Les limites des plateformes low-code et no-code

À mesure que les technologies low-code et no-code gagnent en popularité, un nombre croissant d'entreprises se tournent vers ces solutions pour accélérer leur transformation numérique. Ces plateformes offrent en effet une approche plus rapide et accessible du développement, permettant à des profils développeurs métiers de participer activement à la création d'applications. Selon Grand View Research, le marché mondial du développement low-code devrait connaître une croissance annuelle de 23 % entre 2023 et 2030, alimentée par la volonté des entreprises d’automatiser leurs opérations et d’optimiser leurs processus. Mais derrière cet engouement, les limites de ces solutions apparaissent rapidement lorsqu’on dépasse le cadre du prototype ou des cas d’usage simples.

Perte de flexibilité

L'ouverture aux développeurs métiers est un atout, mais elle se fait souvent au prix de la flexibilité. Les plateformes reposent généralement sur des modèles et composants préconçus, efficaces pour développer rapidement des applications simples. Mais dès qu’il s’agit de créer des solutions complexes, personnalisées ou avec des exigences spécifiques, ces modèles montrent leurs limites explique Clayton Davis, directeur du développement cloud-native chez Caylent (spécialiste des services AWS).

Bien adaptées aux cas internes ou à faible complexité, les outils deviennent contraignants pour des applications orientées client, où la qualité de l’expérience utilisateur, la performance et la personnalisation sont essentielles. Pour pallier ces restrictions Arsalan Zafar, CTO de Deep Render (spécialisé dans la compression d'image par l'IA), recommande d’opter pour des solutions offrant des API ou des options d’extension, afin d’allier rapidité et sur-mesure.

Sous-estimation de la complexité métier

Une autre dérive courante est la sous-estimation de la complexité des besoins métiers. En l'absence de compétences techniques approfondies, les utilisateurs peuvent créer des applications qui négligent des aspects essentiels.C’est ce qu’a expérimenté l’équipe de Deep Render lors du développement d’une application de comparaison de codecs vidéo. Bien que la plateforme no-code ait permis de prototyper rapidement, l’ajout de fonctionnalités avancées a été un véritable défi.

« Quand il a fallu incorporer des fonctionnalités personnalisées pour différencier notre produit sur le marché, nous avons constaté que les limites de la plateforme devenaient plus évidentes », explique Arsalan Zafar. Il ajoute, « l'intégration de fonctionnalités plus avancées, telles que les mesures de comparaison vidéo multicouches ou les améliorations basées sur l'IA, est devenue un processus fastidieux et chronophage. » En conséquence, l’équipe a dû contourner les limites de la plateforme, ce qui a ralenti leur capacité à fournir des solutions sur-mesure.

Un passage à l'échelle restreint

Les outils de low-code et no-code sont parfaits pour prototyper rapidement ou tester des MVP (produits minimum viables), mais le passage à l'échelle est difficile. De nombreuses entreprises témoignent de leurs défis pour faire évoluer des applications développées avec ces plateformes. Une infrastructure initialement conçue pour un nombre restreint d’utilisateurs ne supporte pas toujours la montée en charge, obligeant souvent à des refontes complètes. Ce processus expose les entreprises à des risques de perte de données, d’interruptions de service et de dépendances techniques cassées.

Kushank Aggarwal, ingénieur logiciel et fondateur de DigitalSamaritan, partage l’expérience de son outil d’IA, « Prompt Genie », qui a été développé en seulement quatre jours avec une approche no-code. « « Une fois que le produit a trouvé son marché, nous avons rencontré de grands défis pour le faire évoluer. » déclare t-il.

Des LLM peu fiables

Beaucoup de plateformes no-code reposent aujourd’hui sur des modèles de langage (LLM) pour générer du code ou des logiques métier. Si ces modèles sont puissants, ils n’ont ni raisonnement humain, ni compréhension contextuelle approfondie. Résultat : il faut souvent tester plusieurs formulations pour obtenir le résultat attendu, ce qui peut devenir coûteux explique Devansh Agarwal**,** ingénieur machine learning chez AWS.

La gestion des modifications est également problématique: un petit changement dans les spécifications peut entraîner une réécriture complète ou une perte de cohérence dans l’application générée. Ce manque de fiabilité rend difficile l’automatisation de tâches complexes ou critiques.

Risques de sécurité

Toutes les plateformes low-code ne sont pas conçues avec un cadre de sécurité robuste. Dans les environnements réglementés, comme la santé ou la finance, cela peut poser de sérieux problèmes de conformité. Les secteurs fortement réglementés, comme la santé, imposent des exigences strictes que toutes les plateformes ne peuvent pas toujours satisfaire. Jon Kennedy, DSI de Quickbase (plateforme de low-code) recommande donc de limiter les accès et de renforcer les contrôles lorsque ces outils sont déployés à grande échelle ou utilisés par des utilisateurs externes.

Une des menaces majeures réside dans le fait que, lorsqu’un grand nombre de sites sont créés via une plateforme no-code/low-code, une faible vulnérabilité peut exposer des millions d'utilisateurs à un risque. De plus, ces utilisateurs ne possèdent souvent pas les compétences nécessaires pour corriger ces failles, ce qui les laisse vulnérables pendant de longues périodes.

Une portabilité complexe

De nombreusesplateformes low-code et no-code fonctionnent sur des écosystèmes fermés, ce qui complique le passage à un autre fournisseur. « Cette dépendance peut entraîner des coûts plus élevés et une flexibilité limitée », indique Devansh Aggarwal. Siri Varma Vegiraju, tech lead sécurité chez Microsoft, ajoute : « Si vous devez changer de plateforme, c’est un cauchemar. » Une fois qu'une entreprise choisit un outil, il devient extrêmement difficile de s'en défaire. Migrer vers une autre solution requiert souvent une reconstruction complète, tandis qu'avec des solutions basées sur du code traditionnel, il est généralement possible de modifier seulement certains composants ou dépendances.

Sous-estimation du potentiel

Bien que de nombreux experts soulignent les lacunes techniques des plateformes low-code, sous-estimer leur potentiel représente également un problème. Selon Alan Jacobson, directeur des données et de l’analyse chez Alteryx (spécialisé dans l'analytique), « Cela vient parfois du nom même de ces outils, qui évoque une technologie ‘simple’ et destinée à des non-techniciens. » Il précise que « Ce biais mène à une fausse idée selon laquelle ces solutions sont peu puissantes ou limitées. » Pour éviter cette erreur, il est essentiel que les entreprises forment leurs équipes afin qu'elles comprennent pleinement les capacités de ces outils, libérant ainsi leur véritable potentiel. Cela permettrait non seulement d’en tirer un bénéfice réel, mais aussi d’autonomiser les utilisateurs finaux.