IBM et ServiceNow ont approfondi leur partenariat afin de relever l’un des défis majeurs de l’intelligence artificielle en entreprise : transformer les données et les systèmes hérités en une base exploitable pour les agents, l’automatisation et les opérations autonomes. Ce partenariat pluriannuel combinera les capacités d’IA, de gestion des données et d’automatisation d’IBM avec la plateforme d’IA de ServiceNow, dans le but de moderniser les applications legacy, d’améliorer la gouvernance des données et d’automatiser les opérations d’infrastructure.
Ce lancement intervient à un moment où de nombreuses grandes entreprises ne se demandent plus si elles doivent adopter l’IA, mais pourquoi leur coût d’intégration dans les processus centraux est si élevé. La réponse réside moins dans le modèle d’IA lui-même que dans l’architecture : données fragmentées, applications anciennes, flux manuels, dépendances entre systèmes et couches technologiques non conçues pour les agents IA.
L’IA en entreprise face à des décennies de systèmes hérités
IBM et ServiceNow focalisent leur attention sur deux obstacles majeurs : la préparation des données pour l’IA et la couche applicative legacy. Depuis des décennies, les entreprises bâtissent des systèmes interconnectés, souvent essentiels à la facturation, au support, aux opérations, aux ressources humaines, aux achats, au service client ou à la gestion de l’infrastructure. Les remplacer en une seule fois serait coûteux, risqué et souvent impossible.
Ce partenariat vise une voie intermédiaire : faire évoluer les systèmes existants plutôt que de les remplacer entièrement. Cette approche correspond à la réalité des grandes entreprises et des organismes publics. L’IA ne peut se déployer à grande échelle uniquement sur des démonstrations propres ou des données parfaitement organisées. Elle doit fonctionner avec des mainframes, des applications Java anciennes, des bases de données hétérogènes, des catalogues incomplets, des processus ITSM existants et des outils d’automatisation déjà en place.
| Obstacle en entreprise | Problème réel | Approche d’IBM et ServiceNow |
|---|---|---|
| Systèmes legacy | Systèmes critiques difficiles à remplacer | Modernisation et refactorisation progressive |
| Données non prêtes | Qualité, observabilité et gouvernance insuffisantes | Extension du Workflow Data Fabric avec watsonx.data |
| Opérations IT fragmentées | Incidents, changements et remédiation en silos | Intégration d’automatisation et de workflows IT |
| Modèles IA isolés | Manque de lien avec des processus réels | IA appliquée sur des flux de travail d’entreprise | Risque de perte de contrôle | Inquiétudes sur la gouvernance et la confiance | Plateforme ouverte et flexible pour différents modèles |
John Aisien, dirigeant chez ServiceNow, résume le problème en notant que beaucoup d’entreprises souhaitent déployer une IA agentique, mais manquent de la base nécessaire pour le faire à grande échelle. Raj Datta, responsable des alliances ISV et IA chez IBM, ajoute une autre idée essentielle : adopter l’IA ne consiste pas seulement à accéder à des modèles, mais aussi à repenser les systèmes, les données et la gouvernance qui les sous-tendent.
Trois piliers : modernisation, gouvernance des données et opérations autonomes
La collaboration s’organise autour de trois axes. Le premier est la modernisation des applications. IBM et ServiceNow proposent d’utiliser des outils tels que IBM Bob, Enterprise Application Runtime pour Java, et watsonx.data pour analyser, refactoriser et aider à porter des applications vieillissantes vers un environnement mieux préparé pour l’IA.
Le deuxième axe concerne la gouvernance des données d’entreprise. L’objectif est d’étendre le ServiceNow Workflow Data Fabric avec les capacités de watsonx.data, incluant la qualité des données, l’observabilité et la gestion des données maîtresses, tout en tirant parti de ServiceNow Data Catalog. L’ambition est que les clients puissent maintenir leurs données prêtes pour l’IA, ce qui représente un défi plus complexe qu’il n’y paraît souvent dans les présentations commerciales.
