L’innovation a changé de rythme et devient une architecture à penser sur le long terme, intégrant performances et gouvernance. Les DSI doivent composer avec l’IA, la cybersécurité et les contraintes géopolitiques pour bâtir des systèmes résilients et utiles.
Gartner propose dix tendances qui structurent l’action des directions informatiques et orientent les priorités technologiques vers 2026, dans un contexte de régulations et de rareté des ressources. Cette feuille de route conduit naturellement au point suivant sur les éléments clés à retenir.
A retenir :
- Plateformes AI-native intégrées au cycle logiciel
- Supercomputing privé et optimisation énergétique
- Confidential computing pour données en exécution
- Provenance numérique et géopatriation renforcées
Pour concrétiser ces enjeux, les plateformes de développement IA natives redéfiniront le cycle logiciel
L’intégration de l’IA dans chaque phase du SDLC
Les plateformes AI-native déplacent l’IA de simple outil à moteur productif pour l’ensemble du cycle logiciel. Selon Gartner, elles automatisent la génération de code, les tests et la revue, réduisant considérablement les délais de livraison.
Des acteurs comme Microsoft, Google et GitHub proposent déjà des suites intégrées qui combinent copilots et pipelines CI/CD. Selon Microsoft, ces environnements permettent à de petites équipes d’augmenter leur production sans multiplier le nombre de développeurs.
Exemple concret : une équipe de dix développeurs utilisant GitHub Copilot livre plus de services modulaires en parallèle. Ce modèle impose cependant des règles strictes de gouvernance pour le code généré et les licences.
La montée en puissance de ces plateformes doit aussi préparer l’usage de supercomputing et des enclaves sécurisées. Ce passage implique des arbitrages techniques et financiers pour la suite des décisions.
Actions pour DSI :
- Définir contrôle de qualité du code assisté
- Mettre en place traçabilité des sorties générées
- Standardiser les pipelines CI/ML dans l’entreprise
Fonction
Exemple de solution
Fournisseur
Impact attendu
Code assisté
Copilot Studio
Microsoft
Productivité accrue
Plateforme ML
Vertex AI
Google
Orchestration modèle
DevOps IA
SageMaker
AWS
Déploiement rapide
Data & Lake
Databricks
Databricks
Gouvernance données
« J’ai vu nos cycles de déploiement passer de mois à semaines grâce aux assistants IA intégrés »
Marie D.
Pour illustrer, une courte démonstration montre l’assemblage d’un pipeline AI-native en quelques minutes. Cette démonstration aide à convaincre les métiers de l’intérêt stratégique des investissements.
Risques et bonnes pratiques pour industrialiser
La généralisation de l’IA dans le SDLC génère des risques autour des secrets, des licences et de la dette technique. Selon Gartner, la traçabilité et le contrôle des modèles deviennent des priorités pour limiter ces risques.
Les bonnes pratiques incluent l’inventaire des usages, l’audit des données d’entraînement et la limitation des privilèges d’accès. Selon NIST, les cadres de contrôle aident à formaliser ces pratiques et à réduire l’exposition.
En anticipant ces points, les équipes préparent le déploiement sur des infrastructures haute performance et sécurisées. Ce passage conduit directement aux exigences d’architecture à l’échelle des supercalculateurs.
Image illustrative ci-dessous pour ancrer le propos technique et opérationnel.
En parallèle, le supercomputing et le confidential computing structurent la puissance et la confiance
Supercomputing pour entraîner des modèles de fondation massifs
Les plateformes de calcul haute performance rendent possibles les entraînements de modèles massifs et la recherche accélérée en R&D. Selon Gartner, ces infrastructures seront déterminantes pour conserver une souveraineté technologique.
Nvidia, Google et Amazon proposent des offres qui combinent GPU, interconnexion et logiciels d’orchestration pour l’IA à grande échelle. Selon Nvidia, ces stacks accélèrent les expérimentations industrielles dans la biotechnologie et l’énergie.
Risques et coûts :
- Consommation énergétique élevée
- Besoin massif de refroidissement spécialisé
- Rareté des puces et contraintes CAPEX
Un tableau synthétique ci-dessous rappelle les éléments à évaluer avant investissement. Il aide à comparer options cloud et solutions privées selon contraintes locales.
Composant
Solution type
Fournisseur principal
GPU dense
AI Factory
Dell / HPE
Cloud IA
Cloud hyperscaler
Microsoft / Google
TPU
Accélérateurs propriétaires
Google / Nvidia
Services managés
AI platform
AWS / Azure
« Nous avons choisi un modèle hybride pour garder contrôle et flexibilité face aux coûts »
Lucas P.
L’intégration du confidential computing permet en parallèle de protéger les données en cours de traitement, même chez des fournisseurs étrangers. Cette exigence rejoint les questions de souveraineté abordées ensuite.
Confidential computing et cas d’usage sensibles
Les enclaves matérielles permettent à plusieurs organisations de collaborer sans exposer les données en clair, utile pour la santé et la finance. Selon Microsoft, Azure Confidential VMs et AWS Nitro Enclaves répondent déjà à ces besoins.
Des standards comme AMD SEV-SNP et Intel TDX encadrent ces solutions tout en évoluant vers ARM. Les DSI doivent planifier l’intégration de ces technologies pour préserver la confidentialité des traitements.
La montée en puissance de ces protections prépare le terrain pour des stratégies de sécurité préemptive et de provenance numérique. Ce lien constitue le point suivant, centré sur la confiance.
Ensuite, la sécurité préemptive, la provenance numérique et la géopatriation consolident la confiance numérique
Cybersécurité préemptive et plateformes de sécurité IA
La cybersécurité doit évoluer vers la prédiction et la prévention des attaques plutôt que la simple réaction. Selon Gartner, l’IA agentique et les plateformes de sécurité dédiées changent les pratiques opérationnelles actuelles.
Des acteurs comme IBM, CrowdStrike et Palo Alto développent des capacités d’automatisation et de leurre pour réduire l’impact des incidents. Selon NIST, l’adoption de frameworks facilite la mesure du risque et la conformité.
Mesures prioritaires :
- Automatiser le threat hunting alimenté par IA
- Mettre en place red teaming continu
- Limiter les faux positifs par tuning modèles
« Nous avons réduit les alertes bruyantes grâce à des règles IA mieux calibrées »
Aude R.
Provenance numérique, DPP et géopatriation pour la souveraineté
La provenance numérique s’appuie sur la blockchain et le watermarking pour garantir l’origine des contenus et des données produits. Selon Gartner, ces mécanismes seront essentiels pour contrer les deepfakes et certifier les chaînes d’approvisionnement.
Le Digital Product Passport européen et des initiatives comme C2PA renforcent ce mouvement, tandis que des acteurs locaux tels qu’OVHcloud ou Arianee proposent des alternatives souveraines. Selon Gartner, 75% des entreprises EMEA envisagent un rapatriement partiel de leurs charges.
Procédures recommandées :
- Inventorier les flux critiques et marquage SBoM
- Évaluer options cloud souveraines locales
- Verifier provenance via signatures cryptographiques
« Nous avons rapatrié des workloads pour garantir résilience et conformité locale »
Henri N.
Les décisions de 2026 demanderont d’arbitrer entre agilité mondiale et contrôle local, en conciliant innovation et responsabilité. Ce dilemme restera central pour les DSI et cadrera les priorités technologiques à venir.
Source : Laurent Delattre, « Gouvernance », Le Monde Informatique, 24 octobre 2025.