No-code et Low-code à l'ère des agents : encore pertinent ?

La promesse du no-code et du low-code : rappel d'un idéal émancipateur

Il y a encore quelques années, le no-code et le low-code portaient une promesse radicale : démocratiser la création d'applications en s'affranchissant des contraintes du développement traditionnel. Des outils comme OutSystems, Mendix, Bubble ou Power Apps ont permis à des profils métier — des responsables RH, des chefs de projet, des contrôleurs de gestion — de concevoir des workflows, des formulaires et des tableaux de bord sans écrire une seule ligne de code. C'était, dans une certaine mesure, une révolution silencieuse.

Cette vague a répondu à un problème réel : la fracture persistante entre les besoins métiers, qui évoluent à grande vitesse, et les capacités des équipes IT, souvent débordées. Le low-code s'est imposé comme un pont pragmatique, une façon de mettre le pouvoir de création entre les mains de ceux qui connaissent le problème. Et dans de nombreuses organisations, il a tenu ses promesses.

Mais en 2026, le paysage technologique a profondément changé. L'IA générative n'est plus seulement un outil qui suggère du code ou formule des réponses : elle agit, orchestre, décide. Dans ce nouveau contexte, la question mérite d'être posée sans détour — et sans nostalgie — : le no-code et le low-code ont-ils encore un rôle à jouer ? Ou sont-ils en train d'être absorbés, dépassés, voire rendus obsolètes par l'avènement des agents IA ?

L'ère agentique : quand l'IA passe de la parole aux actes

Pour comprendre l'enjeu, il faut d'abord saisir l'ampleur de la rupture que représente l'IA agentique. Les Tech Trends 2026 de SFEIR et WEnvision sont explicites sur ce point : nous ne sommes plus dans l'ère du copilote, nous sommes dans celle de l'agent autonome.

Le lancement de Claude Code en février 2025 illustre parfaitement cette bascule. Là où GitHub Copilot ou Cursor se contentaient de suggérer des fragments de code à un développeur actif, Claude Code prend les commandes : il manipule des fichiers, interagit avec l'environnement de développement, exécute des tâches complexes de manière autonome. Le développeur humain, lui, passe au rôle de superviseur et d'architecte. Ce n'est pas un gain de productivité incrémental — c'est une recomposition de la chaîne de valeur du développement logiciel.

Cette dynamique ne se limite pas au code. Dans les entreprises, des agents IA commencent à orchestrer des processus entiers : analyser des données, envoyer des communications, mettre à jour des systèmes, déclencher des workflows. Là où un utilisateur low-code construisait hier un formulaire pour déclencher une approbation, un agent peut aujourd'hui interpréter une intention exprimée en langage naturel et exécuter l'ensemble de la séquence de façon autonome.

C'est dans ce contexte que la pertinence du no-code et du low-code doit être réévaluée — non pas pour les enterrer, mais pour comprendre comment ils se repositionnent.

Generative UI : quand l'interface naît de la conversation

L'un des concepts les plus structurants de cette nouvelle ère est celui de la Generative UI. L'idée est aussi simple que disruptive : au lieu de construire une interface statique, figée dans ses menus et ses boutons, l'interface se génère dynamiquement en réponse aux besoins de l'utilisateur, à l'instant T, dans le bon contexte.

Imaginez un responsable commercial qui demande à son système : "Montre-moi les comptes à risque de churn ce trimestre avec leurs contacts clés." Dans une logique de Generative UI, le système ne renvoie pas vers un tableau de bord préconfiguré — il compose, en temps réel, une interface pertinente : un tableau filtré, les fiches contacts enrichies, une suggestion d'action prioritaire, peut-être même un brouillon d'email de relance. L'interface devient une réponse, pas un outil.

Ce paradigme remet en cause une hypothèse fondamentale du no-code : que l'acte de construire une interface est un prérequis nécessaire à son utilisation. Avec la Generative UI, l'interface émerge de l'usage. Elle n'est plus conçue en amont, elle est générée en aval. Pour les plateformes low-code, cela représente à la fois une menace et une opportunité : une menace si elles se contentent de proposer des constructeurs d'interfaces traditionnels, une opportunité si elles intègrent nativement ces capacités génératives.

Chez SFEIR, nous observons que cette évolution ne supprime pas le besoin de structuration — elle le déplace. Quelqu'un doit toujours définir les données disponibles, les règles métier, les périmètres d'autorisation. Ce travail de fond, souvent réalisé aujourd'hui sur des plateformes low-code, reste indispensable. La Generative UI consomme de la structure ; elle ne la produit pas.

Le SI conversationnel : une nouvelle couche d'orchestration

À côté de la Generative UI, l'autre concept central de cette transformation est celui du SI Conversationnel. L'idée n'est pas nouvelle dans ses prémices — les chatbots d'entreprise existent depuis des années — mais sa concrétisation en 2025-2026 est d'une toute autre nature.

