La DSI de 2026 : d'opérateur à orchestrateur d'agents

Pendant des décennies, la Direction des Systèmes d'Information a joué un rôle fondamental mais relativement bien délimité : construire, maintenir et faire évoluer les infrastructures et applicatifs qui font tourner l'entreprise. Un rôle d'opérateur, rigoureux et indispensable. Mais quelque chose se passe en 2025-2026 qui redistribue les cartes de manière profonde et durable. L'IA ne se contente plus d'assister les humains — elle agit, elle décide, elle orchestre. Et la DSI, qu'elle le veuille ou non, se retrouve au cœur de cette transformation.

Ce n'est pas une évolution incrémentale. C'est une rupture opérationnelle. Les équipes de SFEIR et de WEnvision l'ont documenté dans leurs Tech Trends 2026 : nous entrons dans l'ère de l'IA agentique, où des agents autonomes prennent en charge des tâches complexes, interagissent avec les systèmes d'information et collaborent entre eux pour atteindre des objectifs métier. La DSI n'a plus seulement à administrer un SI — elle doit apprendre à orchestrer un réseau d'agents intelligents. Un changement de posture aussi profond que le passage du mainframe au web.

De l'assistant à l'agent : comprendre la rupture en cours

Pour mesurer l'ampleur du changement, il faut d'abord comprendre ce qui distingue un agent IA d'un simple outil d'assistance. Un copilote — qu'il s'agisse de GitHub Copilot ou d'un chatbot interne — répond à une question, suggère une action, complète une phrase. L'humain reste aux commandes, le système reste passif. Un agent IA, c'est fondamentalement différent : il planifie, il exécute, il s'adapte. Il interagit avec son environnement sans attendre d'être sollicité à chaque étape.

L'exemple le plus emblématique de cette transition est Claude Code, lancé par Anthropic en février 2025. Contrairement aux outils qui précèdent, Claude Code ne suggère pas du code — il prend les commandes. Il manipule des fichiers, interagit avec l'environnement de développement, exécute des tâches complexes de bout en bout. Le développeur humain, lui, passe au rôle de superviseur et d'architecte. Cette logique a immédiatement fait école : OpenAI Codex CLI, Gemini CLI, Mistral Code ont suivi. En quelques mois, tout un écosystème d'agents développeurs s'est constitué.

Ce qui vaut pour le développement logiciel vaut pour l'ensemble du SI. Les agents ne resteront pas cantonnés à écrire du code. Ils vont analyser des données, déclencher des workflows, appeler des APIs, coordonner des processus métier — et le feront de plus en plus de manière autonome. La question pour la DSI n'est donc pas de savoir si ces agents vont entrer dans le SI, mais comment les accueillir, les gouverner et les faire coopérer.

Le SI Conversationnel : quand l'interface devient dialogue

L'une des manifestations les plus visibles de cette transformation est l'émergence du SI Conversationnel. Derrière ce concept, une idée simple mais aux implications massives : les utilisateurs — qu'ils soient collaborateurs, clients ou partenaires — interagissent avec le système d'information non plus à travers des formulaires, des menus et des interfaces graphiques rigides, mais à travers un dialogue naturel.

Cette évolution ne se limite pas à coller un chatbot en front d'une application existante. Elle implique de repenser en profondeur la manière dont le SI expose ses capacités. Un agent conversationnel efficace doit pouvoir accéder aux données en temps réel, déclencher des actions dans les systèmes back-end, comprendre le contexte métier et gérer des conversations multi-tours. En d'autres termes, il faut que le SI soit API-first, context-aware et orchestrable.

Pour la DSI, cela soulève des questions architecturales concrètes. Comment exposer les données métier de manière sécurisée à des agents qui vont les consommer de façon dynamique ? Comment garantir la cohérence des actions déclenchées par voie conversationnelle avec les workflows existants ? Comment tracer et auditer les interactions pour répondre aux exigences de conformité ? Ce sont ces questions que les DSI commencent à traiter en 2026, souvent dans l'urgence, parce que les métiers n'attendent pas.

