L’intelligence artificielle (IA) et plus particulièrement l’IA générative redéfinit l’usage des mainframes dans les entreprises, amorçant une transformation profonde et durable. Valérie Bertino, VP France Cloud & Core Enterprise Practices de Kyndryl, expose son point de vue à nos lecteurs.
Cette révolution technologique, en pleine accélération, promet de renforcer l’efficacité opérationnelle, d’éliminer les erreurs humaines et de convertir les données non structurées en informations exploitables. Selon une enquête réalisée en 2024 par Kyndryl sur la modernisation des mainframes, 86 % des entreprises interrogées déploient ou prévoient de déployer des outils d’IA générative sur leurs environnements mainframes1, soulignant ainsi l’ampleur et l’urgence de cette transition.
La mise en oeuvre de l’IA sur le mainframe
Le mainframe n’échappe pas à cette tendance amenant des cas d’usage technologiques et/ou métier. L’essor de l’IA générative se manifeste à travers les moteurs de décision intégrés dans la modernisation des mainframes. Après la sécurité, qui reste la priorité principale, la modernisation des données (42 %) et l’intégration de l’Intelligence Artificielle (36 %) figurent parmi les leviers essentiels. Ces deux aspects sont étroitement liés, car l’intégration de toutes les données, quelle que soit la plateforme technologique, ainsi qu’une gouvernance rigoureuse de ces données, sont fondamentales pour garantir la réussite des projets d’IA générative dans des environnements hybrides.
Environ 41 % des entreprises déclarent utiliser l’IA non seulement pour accélérer et fiabiliser leurs opérations, mais aussi pour améliorer l’expérience client et réduire le délai de mise sur le marché de nouveaux services ou fonctionnalités.
Une efficacité opérationnelle démultipliée
En exploitant les données des mainframes avec l’IA, les entreprises peuvent améliorer leur réactivité face aux évolutions du marché et renforcer leur compétitivité. Ces initiatives se traduisent par des solutions adaptées à chaque métier ou industrie.
Ainsi, les cas d’usage les plus populaires à ce jour permettent d’optimiser les tâches IT grâce à la gestion augmentée avec « AIOps ». L’AIOps, ou intelligence artificielle pour les opérations informatiques, vise à améliorer la performance, l’efficacité et la fiabilité des systèmes et infrastructures informatiques. Cette technologie automatise diverses tâches et fournit des informations en temps réel, en s’appuyant sur l’analyse des données, la détection des anomalies, l’analyse prédictive et l’automatisation proactive. Cela permet des prévisions plus précises, une prise de décision accélérée, une visibilité accrue et une analyse des causes profondes plus rapide.
Des cas d’usage concrets pour l’IA générative
L’optimisation des tâches répétitives avec l’automatisation DevSecOps est également un domaine clé où l’IA est utilisée pour améliorer l’efficacité et la fiabilité des opérations IT. On observe l’utilisation d’outils basés sur l’IA générative pour moderniser les mainframes, notamment grâce à la conversion de code, la documentation automatisée, l’augmentation de code ou encore la création de jeux de tests. Dans un secteur où le manque de compétences reste une préoccupation majeure, ces solutions se révèlent essentielles pour retenir ou attirer des talents.
En ce qui concerne l’IA générative, environ 44 % des entreprises interrogées déclarent utiliser cette technologie pour exploiter au mieux leurs données. Grâce à l’IA générative, elles peuvent développer de nouveaux produits et services, basés sur des analyses plus fines et plus pertinentes des données issues de leurs mainframes.
Par exemple, dans le secteur de l’assurance, l’IA générative aide à analyser les relations complexes entre les ensembles de données, permettant une meilleure évaluation des risques, une tarification plus précise et des campagnes marketing ciblées. Dans la finance, elle permet d’analyser rapidement des milliers de transactions pour détecter des anomalies. Dans la santé, elle contribue au diagnostic de maladies rares en comparant les symptômes à une vaste base de données. Dans le commerce, les entreprises analysent les comportements d’achat pour proposer des recommandations personnalisées. Enfin, dans le secteur public, une agence gouvernementale en Australie a mis en lumière l’importance de l’IA pour moderniser les systèmes et optimiser les processus, rendant les opérations plus efficaces et mieux adaptées aux besoins des citoyens.
Pour ce genre de scénarios, l’exportation des données mainframe vers le cloud est aujourd’hui la méthode la plus utilisée, permettant de tirer le meilleur parti de chaque technologie et renforçant ainsi la tendance à l’hybridation. Avec les dernières générations des technologies hardware, on observe également l’utilisation de modèles d’IA entraînés sur le cloud avant d’être transférés sur le mainframe. Bien que cette approche soit plus complexe à mettre en œuvre, elle témoigne de l’appétence pour l’IA et des efforts pour l’adopter par tous les moyens.
En complément, les technologies autour de l’IA évoluent rapidement, et les solutions directement intégrées sur les mainframes se multiplient. Par exemple, il est désormais possible d’utiliser Python, un langage très apprécié des data scientists, sur les plateformes Z.
Une révolution en marche
Nous n’en sommes qu’au balbutiement de l’IA sur le mainframe. Dans les faits 53 % des organisations ayant démarré un projet dans ce domaine en sont à la phase pilote, et 25 % en prévoient une utilisation dans un an. Le champ des possibles est tellement vaste et l’appétence des entreprises tellement grandes que l’on aperçoit déjà une croissance exponentielle dans ce domaine.
