Digital workplace, IA et intéropérabilité : un problème qui reste entier

On ne cesse depuis des années d’empiler les outils supposés fluidifier le travail : messageries, CRM, ERP, plateformes collaboratives… A chaque besoin nouveau correspond un nouvel outil qui vient s’ajouter aux autres, souvent de manière indépendante.

Pourtant malgré cela le quotidien des collaborateurs reste fragmenté entre les outils, les flux de travail connaissent des ruptures de charge, les données sont dispersées et la coordination est parfois complexe mais dans tous les cas compliqué.

Dans les faits il serait donc plus juste de dire que ces outils améliorent le travail dans une certaine mesure mais ne le fluidifient que rarement, voire ont l’effet inverse.

Ce problème je l’ai déjà abordé à plusieurs reprises : l’expérience dans les outils est pensée verticalement dans chaque outil alors que le parcours du collaborateur au fil de son travail est transversal et passe d’outil en outil (Quelle (digital) workplace experience pour vos collaborateurs ? et Une expérience IT compliquée. Irritant #7 de l’expérience employé).

Certains voient dans l’émergence de l’IA générative la baguette magique qui résoudrait tout les problèmes et donc celui-ci. L’IA serait capable de faire le lien entre les applications, les données, de faire oublier la dispersion et de permettre aux utilisateurs de faire tout leur travail depuis une seule interface, conversationnelle, sans plus avoir à s’occuper des outils cachés derrière.

Une idée dans l’air du temps que certains que je qualifierai au choix de rêveurs ou d’idéalistes poussent à son extrême en prédisant que l’IA allait faire disparaitre les applications là où je rejoins plutôt ceux qui pensent à des applications qui deviendront « headless » mais ne disparaitraient pas pour autant (Agent IA personnel, SaaS headless… ce que le futur nous réserve).

Mais cela me rappelle un sujet qui me faisait fulminer à l’époque lointaine où je plaidais pour l’intéropérabilité entre outils métier et plateformes de collaboration sociales et je reste persuadé que ce manque a contribué largement à l’échec de ces dernières (Grandeur et décadence des réseaux sociaux d’entreprise). Je pense qu’on en revient au même problème et qu’une question reste largement sous-estimée : est-ce réellement une question d’IA, ou continue-t-on simplement à contourner le vrai sujet, celui de l’interopérabilité ?

En bref :

L’empilement d’outils numériques crée une fragmentation des tâches et des données.
L’interopérabilité est avant tout un enjeu organisationnel, au-delà de la technique.
L’IA dépend de l’accès aux données et des capacités d’intégration, sans résoudre la fragmentation.
Les surcouches comme LumApps améliorent l’expérience mais restent tributaires des limites des systèmes métiers.
API et MCP sont essentiels pour actionner les données dans le cadre d’une bonne gouvernance.

La fragmentation est structurelle

La digital workplace n’a jamais été pensée comme un système cohérent mais s’est construite par accumulation, chaque entité métier ajoutant ses outils selon ses priorités. Un monde de développement opportuniste a produit un environnement où coexistent des dizaines de systèmes parallèles qui ne sont que rarement intégrés et synchronisés les uns avec les autres.

J’en veux d’ailleurs pour exemple la croissance exponentielle de certains outils comme Lumapps ou Powell qui viennent en surcouche de ce puzzle applicatif pour offrir une expérience plus cohérente aux utilisateurs mais c’est un sujet dont je reparlerai plus bas.

Mais ce morcellement n’est pas seulement technique. Il est souvent le fruit d’une organisation siloté, fragmentée et par conséquent compliquée et contribue à renforcer ce phénomène et ses effets (La complication organisationnelle : irritant #1 de l’expérience employé): friction à chaque niveau de l’activité, usure progressive des équipes, qui passent plus de temps à compenser les défauts du système qu’à faire leur travail et vraiment produire quelque chose. C’est vrai dans la vraie vie et c’est donc vrai dans les outils également.

L’interopérabilité: une question importante mais mal posé

Cette situation n’est pas le fruit d’un déficit d’outil mais d’une incapacité à les faire se parler. L’interopérabilité reste en effet le point faible de la plupart des stratégies digitale workplace.

Elle se joue pourtant à plusieurs niveaux :

Technique : sans API ouvertes et maintenues, les systèmes restent silotés.
Fonctionnelle : sans cohérence voire « synchronisation » des processus métiers, l’organisation n’est pas alignée
Sémantique : sans référentiels partagés, les données circulent sans sens partagé.

On continue pourtant à aborder l’interopérabilité comme un problème d’intégration IT alors qu’en réalité, c’est un avant tout un sujet de design organisationnel voire de work design. Conception des flux de travail, structuration et gouvernance de l’entreprise qui déterminent souvent celles des données, tant que ces questions restent sans réponse l’empilement continuera.

L’IT et l’organisation se suivent et se renforcent l’une l’autre : si l’une pense en silos au lieu de synergies l’autre suivra.

L’IA face à la fragmentation : une solution miracle ?