Chez SFEIR, nous accompagnons déjà plusieurs clients dans la conception de ces architectures conversationnelles. Le point de départ n'est jamais la technologie — c'est le cas d'usage métier. Quel processus, aujourd'hui manuel ou mal adressé par les outils en place, peut être transformé par un SI capable de dialogue ? La réponse à cette question conditionne tout le reste.

L'IA Mesh : quand les agents forment un réseau

Si le SI Conversationnel représente la façade visible de la transformation, le concept d'IA Mesh en constitue le moteur invisible. L'idée est celle d'un réseau distribué d'agents IA — spécialisés, interconnectés, capables de se coordonner pour accomplir des objectifs complexes qu'aucun agent seul ne pourrait atteindre.

Imaginez un processus de traitement de sinistre dans une compagnie d'assurance. Un agent analyse les documents soumis par l'assuré. Un autre interroge les bases de données historiques pour évaluer le risque. Un troisième déclenche les vérifications réglementaires nécessaires. Un quatrième coordonne la communication avec l'assuré et les parties prenantes internes. Chacun est spécialisé, chacun opère dans son domaine de compétence, et un orchestrateur supervise l'ensemble pour garantir la cohérence du résultat final. C'est l'IA Mesh en action.

Cette architecture distribuée offre des avantages considérables : modularité (on peut faire évoluer un agent sans refondre l'ensemble), résilience (la défaillance d'un agent n'effondre pas tout le système), spécialisation (chaque agent peut être optimisé pour son domaine). Mais elle introduit aussi des complexités nouvelles pour la DSI. Comment gérer l'état partagé entre agents ? Comment orchestrer les interactions sans créer de couplages trop forts ? Comment superviser un système dont le comportement émergent dépasse la somme de ses parties ?

Les standards commencent à émerger pour répondre à ces questions. Le protocole MCP (Model Context Protocol) d'Anthropic, par exemple, définit une manière standardisée pour les agents d'accéder aux outils et aux sources de données. Des frameworks comme LangGraph ou AutoGen proposent des primitives pour orchestrer des systèmes multi-agents. Mais ces technologies restent jeunes, et la DSI doit avancer avec prudence, en construisant des garde-fous solides avant de laisser les agents opérer de manière pleinement autonome.

La DSI comme orchestrateur : un nouveau rôle à construire

C'est là que réside le cœur de la transformation. La DSI de 2026 ne peut plus se contenter d'être un opérateur de systèmes — elle doit devenir un orchestrateur d'intelligence. Ce changement de posture est aussi culturel que technique.

En tant qu'opérateur, la DSI répondait à des demandes : déployer une infrastructure, développer une application, corriger un bug. Son horizon était la disponibilité et la performance des systèmes. En tant qu'orchestrateur, elle doit anticiper, concevoir et gouverner des écosystèmes dans lesquels des agents autonomes prennent des décisions. Son horizon devient la valeur métier générée et la maîtrise des risques associés.

Concrètement, cela se traduit par plusieurs responsabilités nouvelles :

• Concevoir les architectures agentiques : définir comment les agents sont structurés, comment ils communiquent, quelles données ils peuvent consommer et quelles actions ils peuvent déclencher.
• Gouverner les agents : établir des politiques claires sur les niveaux d'autonomie accordés, les mécanismes de supervision humaine, les processus d'audit et de traçabilité.
• Gérer le cycle de vie des agents : comme pour les applications traditionnelles, les agents doivent être testés, déployés, monitorés et mis à jour. Mais les méthodes diffèrent profondément — on ne "teste" pas un agent IA comme on teste un code déterministe.
• Assurer la souveraineté des données : dans un monde où des agents consomment massivement des données pour raisonner et agir, les questions de localisation, de confidentialité et de conformité deviennent critiques.
• Accompagner les métiers : la DSI doit être le partenaire des directions métier pour identifier les processus transformables, co-concevoir les agents et gérer le changement organisationnel qui en découle.

Ce dernier point est peut-être le plus important. Les Tech Trends 2026 le soulignent clairement : la transformation agentique rebat les cartes organisationnelles. Les hiérarchies se fluidifient, les experts reprennent le pouvoir, de nouveaux modèles de collaboration émergent. La DSI qui saura se positionner comme un partenaire stratégique des métiers — et non plus comme un prestataire technique en bout de chaîne — sera celle qui capturera le plus de valeur dans cette transition.