Un SI Conversationnel ne se réduit pas à un assistant qui répond à des questions. C'est une couche d'orchestration intelligente qui permet à des agents IA d'interagir avec l'ensemble du système d'information — ERP, CRM, outils de collaboration, bases de données — via des interfaces en langage naturel. L'utilisateur exprime une intention, l'agent la décompose, identifie les systèmes concernés, exécute les actions nécessaires et restitue un résultat.

Dans cette logique, le SI Conversationnel devient potentiellement la couche d'interaction principale, celle qui remplace — ou complète — les portails, les applications métier, les tableaux de bord. Pour une direction RH, cela peut signifier : "Prépare une synthèse des entretiens annuels des équipes commerciales avec les points de vigilance prioritaires." L'agent interroge les outils SIRH, les données de performance, peut-être les notes de managers stockées dans un outil de collaboration, et compose une réponse structurée.

Ce modèle soulève une question directe pour le low-code : si les utilisateurs métier n'ont plus besoin de construire des interfaces pour accéder à leurs données et déclencher des actions, pourquoi utiliseraient-ils des plateformes de construction d'applications ? La réponse nuancée est que le SI Conversationnel ne fonctionne pas ex nihilo. Il s'appuie sur des API, des connecteurs, des workflows configurés, des schémas de données — autant d'éléments que les plateformes low-code excellent à produire et à maintenir.

Ce que le low-code fait encore mieux que les agents

Soyons précis : annoncer la mort du no-code et du low-code serait aussi réducteur qu'annoncer hier la mort du code au profit du low-code. La réalité est plus subtile, et elle tient à ce que ces approches font intrinsèquement mieux que les agents IA dans certains contextes.

La gouvernance et l'auditabilité

Les processus métier critiques — approbations financières, gestion des données personnelles, workflows réglementés — nécessitent une traçabilité sans ambiguïté. Une plateforme low-code comme Power Automate ou Appian offre des journaux d'audit, des mécanismes de validation, des processus versionés et documentés. Un agent IA autonome, aussi performant soit-il, introduit une opacité qui peut être incompatible avec les exigences de conformité. Dans les secteurs régulés — banque, assurance, santé — cette dimension n'est pas négociable.

La fiabilité et la prévisibilité

Un workflow low-code bien conçu fait exactement ce pour quoi il a été configuré, à chaque exécution. Cette déterminisme est une valeur en soi dans de nombreux contextes opérationnels. Les agents IA, par leur nature probabiliste, peuvent produire des résultats variables — ce qui est acceptable pour une recherche d'information, mais problématique pour un processus de commande ou une mise à jour de données contractuelles.

L'accessibilité aux profils non techniques

Ironiquement, le low-code reste souvent plus accessible que les interfaces de prompt engineering pour les profils métier non technophiles. Glisser-déposer une condition dans un workflow visuel reste plus intuitif, pour certains utilisateurs, que de formuler une instruction précise à un agent et d'évaluer la pertinence de sa réponse. La promesse du low-code — mettre la création entre les mains du métier — reste valide, à condition que ces plateformes continuent d'évoluer.

La maîtrise des coûts d'usage

Les agents IA ont un coût par interaction qui peut devenir significatif à grande échelle. Un processus automatisé sur une plateforme low-code, une fois configuré, tourne à coût marginal quasi nul. Pour des volumes importants de transactions répétitives, l'économie du low-code reste supérieure à celle de l'IA générative.

Le vrai changement : une stratification des outils

La vraie transformation en cours n'est pas un remplacement mais une stratification. Les organisations qui réussiront leur transformation digitale en 2026 ne choisiront pas entre agents IA et low-code — elles apprendront à orchestrer les deux, chacun dans son registre de pertinence.

On peut schématiser cette stratification ainsi :

• Couche d'interaction : les agents IA et les interfaces conversationnelles (SI Conversationnel) gèrent les interactions en langage naturel, la recherche d'information complexe, la synthèse, l'assistance à la décision.
• Couche d'orchestration : les plateformes low-code configurent les workflows, gèrent les intégrations entre systèmes, définissent les règles métier et assurent la traçabilité des processus.
• Couche de données et de sécurité : les équipes techniques maintiennent les API, les schémas de données, les politiques d'accès — le socle sur lequel tout le reste s'appuie.

Dans cette architecture, les plateformes low-code évoluent vers un rôle de configurateur d'environnements agentiques. Elles ne sont plus seulement des constructeurs d'applications ; elles deviennent les outils par lesquels les équipes métier définissent les périmètres d'action des agents, les données auxquelles ils peuvent accéder, les actions qu'ils sont autorisés à déclencher. C'est une évolution de fond, pas une marginalisation.

Microsoft a bien compris cet enjeu en intégrant Copilot Studio dans son écosystème Power Platform : l'outil permet aujourd'hui de configurer des agents en low-code, en définissant leurs sources de connaissance, leurs capacités d'action et leurs règles d'escalade. C'est un exemple concret de cette convergence entre les deux paradigmes.

Les nouveaux risques à ne pas ignorer

Cette évolution ne va pas sans risques, et l'honnêteté intellectuelle commande de les nommer clairement.

