogues fournisseurs ne veulent pas migrer de plateforme, ils veulent que la préparation de leurs données arrête de leur bouffer six semaines à chaque onboarding. Les restaurants aux Émirats qui prennent des commandes par notes vocales WhatsApp ne veulent pas d'un nouveau POS, ils veulent que les messages vocaux atterrissent structurés dans le système qu'ils utilisent déjà. Le job, c'est l'interface et l'ingestion, pas le remplacement.

Pourquoi c'est important pour la question de la migration

Pour les PME en particulier, les migrations d'ERP et de CRM ont toujours porté un risque disproportionné. Le calendrier d'implémentation est long, le coût est lourd, et la perturbation opérationnelle pendant la bascule est bien réelle. Une estimation récente de type IDC chiffre la migration ERP typique en mid-market à six à dix-huit mois et un coût total à sept chiffres une fois qu'on inclut le conseil, la formation et l'arrêt d'activité. Pour une boîte qui fait vingt millions de chiffre d'affaires, c'est un pari existentiel.

L'approche IA-plus-MCP change le calcul. Vous n'avez plus besoin de jouer la boîte sur une migration pour récupérer l'essentiel des gains de productivité. Vous gardez le système qui fonctionne, vous l'enveloppez de meilleures interfaces et d'une meilleure ingestion de données, et vous livrez quelque chose d'utile en semaines plutôt qu'en trimestres. La question de la migration redevient optionnelle, plutôt qu'existentielle.

Ce n'est pas un argument contre les reconstructions AI-native. Rillet s'en sortira sans doute très bien, et il existe des catégories où le modèle de données sous-jacent a vraiment besoin d'être repensé. Mais pour la longue traîne d'ETI assises sur des systèmes legacy fonctionnels, le chemin le plus pragmatique consiste à faire en sorte que le système que vous avez déjà ait l'air moderne. La thèse de Sequoia est une lecture valable de l'avenir. L'autre lecture, c'est qu'une grande partie de la valeur de l'IA aujourd'hui consiste à enfin laisser ces vieux systèmes denses en connaissance être utilisés comme ils auraient toujours dû l'être.

La dynamique joue aussi en faveur des acteurs en place, et c'est intéressant. L'éditeur legacy qui ouvre une couche MCP au-dessus de son produit existant peut soudain devenir très compétitif, parce qu'il garde tout le savoir métier intégré et qu'il peut sauter la partie où il faut convaincre le client de migrer. On commence déjà à avoir ces conversations avec des clients côté éditeur, pas seulement côté acheteur.

Le piège

Rien de tout ça n'est gratuit. Empiler de l'IA sur un système legacy, c'est se confronter au même problème dont on parlait il y a quelques mois : à grande échelle, même 98 % de précision ne suffit pas. Deux hallucinations sur cent, ça fait six cents sur trente mille. Il faut donc toujours une vraie couche de QA, des points de contrôle humains là où ça compte, et des chemins d'escalade clairs quand le modèle hésite. Tout l'intérêt de garder le moteur legacy, c'est que les règles sont déterministes. Le front-end IA doit respecter ce déterminisme, pas le saper.

Bien fait, c'est l'un des patterns les plus sous-estimés du cycle IA actuel. Moins glamour que de reconstruire un ERP de zéro, beaucoup plus rapide à livrer, et bien plus aligné avec la manière dont la plupart des entreprises veulent réellement faire évoluer leur stack.