Les nouveaux défis : confiance, sécurité et gouvernance

Orchestrer des agents IA, c'est aussi assumer de nouvelles responsabilités en matière de sécurité et de confiance. Et sur ce point, les enjeux sont considérables. Un agent autonome qui interagit avec le SI peut, s'il est mal configuré ou compromis, déclencher des actions aux conséquences bien réelles : modifier des données, exfiltrer des informations, initier des transactions. La surface d'attaque du SI s'élargit mécaniquement avec chaque agent déployé.

Plusieurs vecteurs de risque méritent une attention particulière :

• Le prompt injection : une technique par laquelle un acteur malveillant insère des instructions dans les données que traite un agent pour détourner son comportement. Dans un agent qui traite des emails ou des documents externes, ce risque est particulièrement présent.
• L'escalade de privilèges : un agent qui commence avec des droits limités peut, si les garde-fous sont insuffisants, accéder à des ressources ou déclencher des actions qui dépassent son périmètre initial.
• La chaîne de confiance entre agents : dans un IA Mesh, un agent peut en appeler un autre. Si la confiance n'est pas correctement établie à chaque maillon, une compromission peut se propager.
• L'opacité des décisions : un agent qui prend des décisions basées sur un modèle de langage produit des raisonnements difficiles à auditer. Pour les processus réglementés, c'est un défi majeur.

Les Tech Trends 2026 insistent sur un point qui résonne fortement chez SFEIR : la souveraineté et la sécurité sont en train de devenir des avantages compétitifs, pas seulement des contraintes réglementaires. Les organisations qui sauront construire des architectures agentiques dignes de confiance — traçables, auditables, résilientes — seront celles qui pourront déployer des agents dans des cas d'usage à haute valeur sans crainte. Les autres resteront bloquées sur des périmètres périphériques, incapables d'accorder aux agents l'autonomie nécessaire pour générer un impact réel.

Construire cette confiance demande un travail rigoureux : définir des politiques d'habilitation granulaires pour les agents, mettre en place des mécanismes de supervision humaine pour les décisions à fort enjeu, journaliser l'ensemble des actions des agents, et tester systématiquement les comportements en conditions adversariales. Ce n'est pas glamour, mais c'est fondamental.

La transformation des équipes : du développeur au superviseur d'agents

La transformation de la DSI n'est pas seulement organisationnelle et architecturale — elle est aussi profondément humaine. Les profils et les compétences nécessaires évoluent, parfois de manière déstabilisante pour les équipes.

L'exemple de Claude Code est révélateur. Quand un agent peut écrire, tester et déployer du code de manière autonome, le développeur humain ne disparaît pas — mais son rôle change radicalement. Il passe de la rédaction syntaxique à l'ingénierie d'intention : définir précisément ce que l'agent doit accomplir, dans quel contexte, avec quelles contraintes. Il passe à la supervision de qualité : évaluer les livrables de l'agent, identifier les erreurs, corriger le cap. Il devient architecte de systèmes dans lesquels les agents sont des composants à part entière.

Cette évolution demande des efforts considérables en conduite du changement. Les Tech Trends 2026 le soulignent explicitement : l'émergence des outils agentiques comme Claude Code ou Gemini CLI nécessite une évolution des pratiques, des méthodes et des mentalités. Ce n'est pas quelque chose qui s'impose brutalement — c'est un processus qui doit être accompagné.

Pour les DSI, cela implique plusieurs chantiers en parallèle :

• Former les équipes aux nouvelles pratiques : prompt engineering, évaluation de la qualité des sorties d'agents, supervision de workflows agentiques.
• Redéfinir les rôles : qui est responsable d'un agent en production ? Comment s'articulent les responsabilités entre l'équipe qui a conçu l'agent, celle qui le supervise et celle qui est responsable du processus métier qu'il automatise ?
• Créer de nouveaux métiers : l'AI Ops, l'ingénieur d'orchestration, le responsable de la gouvernance des agents sont des rôles qui n'existaient pas il y a trois ans et qui deviennent essentiels.
• Maintenir la motivation des équipes face à une technologie qui peut être perçue comme menaçante. Le message à porter est celui des Tech Trends 2026 : l'expert et le créatif reprennent le pouvoir. Les agents prennent en charge les tâches répétitives et à faible valeur ajoutée — les humains se concentrent sur le jugement, la stratégie et la relation.