Le troisième axe porte sur l’exploitation autonome de l’infrastructure. IBM intégrera des composants comme Red Hat Ansible, IBM Bob, Instana, HashiCorp Terraform et Vault dans les workflows IT de ServiceNow pour détecter, remédier et résoudre les incidents avant qu’ils n’impactent le business.
| Axes de collaboration | Outils mentionnés | Objectifs |
| Modernisation des applications | IBM Bob, Enterprise Application Runtime Java, watsonx.data | Analyser et refactoriser les anciens systèmes |
| Gouvernance des données | ServiceNow Workflow Data Fabric, watsonx.data, Data Catalog | Assurer la préparation des données pour l’IA |
| Qualité et observabilité | Fonctionnalités IBM pour les données d’entreprise | Améliorer la fiabilité des données utilisées par l’IA |
| Master Data Management | IBM watsonx.data et gouvernance associée | Unifier les entités critiques comme client, produit ou fournisseur |
| Opérations autonomes | Ansible, Instana, Terraform, Vault, IBM Bob | Détecter, remédier et résoudre les incidents |
| Workflows IT | Plateforme AI de ServiceNow | Relier l’intelligence à l’exécution opérationnelle |
Les solutions communes sont prévues pour la seconde moitié de 2026, bien que toutes deux mettent en garde contre le fait que leurs déclarations sur l’orientation future peuvent évoluer ou être retirées à tout moment sans préavis.
Pourquoi ServiceNow devient une pièce stratégique
ServiceNow se présente de plus en plus comme une « tour de contrôle » pour l’IA en entreprise. Sa plateforme ne se contente pas de gérer des tickets ou des processus IT, mais connecte outils métiers, applications cloud, systèmes legacy et agents. La société affirme que sa plateforme exécute plus de 85 milliards de workflows par an, ce qui explique son ambition de devenir le point où l’IA passe de la recommandation à l’action.
Ce partenariat avec IBM s’inscrit dans cette stratégie. ServiceNow occupe une place centrale dans les processus opérationnels de nombreuses grandes entreprises. IBM apporte son expertise en modernisation, cloud hybride, Red Hat, automatisation, gestion des données et conseil. L’objectif est de répondre à une question très concrète : comment déployer l’IA dans des processus réels sans tout casser dans l’infrastructure existante.
| Actif de ServiceNow | Rôle dans le partenariat |
| Plateforme IA | Orchestrer intelligence et exécution dans les workflows |
| Workflow Data Fabric | Connecter diverses sources de données |
| Data Catalog | Gérer la gouvernance et la visibilité des actifs |
| Workflows IT | Activer automatisation, remédiation et suivi |
| Écosystème d’entreprise | Implémenter l’IA dans des processus centraux |
Pour beaucoup d’entreprises, la valeur ne réside pas simplement dans « un autre chatbot », mais dans un agent capable de détecter une anomalie, de consulter des données fiables, de lancer une automatisation, d’ouvrir ou de fermer une incident, d’exécuter un changement contrôlé et de laisser une traçabilité. Cela exige que l’IA soit connectée à des systèmes opérationnels concrets, et pas uniquement à une interface conversationnelle.
IBM souhaite intégrer l’IA dans le legacy sans tout déverrouiller
IBM se positionne depuis des années autour du cloud hybride, Red Hat, automatisation et IA d’entreprise. Son rôle dans cette alliance est d’apporter des outils permettant de travailler avec des systèmes complexes qui ne peuvent pas être modifiés en une seule fois. Dans les grandes organisations, le legacy ne se limite pas à de « vieux codes » : c’est souvent le cœur du métier.
Moderniser une application ancienne implique de comprendre ses dépendances, de séparer ses modules, de transformer ses runtimes, d’améliorer son observabilité, de réorganiser ses données et de créer des interfaces permettant aux agents d’opérer en toute sécurité. En cas de mauvaise exécution, l’IA peut accroître les risques. Réalisée correctement, elle accélère des tâches auparavant manuelles ou nécessitant une expertise répartie entre plusieurs équipes.
| Problème du legacy | Risques en cas d’ignorance | Valeur de la modernisation |
| Code difficile à comprendre | Changements longs et coûteux | Capacité accrue d’évolution |
| Données enfermées dans d’anciens systèmes | IA sans contexte suffisant | Accès aux données pour workflows |
| Manque d’observabilité | Incidents détectés tardivement | Détection et remédiation rapides |
| Processus manuels | Coût opérationnel élevé | Automatisation guidée |
| Dépendances non documentées | Risques lors des migrations | Modernisation progressive et maîtrisée | Gouvernance faible | IA peu fiable | Traçabilité et confiance accrues |
L’intérêt particulier pour IBM Bob réside dans sa stratégie d’appliquer l’IA à la programmation et à la modernisation. IBM souhaite offrir des capacités d’analyse et de transformation de code dans des environnements où changer les systèmes est très coûteux. Dans ce contexte, ServiceNow peut jouer le rôle de couche d’orchestration et d’exécution des travaux.
L’approvisionnement en données prêtes pour l’IA ne se fait pas à la légère
La seconde moitié de l’alliance s’attaque à un problème moins visible mais tout aussi crucial : la qualité des données AI-ready. Beaucoup d’entreprises disposent de données suffisantes, mais pas nécessairement exploitables par des agents ou modèles. Celles-ci peuvent être dupliquées, obsolètes, mal classifiées, sans traçabilité ou réparties entre plusieurs départements.
