Auteurs: Daniel Lambert, Gwen Murphy, et Bhavna Singh
Pendant des années, les plateformes d’architecture d’entreprise (EA) ont surtout servi à structurer et documenter les applications, les technologies, les capacités, les processus et les relations qui les relient. Cette fonction reste essentielle, mais elle ne suffit plus.
L’arrivée de l’IA générative et des agents transforme progressivement ces plateformes en environnements d’architecture intelligents. Leur rôle n’est plus uniquement de conserver l’information : elles doivent aider à comprendre l’entreprise, détecter les risques, comparer des options, éclairer les décisions et automatiser une partie du travail d’architecture.
Dans ce contexte, Ardoq, désormais disponible en français, se distingue par la combinaison d’un modèle d’architecture flexible fondé sur les relations, de fonctions d’IA intégrées, d’agents spécialisés pour l’EA et d’un accès gouverné aux données d’architecture depuis des outils d’IA externes. SAP LeanIX et OrbusInfinity investissent eux aussi fortement dans l’IA; l’intérêt d’Ardoq réside surtout dans la cohérence de l’ensemble.
1. Choisir une plateforme EA : l’écosystème technologique compte
Il n’existe pas de plateforme EA universellement supérieure. Le bon choix dépend du contexte, des objectifs d’architecture et des technologies déjà structurantes dans l’organisation.
Dans une entreprise fortement centrée sur SAP, par exemple avec SAP S/4HANA, SAP Business Technology Platform et SAP Signavio, SAP LeanIX constitue naturellement une option crédible. Son intégration croissante avec l’écosystème SAP peut simplifier la mise en cohérence des processus, des applications et des programmes de transformation.
Une organisation très engagée dans l’écosystème Microsoft peut, de son côté, trouver dans OrbusInfinity une bonne continuité avec des outils comme SharePoint, Teams et Visio. Cette proximité avec les outils de collaboration et de modélisation déjà utilisés par les équipes peut réduire les frictions d’adoption.
Lorsque ni SAP ni Microsoft ne déterminent fortement le choix, Ardoq devient particulièrement intéressant. La plupart des grandes entreprises sont hybrides et hétérogènes : plusieurs fournisseurs infonuagiques, des solutions SaaS, différents ERP, des systèmes hérités, des plateformes de données et désormais un nombre croissant de services et d’agents d’IA. Dans ce type d’environnement, une plateforme EA indépendante des grands écosystèmes peut offrir davantage de souplesse.
L’alignement technologique reste toutefois secondaire par rapport à une question plus importante : la plateforme peut-elle représenter l’entreprise telle qu’elle fonctionne réellement et transformer cette connaissance en décisions utiles?
2. Pourquoi Ardoq se démarque des autres plateformes EA
Les principaux différenciateurs d’Ardoq apparaissent avant même de parler d’IA. La plateforme privilégie des données d’architecture reliées entre elles plutôt que des diagrammes statiques. Applications, capacités, technologies, organisations, processus, projets, données et autres objets peuvent être connectés dans un modèle de type graphe.
Cette approche est importante parce que les questions d’architecture les plus utiles portent rarement sur un objet isolé. Elles portent sur les dépendances : quelles capacités reposent sur une application? Quelles technologies la supportent? Quelles unités d’affaires l’utilisent? Quelles données traite-t-elle? Quels projets vont la modifier? Que se passe-t-il si on la retire?
Le métamodèle flexible d’Ardoq renforce cette logique. Une organisation peut structurer son modèle en fonction des décisions qu’elle veut soutenir, au lieu de devoir adapter toute sa pratique à un schéma prédéfini. Les vues et visualisations dynamiques sont générées à partir des données sous-jacentes et évoluent donc avec l’architecture.
Ardoq combine également des sondages et mécanismes de collecte distribuée, des tableaux de bord, des scénarios, des champs calculés, des intégrations, des expériences destinées aux parties prenantes et des capacités d’analyse relationnelle. L’ensemble favorise une architecture vivante, maintenue par plusieurs acteurs, plutôt qu’un référentiel entretenu exclusivement par une petite équipe d’architectes.
3. Les capacités d’IA d’Ardoq : bien plus qu’un chatbot
Le marché a rapidement évolué. Ardoq n’est plus le seul acteur à proposer des fonctions d’IA avancées : SAP LeanIX et OrbusInfinity ont eux aussi enrichi leurs offres avec des assistants, des fonctions de langage naturel et différentes formes d’automatisation. Le niveau d’exigence du marché a donc nettement augmenté.
Ardoq reste néanmoins intéressant par l’étendue des usages IA intégrés directement dans le travail d’architecture. Son assistant peut interroger les données d’architecture en langage naturel. La plateforme propose aussi de l’aide à la création de requêtes et de vues, à la rédaction de descriptions, à la modélisation des capacités et des chaînes de valeur, à la modélisation des processus, à l’importation visuelle et à la collecte d’information.
L’étape la plus significative est l’arrivée d’agents spécialisés. Ces agents peuvent exécuter des procédures EA prédéfinies en plusieurs étapes sur le graphe d’architecture et son métamodèle, puis produire des résultats structurés pour des tâches précises.
La gouvernance de ces changements est essentielle. Les modifications proposées par l’IA peuvent être mises en scène dans des scénarios afin qu’une personne autorisée les examine et les approuve avant qu’elles ne modifient le modèle de référence. Cette approche maintient un humain dans la boucle de décision.
L’intérêt des agents spécialisés est qu’ils déplacent l’IA de l’assistance générique vers l’analyse répétable et contextualisée. Ils peuvent, par exemple, contribuer à évaluer la criticité d’une application, analyser la réalisation d’une capacité, examiner des dépendances de reprise après sinistre ou soutenir une rationalisation du portefeuille applicatif.