Par où commencer : les premières étapes concrètes

Face à l'ampleur de la transformation, la tentation peut être soit de foncer tête baissée dans tous les sujets à la fois, soit au contraire d'attendre que les standards se stabilisent. Les deux postures sont risquées. La première génère de la dette technique et des déceptions. La seconde laisse le champ libre à des acteurs plus agiles — souvent des directions métier qui n'attendent pas la DSI pour expérimenter.

L'approche que nous préconisons chez SFEIR est celle du pragmatisme structuré : commencer par des cas d'usage à valeur claire et périmètre limité, mais en construisant dès le départ des fondations architecturales solides qui permettront de passer à l'échelle.

Quelques axes de démarrage concrets :

• Identifier deux ou trois cas d'usage pilotes à fort potentiel de valeur et faible risque opérationnel. Les processus documentaires, les tâches de réconciliation de données ou les workflows de support interne sont souvent de bons candidats.
• Construire une couche d'orchestration commune plutôt que de laisser proliférer des agents en silos. Dès le premier agent, penser à comment le deuxième et le troisième s'intégreront — c'est la fondation de l'IA Mesh.
• Définir la politique de gouvernance des agents avant de déployer en production : niveaux d'autonomie, mécanismes de supervision, règles d'accès aux données, processus d'audit.
• Investir dans l'observabilité : un agent en production doit être aussi monitoré qu'un service critique. Les outils de traçabilité des LLM (LangSmith, Phoenix d'Arize, etc.) commencent à mûrir — en faire usage dès le départ.
• Créer une communauté de pratique interne autour des agents IA, qui réunisse développeurs, architectes, responsables métier et équipes de sécurité. La transformation agentique est trop transverse pour être portée par une seule équipe.

SFEIR accompagne ses clients sur chacun de ces axes, en mobilisant des expertises complémentaires — architecture Cloud, Data, IA, mais aussi conduite du changement et stratégie. Parce que la transformation de la DSI en orchestrateur d'agents n'est pas un projet technique parmi d'autres : c'est un chantier de transformation organisationnelle à part entière.

Conclusion : l'orchestrateur comme avantage compétitif

La DSI de 2026 est à un carrefour. D'un côté, la pression des métiers qui veulent avancer vite, expérimenter avec les agents IA disponibles sur le marché et automatiser leurs processus sans forcément attendre une validation centrale. De l'autre, les risques réels — sécurité, conformité, cohérence du SI — qui justifient une gouvernance rigoureuse.

La bonne nouvelle, c'est que ces deux impératifs ne sont pas contradictoires. Une DSI qui sait construire des fondations agentiques solides — une couche d'orchestration flexible, une politique de gouvernance claire, une architecture de SI Conversationnel bien pensée, les prémices d'un IA Mesh cohérent — devient un accélérateur pour les métiers plutôt qu'un frein. Elle transforme la contrainte de gouvernance en capacité d'innovation rapide et responsable.

C'est ce glissement, d'opérateur à orchestrateur, qui définit la DSI de demain. Pas un rôle diminué par les agents IA, mais un rôle élargi et approfondi : celui qui tient ensemble l'intelligence distribuée du système, qui en garantit la cohérence, la sécurité et l'alignement avec la stratégie de l'entreprise.

Les organisations qui comprendront cela et qui investiront pour le réaliser — avec méthode, ambition et humilité face à la complexité du chemin — seront celles qui transformeront cette vague technologique en avantage compétitif durable. Comme le souligne l'avant-propos des Tech Trends 2026 : l'innovation ne vaut que si elle est partagée, et l'avenir se construit ensemble. C'est précisément la conviction qui guide l'accompagnement de SFEIR sur ces sujets.