L'IA générative ne résoudra pas le problème de la migration vers le cloud

La direction était optimiste quand l’entreprise XYZ, Inc. s'est lancée dans la migration de ses systèmes patrimoniaux vers le cloud à l'aide d'outils d'IA générative de pointe. Le partenariat avec un fournisseur de solutions d'IA de premier plan promettait efficacité et réduction des coûts. Cependant, les outils d'IA générative n’ont pas été à même de gérer seuls la complexité et la spécificité des systèmes de l’entreprise, et de fréquentes interventions manuelles ont été nécessaires. Les délais ont été constamment révisés et le projet a dépassé le budget six mois après le début de la migration. Ce qui devait être un processus rationalisé s'est transformé en un enchevêtrement de dépenses et de retards inattendus. Mais qu’est-ce qui s’est donc passé ?

L'expérience de l’entreprise XYZ contredit l'affirmation du cabinet d’études McKinsey selon laquelle « l'utilisation de l'IA générative simplifie la migration vers le cloud de 30 à 50 % quand elle est bien menée ». Ma boîte de messagerie est pleine de message d’entreprises qui souhaitent effectuer des migrations dans le cloud à moindre coût et celles-ci ne cessent de me poser des questions sur les outils de migration alimentés par l'IA générative qui raccourcissent ce processus. Certes, l'utilisation de l'IA pour la migration présente des avantages légitimes, comme le développement d’applications et le remaniement des applications. Cependant, trop souvent, des articles comme celui-là et d'autres font croire que l'IA générative nous sauvera de la pénurie de talents et nous permettra de réussir ses migrations dans les courts délais imposés.

Promesses et dangers

À première vue, l'utilisation de grands modèles de langage (LLM) pour la migration vers le cloud à tout l’air d’une solution miracle. Théoriquement, ces modèles peuvent comprendre l'infrastructure d'un système et produire les scripts nécessaires pour faciliter la migration. Cependant, l'hypothèse selon laquelle l'IA générative peut homogénéiser les paysages divers et complexes de l’IT d'entreprise mérite d’être reconsidérée. Parce que :

• Chaque projet de migration vers le cloud est unique. Ses complexités exigent des outils et des processus spécifiques adaptés à des types de problèmes particuliers. L'IA générative tient rarement compte de la nature personnalisée de ces exigences, ce qui conduit à des solutions à moitié construites qui nécessitent une intervention humaine substantielle pour être corrigées.

• De nombreuses entreprises utilisent des systèmes existants. Les flux de travail sont souvent nuancés et non documentés. Les responsables de la gestion du cycle de vie peuvent avoir besoin d'aide pour interpréter correctement ces complexités, ce qui entraîne des lacunes dans le processus de migration. Ces lacunes peuvent nécessiter des réécritures coûteuses et des sessions de débogage intenses, ce qui va à l'encontre de l'objectif premier de l'utilisation de l'IA.

• Les entreprises des secteurs réglementés sont confrontées à des exigences de conformité strictes. Même si l'IA générative peut aider à identifier les problèmes de conformité potentiels, la validation finale nécessite souvent une supervision humaine pour s'assurer que les recommandations pilotées par l'IA respectent les normes réglementaires, ce qui peut ajouter de la complexité et des coûts.

Pas de solution simple

L'attrait de l'IA générative réside dans sa promesse d'automatisation et d'efficacité. Si la migration vers le cloud se limitait à un scénario unique, cela fonctionnerait. Mais chaque entreprise est confrontée à des défis uniques en fonction de sa pile technologique, de ses exigences commerciales et de son environnement réglementaire. Il n'est pas réaliste d'attendre d'un modèle d'IA générative qu'il prenne en charge toutes les tâches de migration de manière transparente. À mon avis, le temps de mettre en place une chaîne d'outils de migration de l'IA pour aider à la migration, le délai et le coût de cette chaîne d'outils mettraient à bas tout avantage potentiel. En y réfléchissant, le secteur IT ne manque pas d'exemples de technologie qui annule une valeur au lieu d'en ajouter. D'après mon expérience, je peux dire que c’est le cas environ la moitié du temps.

La réussite des migrations vers le cloud repose sur des outils spécialisés et sur l'expertise humaine. Par exemple, des outils personnalisés permettent de résoudre des problèmes spécifiques rencontrés au cours de la migration. Les tests synthétiques en temps réel et les frameworks d'infrastructure en tant que code sont indispensables pour gérer en détail les tâches de migration. Par ailleurs, la supervision humaine reste nécessaire. Les professionnels qualifiés apportent une vision critique qui fait défaut à l'IA. Leur expertise est essentielle pour relever les défis imprévus et garantir l'intégrité du processus de migration.

Le coût réel de l'IA générative

Au-delà de l'investissement initial dans les outils d'IA, les coûts cachés de l'IA générative pour la migration vers le cloud s'accumulent rapidement. Par exemple, l'exécution de modèles d'IA générative nécessite souvent des ressources IT importantes, qui peuvent s’avérer coûteuses. De plus, la mise à jour et la sécurisation des modèles d'IA générative exigent une gestion robuste des API et des mesures de cybersécurité. Enfin, pour rester pertinents, les modèles d'IA doivent être affinés et recyclés en continu, ce qui entraîne des coûts permanents. Ces facteurs conduisent fréquemment à une situation très similaire à celle de notre entreprise fictive XYZ Inc. L'IA générative, bien que précieuse à certains égards, n'est pas encore la panacée pour les complexités de la migration vers le cloud.

Je sais ce que se disent certains d'entre vous. « Voilà encore ce David Linthicum qui critique cette fois l'IA générative et gâche notre envie d’utiliser l'IA comme multiplicateur de force pour effectuer des migrations dans le cloud ». Une stratégie commerciale réussie repose sur ce qui fonctionne bien et ce qui doit être amélioré. Nous savons tous que l'IA est un outil puissant, et ce, depuis des décennies, mais elle doit être envisagée avec précaution, seulement après avoir identifié le problème spécifique que l’on cherche à résoudre. La migration vers le cloud est un processus complexe, aux multiples facettes, qui exige des solutions adaptées aux besoins uniques de l'entreprise. Si l'IA générative est prometteuse, une dépendance excessive à son égard peut entraîner une augmentation des coûts et des complexités plutôt qu'une simplification. La clé d'une migration réussie réside dans une approche équilibrée, tirant parti de l'IA là où elle excelle tout en s'appuyant sur des outils spécialisés et l'expertise humaine pour trouver sa voie dans le parcours épineux de la transition vers le cloud. En comprenant les limites et les applications réalistes de l'IA générative, les entreprises peuvent mieux planifier leurs stratégies de migration, éviter les pièges de la sur-automatisation et assurer une transition plus fluide et plus rentable vers le cloud.