Pour être réellement utile en architecture d’entreprise, l’IA doit être ancrée dans le contexte organisationnel : applications, capacités, dépendances, métamodèle, droits d’accès et règles de gouvernance. Une IA généraliste peut produire une réponse plausible; une IA véritablement adaptée à l’EA doit raisonner à partir de la réalité de l’entreprise.
4. Là où l’IA native d’Ardoq s’arrête : les workflows inter-entreprise
Les agents natifs d’Ardoq peuvent déjà automatiser des tâches d’architecture en plusieurs étapes. La principale limite n’est donc plus seulement la capacité d’exécuter du travail; elle concerne plutôt l’étendue organisationnelle des workflows.
Les cas d’usage les plus porteurs traversent généralement plusieurs systèmes. Une rationalisation applicative avancée pourrait combiner les données d’Ardoq avec l’utilisation réelle des applications, la télémétrie infonuagique ou d’infrastructure, les coûts, les contrats fournisseurs, les cycles de vie logiciels, les vulnérabilités, les projets en cours et des données de marché externes.
Un agent pourrait ensuite classer les candidats à la rationalisation, expliquer son raisonnement, proposer une cible, préparer les éléments de décision et déclencher des actions de suivi dans une autre plateforme.
Le même principe s’applique à la gestion des standards technologiques, aux évaluations de solutions, à la dette technique, à la diligence raisonnable lors d’acquisitions, aux migrations infonuagiques, à la conformité d’architecture et à la gouvernance automatisée. Il ne s’agit plus de simples workflows dans un outil EA, mais de workflows d’entreprise qui utilisent l’architecture comme source de contexte.
C’est ici que le Model Context Protocol (MCP), les API, la recherche d’entreprise, les plateformes d’automatisation et les agents d’IA externes deviennent stratégiques. L’objectif n’est pas qu’Ardoq exécute lui-même toutes les actions de l’entreprise, mais qu’il devienne une source de connaissances d’architecture fiable et gouvernée que d’autres agents peuvent exploiter avec les données provenant d’autres systèmes.
5. Mettre en œuvre Ardoq comme plateforme EA propulsée par l’IA
Principe clé : ne commencez pas par l’IA. Commencez par la base de connaissances d’architecture.
L’IA ne corrigera pas des données d’architecture incomplètes, incohérentes, périmées ou mal structurées. Elle peut au contraire amplifier le problème en transformant des données faibles en réponses convaincantes, mais erronées.
Une implantation efficace commence donc par le métamodèle : quelles informations sont réellement nécessaires? Quelles relations doivent être représentées? Qui possède et maintient les données? Quelles décisions l’architecture doit-elle aider à prendre?
La deuxième priorité est la qualité et l’autorité des sources. Lorsque c’est possible, l’information devrait être synchronisée depuis les systèmes de référence plutôt que saisie manuellement dans la plateforme EA. La responsabilité doit également être distribuée : propriétaires d’applications, responsables technologiques, responsables de capacités, sécurité, finances et équipes de transformation détiennent chacun une partie du portrait.
La gouvernance est nécessaire, mais elle ne doit pas se transformer en bureaucratie. L’objectif n’est pas de documenter chaque attribut imaginable. Il faut maintenir suffisamment d’information fiable, reliée et actuelle pour soutenir les décisions importantes — et pour fournir aux systèmes d’IA un contexte sur lequel ils peuvent raisonner avec confiance.
Cette évolution change la cible d’architecture. On ne construit plus un référentiel EA uniquement pour les architectes. On construit une base de connaissances d’entreprise destinée à être utilisée par des personnes, des analyses, des copilotes et des agents d’IA.
6. Conclusion : pourquoi Ardoq est notre plateforme EA privilégiée
Le choix d’une plateforme EA demeure contextuel. Pour une entreprise fortement centrée sur SAP, SAP LeanIX mérite une évaluation sérieuse. Pour une organisation où l’intégration aux technologies de collaboration et de modélisation Microsoft est déterminante, OrbusInfinity constitue également une option solide.
En dehors de ces contextes dictés par l’écosystème, Ardoq se démarque. Son métamodèle flexible, son architecture fondée sur les relations, ses vues dynamiques, ses mécanismes de collecte distribuée, ses scénarios, ses capacités d’analyse et ses expériences orientées parties prenantes en font déjà une plateforme EA robuste, même sans l’IA.
Sa trajectoire en IA renforce cette proposition : interaction en langage naturel, aide à la modélisation et à l’analyse, agents spécialisés, validation humaine des changements et accès aux données d’architecture depuis des outils d’IA externes grâce à des mécanismes gouvernés.
Il serait excessif d’affirmer qu’Ardoq domine objectivement tous ses concurrents dans chaque catégorie d’IA. Le marché évolue trop vite pour qu’une telle conclusion reste durable. En revanche, Ardoq propose aujourd’hui l’une des combinaisons les plus cohérentes entre architecture d’entreprise et intelligence artificielle.
L’enjeu dépasse toutefois Ardoq. La prochaine génération de l’architecture d’entreprise ne sera pas simplement un outil EA enrichi de quelques fonctions d’IA. Elle reposera sur une connaissance de l’architecture fiable que des agents pourront utiliser pour analyser le changement, coordonner des activités entre plusieurs systèmes, appliquer des règles de gouvernance et soutenir les décisions d’affaires.
C’est dans cette direction que se dirige l’architecture d’entreprise — et Ardoq offre aujourd’hui une base particulièrement solide pour y parvenir.
Note éditoriale: les capacités des fournisseurs mentionnées dans cette adaptation ont été vérifiées dans les documentations publiques de SAP LeanIX, Orbus Software et Ardoq disponibles en août 2026. Les fonctionnalités de ces plateformes évoluent rapidement.