La dette technique agentique

La facilité avec laquelle il est désormais possible de créer des agents — y compris en low-code ou via des interfaces no-code — crée un risque de prolifération incontrôlée. Des dizaines d'agents configurés par des équipes différentes, sans gouvernance centralisée, peuvent rapidement créer une dette technique de nouvelle nature : des agents redondants, des pipelines de données dupliqués, des comportements incohérents. Les Tech Trends 2026 de SFEIR soulignent d'ailleurs que Claude Code et ses successeurs ouvrent des défis importants en matière de conduite du changement et d'évolution des pratiques.

La dépendance aux plateformes

La convergence entre low-code et IA agentique se joue en grande partie sur les plateformes des grands éditeurs — Microsoft, Salesforce, ServiceNow, Google. Le risque de lock-in s'intensifie : les configurations d'agents, les workflows d'orchestration, les connecteurs développés sur ces plateformes sont difficilement portables. Les entreprises doivent intégrer cette réalité dans leur stratégie de gouvernance numérique.

La confiance aveugle dans les agents

L'un des enjeux les plus critiques soulevés dans les tendances 2026 est celui de la confiance et de la souveraineté. Un agent IA qui agit de façon autonome sur un SI d'entreprise doit être encadré par des mécanismes de supervision robustes. Le "human in the loop" n'est pas une option pour les décisions à fort impact — c'est une exigence. Les plateformes low-code, en permettant de modéliser explicitement ces points de contrôle humain dans les workflows, jouent ici un rôle de garde-fou précieux.

La perspective SFEIR : accompagner la convergence, pas choisir un camp

Chez SFEIR, notre conviction est claire : la bonne question n'est pas "no-code ou agents IA ?", mais "comment construire un digital workplace cohérent qui tire le meilleur des deux paradigmes ?"

Dans nos missions d'accompagnement, nous observons plusieurs patterns récurrents chez nos clients :

• Les organisations en phase d'exploration ont souvent commencé par du low-code et cherchent maintenant à y intégrer des capacités IA. Notre rôle est de les aider à identifier les bons points d'injection — où un agent apporte une valeur réelle, où un workflow déterministe reste la bonne réponse.
• Les organisations plus avancées expérimentent des architectures hybrides : des agents qui déclenchent des workflows low-code, des interfaces conversationnelles qui s'appuient sur des processus configurés. Nous les aidons à poser les fondations de gouvernance nécessaires pour que ces architectures restent maintenables.
• Les directions métier ambitieuses voient dans la Generative UI et le SI Conversationnel une opportunité de repenser leur expérience utilisateur de fond en comble. Nous les accompagnons pour que cette ambition soit ancrée dans une réalité technique solide — et non dans des expérimentations dont la scalabilité reste à prouver.

Sur le plan des compétences, la transformation est aussi organisationnelle. Les profils "citizen developer" formés au low-code doivent aujourd'hui évoluer vers une compréhension des agents IA : comment les configurer, comment en définir les périmètres, comment en évaluer les résultats. Ce n'est pas une rupture de compétences, c'est une extension logique — et c'est un levier de valeur que nous aidons nos clients à activer.

Nous croyons également que la souveraineté numérique est un sujet central dans ce contexte. Permettre aux équipes françaises et européennes de configurer, superviser et auditer les agents qui agissent sur leurs systèmes d'information, c'est un enjeu de compétitivité autant que de conformité. Les plateformes qui offrent cette visibilité et ce contrôle — qu'elles soient low-code, agentiques ou hybrides — seront celles qui s'imposeront dans les entreprises qui prennent leur souveraineté au sérieux.

Conclusion : le low-code ne meurt pas, il se réinvente

Le no-code et le low-code ne sont pas condamnés par l'IA agentique. Ils sont contraints de se réinventer — ce qui est une toute autre chose. Les plateformes qui intègreront nativement les capacités agentiques, qui permettront de configurer des agents en lieu et place des applications, qui offriront des expériences de Generative UI tout en maintenant la rigueur des workflows traditionnels — ces plateformes resteront au cœur du digital workplace de demain.

Ce que l'ère agentique exige, c'est une élévation du niveau de réflexion. Ni les équipes métier, ni les équipes IT ne peuvent se contenter d'empiler des outils. Il faut désormais concevoir des architectures cohérentes, où chaque couche — interaction, orchestration, données — joue son rôle avec clarté. C'est un défi de gouvernance autant que de technologie.

La vraie rupture opérationnelle décrite dans les Tech Trends 2026, c'est peut-être celle-là : nous passons d'une logique d'outils à une logique de systèmes. Et dans cette logique, le low-code, les agents IA, la Generative UI et le SI Conversationnel ne sont pas des alternatives — ce sont des composants d'un même ensemble qu'il faut apprendre à orchestrer avec intelligence.

Pour les organisations qui sauront faire cette transition, les bénéfices sont considérables : des processus plus agiles, des équipes métier plus autonomes, une capacité d'adaptation accélérée. Pour celles qui resteront dans une logique de choix binaire — agents contre low-code — le risque est de passer à côté de l'essentiel.

C'est précisément dans cette navigation que SFEIR accompagne ses clients : pas pour choisir un camp, mais pour construire les bonnes fondations de la transformation à venir.