Architecture d'entreprise AI-native : gouverner l'IA sans la freiner

Une architecture d'entreprise « AI-native » n'est pas une architecture classique à laquelle on ajoute des agents IA après coup. C'est une architecture conçue dès le départ pour que l'intelligence artificielle soit un acteur supervisé de l'exécution — jamais un pilote autonome — avec une gouvernance capable d'absorber sa vitesse plutôt que de la découvrir a posteriori, dans un audit ou un incident.

Le paradoxe qui rend cette distinction nécessaire

L'IA générative devait simplifier l'architecture d'entreprise. Elle a plutôt inversé le problème : elle accélère l'exécution — génération de code, déploiement, automatisation — à une vitesse que les cycles de gouvernance classiques n'ont jamais eu à absorber. Un agent peut modifier un système de production en quelques minutes ; un comité d'architecture qui se réunit une fois par trimestre ne peut structurellement pas encadrer ce rythme. On ne résout pas ce problème en ralentissant l'IA, mais en faisant tourner la gouvernance au même rythme — c'est tout l'objet de la boucle décrite sur la page Framework.

Trois anti-patterns à reconnaître avant qu'ils ne s'installent

TEAF nomme neuf anti-patterns d'architecture d'entreprise (voir l'article dédié) ; trois concernent spécifiquement l'IA :

Shadow AI — des agents IA déployés hors de toute gouvernance centrale, invisibles du Knowledge Graph et de l'AI Control Plane. Le risque n'est pas l'agent lui-même, c'est son invisibilité : personne ne peut tracer ce qu'il a modifié.
AI Washing — une communication qui survalorise les capacités réelles d'un système d'IA, sans que sa gouvernance interne corresponde à ce qui est annoncé à l'extérieur. Le remède structurel est un registre vérifiable des systèmes à risque, confrontable à toute affirmation publique.
Documentation Cemetery — une documentation abondante mais jamais reliée à une décision tracée, qui donne l'illusion de la gouvernance sans en produire l'effet. Un volume de pages élevé ne dit rien de la traçabilité réelle.

L'AI Control Plane : maintenir explicite la frontière entre assisté et autonome

Le rôle central de l'AI Control Plane est de garder explicite la frontière entre ce qu'un agent peut exécuter seul et ce qui exige une validation humaine avant application — une frontière qui dépend de la criticité de la capacité concernée, pas d'une règle unique et figée. Le socle actuel couvre l'identité et l'authentification de chaque agent, la séparation des secrets, la provenance journalisée des actions, le human-in-the-loop sur les changements critiques et la capacité de rollback systématique. Ce sont des contrôles qui s'appliquent par défaut dans TEAF Light, pas une déclaration d'intention. Pour une lecture complète — y compris ce qui reste honnêtement à construire (prompt injection, dérive de modèle, confiance agent-à-agent) — voir l'article dédié à la gouvernance IA.

Mesurer plutôt qu'évaluer qualitativement

TEAF répond à la dette silencieuse — chaque raccourci pris pour tenir une échéance, individuellement défendable mais qui, additionné aux autres, produit un système que plus personne ne comprend dans son ensemble — par un indicateur plutôt qu'un jugement d'ambiance : l'Indice de Dette d'Architecture (IDA). Il agrège notamment le nombre de composants sans décision associée et les dépendances non résolues, pour rendre visible une dégradation avant qu'elle ne devienne coûteuse à corriger.

Le point de départ concret

Une architecture AI-native ne se construit pas par une bascule générale du jour au lendemain. Le principe 1-1-1 de TEAF Light — un processus, une boucle, un objectif mesurable — permet de tester cette gouvernance sur un périmètre restreint avant de l'étendre. Le diagnostic de maturité en ligne inclut une lecture spécifique de la gouvernance IA.

« AI-native » signifie une gouvernance dimensionnée pour la vitesse de l'IA dès la conception, pas un rattrapage a posteriori.
Trois anti-patterns à surveiller : Shadow AI (agents invisibles), AI Washing (communication non alignée sur la gouvernance réelle), Documentation Cemetery (documentation déconnectée des décisions).
L'AI Control Plane maintient explicite la frontière entre exécution assistée et exécution autonome — jamais de pilote autonome sans supervision.
L'Indice de Dette d'Architecture (IDA) rend mesurable ce qui reste souvent jugé qualitativement.