L’arrivée de l’IA générative alimente aujourd’hui une forme de fantasme. Puis que les systèmes ne sont pas intégrés il il suffirait de confier à l’IA la tâche de retrouver et d’agréger l’information dispersée voire d’agir sur elle en pilotant les outils qui la contiennent. Et dans certains cas, cette approche fonctionne : l’IA sait retrouver, résumer, produire des contenus à partir de corpus épars.

Mais cette capacité reste conditionnée par trois facteurs : l’accès aux donnée, la qualité des sources et la capacité à piloter les outils. L’IA ne fabrique pas l’interopérabilité mais dépend de l’accès à l’information et aux fonctionnalités des outils. Quand les systèmes sont fermés, qu’il n’y a pas d’APIs ou des APIs limitées, quand les droits d’accès ne sont pas clairs, l’IA ne fera pas de miracle.

Surtout, une autre forme de fragmentation est à prendre en compte : chaque éditeur intègre aujourd’hui son propre copilote IA à l’intérieur de ses outils (L’IA générative en entreprise : un casseur de silo ou une couche de plus dans une IT déjà complexe ?) et ne veut surtout pas que les IA des autres puisse puiser dans ses données à part dans de rares cas où des éditeurs non concurrents décident de faire « IA commune » ou presque (Workday Salesforce Partnership: Teaming Up For Enterprise AI). On ne résout pas la dispersion, on la déplace et après la fragmentation applicative vient la fragmentation des assistants, chacun cantonné à son périmètre, incapable de coopérer avec les autres. On multiplie ainsi les silos cognitifs sans changer la structure du problème voire en laissant les choses empirer.

Alors bien sûr il y a des entreprises qui s’affranchissent de ces limites avec des développements fait maison mais cela a un prix et peu peuvent se l’offrir.

Surcouche logicielle sur la digital workplace : une excellente intention mais pas une baguette magique

Je parlais tout à l’heure du succès de ces solutions qui apportent une surcouche aux multiples applications qui constituent la digital workplace et qui au delà d’une meilleure cohérence dans l’expérience utilisateur commencent à apporter cette interaction « headless » avec ces outils.

L’idée est brillante, j’ai vu des démos qui m’ont emballé mais ces éditeurs ne sont pas des magiciens.

Par exemple, si j’ai bien compris la logique de Lumapps (superbe solution en passant), ses assistants IA améliorent l’accès à l’information interne (recherche intelligente, suggestions de contenu, aide rédactionnelle) et facilitent la navigation vers certaines actions métier via des intégrations API mais ils n’exécutent pas directement les transactions métier (ex. poser un congé, valider une absence). Ces opérations restent portées par les moteurs transactionnels des applications métiers (Workday, Salesforce…) ou par des intégrations spécifiques développées en surcouche. L’IA de LumApps agit sur la couche d’expérience et de contenu, pas sur la logique métier transactionnelle mais c’est déjà un grand pas en avant.

Par contre ils ne peuvent aller au delà de ce que permettent les APIs et certains besoins demanderont des développements spécifiques.

API et MCP : deux couches complémentaires

Pour aller plus loin sur le sujet, si l’on veut que l’IA joue le rôle de fluidificateur d’expérience qu’on aimerait lui voir jouer, deux choses sont nécessaires.

Les API ouvrent l’accès aux données

Les API restent le socle de base. Elles permettent de rendre accessibles les données des systèmes métiers, de synchroniser les statuts, de récupérer l’information utile aux process. Sans API solides, les modèles d’IA n’ont qu’une visibilité partielle sur ce qui se passe dans les application et donc sur la vie de l’entreprise.

Les MCP orchestrent l’usage des IA

Les Model Connectivity Platforms (MCP) ajoutent une seconde couche. Leur rôle est de piloter l’usage coordonné de plusieurs modèles d’IA. Dans un environnement digital mature, il ne s’agira pas de s’appuyer sur un unique modèle, mais sur un portefeuille de moteurs spécialisés : modèles généralistes, modèles internes métiers etc.

Les MCP permettent de router les requêtes, de composer des réponses multi-sources et de gérer la gouvernance de l’usage des IA. Là où les API ouvrent l’accès aux données, les MCP organisent l’exploitation des capacités d’IA sur ces données. L’un sans l’autre ne suffit pas.

Derrière la technique, la gouvernance

Au-delà des couches techniques, il y a bien un sujet de gouvernance. Interopérabilité technique et cognitive supposent que l’organisation ait clarifié :

la structure et la propriété de ses données,
la cohérence de ses référentiels métiers,
les règles de gestion des flux d’information,
les droits d’accès et les circuits de décision.

Sans cette gouvernance l’ajout de nouvelles technologies ne produit que des effets de surface et peut même aggraver les choses.

Conclusion

La fragmentation reste aujourd’hui le problème central de la digital workplace. L’IA, contrairement à ce que certains voudraient croire, ne règle pas ce problème mais elle le révèle. Ce qui conditionnera sa réussite ne sera pas la multiplication des copilotes IA, mais la capacité à concevoir une architecture cohérente de l’information et des processus et de les rendre tous actionnables par l’IA.

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)