Un agent en entreprise qui manipule des données incorrectes ne fait qu’amplifier ses erreurs, plutôt que d’accroître sa productivité. C’est pourquoi la gouvernance des données devient primordiale. La qualité, l’observabilité, le catalogage et la gestion des données maîtresses ne sont pas de nouvelles notions, mais l’IA les rend plus urgentes. Si un modèle doit prendre des décisions ou activer des workflows, l’entreprise doit connaître la provenance, la mise à jour et l’accès possible à ses données.
| Capacité des données | Importance pour l’IA |
| Qualité des données | Réduit les erreurs dans les réponses et décisions |
| Observabilité | Detecte les problèmes dans les pipelines et sources |
| Catalogues | Facilitent la découverte et la compréhension des actifs | Gestion des données maîtresses | Unifie les entités critiques comme client, produit ou fournisseur |
| Gouvernance | Définir permissions, traçabilité et usage permis |
| Données dans workflows | Connecter la connaissance à l’action opérationnelle |
Là encore, ServiceNow et IBM cherchent à relier deux mondes souvent séparés : les plateformes de workflow et celles de gestion des données. L’IA agentique a besoin des deux. Sans données, l’agent ne comprend pas le contexte ; sans workflows, il ne peut pas agir de manière contrôlée.
Opérations autonomes : moins de tickets et plus de remédiation
Le troisième axe concerne les opérations IT autonomes. L’intégration de Red Hat Ansible, Instana, Terraform et Vault dans les workflows de ServiceNow vise à permettre aux organisations de détecter, remédier et résoudre les incidents avant qu’ils n’affectent l’activité. Une évolution naturelle de l’AIOps vers des opérations plus autonomes.
Instana apporte l’observabilité, Ansible l’automatisation, Terraform la gestion de l’infrastructure comme code, et Vault la gestion des secrets. ServiceNow coordonne le tout pour enregistrer, contrôler, faire approuver et donner du contexte aux actions. Si l’intégration fonctionne, de nombreuses incidents pourront être traités avec une intervention humaine minimale.
| Outils | Rôle dans les opérations autonomes |
| Instana | Observalibilité et détection des problèmes |
| Red Hat Ansible | Automatisation et remédiation |
| Terraform | Gestion de l’infrastructure en tant que code |
| HashiCorp Vault | Gestion des secrets et des accès |
| IBM Bob | Modernisation et assistance sur systèmes |
| Workflows IT de ServiceNow | Orchestration, contrôle, approbations, traçabilité |
Le défi réside dans l’équilibre entre autonomie et contrôle. Toutes les incidents ne doivent pas être résolues automatiquement. Certaines requièrent une validation, une revue humaine ou le respect de politiques strictes. La vision d’opérations autonomes ne fonctionne que si des limites, des registres, des options de rollback et une gouvernance sont en place.
Une alliance conçue pour les grandes entreprises, pas pour des démonstrations
La collaboration entre IBM et ServiceNow n’apparaît pas comme une solution pour des assistants IA isolés. Elle cible principalement les grandes organisations avec des processus critiques, des systèmes anciens, beaucoup de données et un besoin de contrôle strict. C’est dans ces environnements que l’IA rencontre souvent davantage de résistances, mais aussi où elle peut générer le plus de valeur si elle est bien intégrée.
L’enseignement clé est que la prochaine étape de l’IA en entreprise ne sera pas uniquement déterminée par la qualité des modèles. Elle dépendra surtout de la capacité à les connecter à des systèmes réels, dans un environnement fiable, avec des processus audités et des automatismes sécurisés. IBM et ServiceNow visent précisément à remplir cette couche intermédiaire entre le modèle et l’opération.
La disponibilité prévue pour la seconde moitié de 2026 offre un délai pour voir comment concrètement ces solutions seront mises en œuvre. Pour l’instant, l’annonce trace une voie claire : moderniser sans tout casser, gouverner les données avant d’automatiser, et faire des workflows le lieu où l’IA passe réellement à l’action.
Questions fréquentes
Que viennent d’annoncer IBM et ServiceNow ?
Ils ont renforcé une collaboration pluriannuelle pour créer des solutions conjointes qui modernisent les applications legacy, préparent les données d’entreprise pour l’IA, et automatisent l’exploitation de l’infrastructure.
Quand ces solutions seront-elles disponibles ?
IBM et ServiceNow prévoient leur disponibilité pour la seconde moitié de 2026.
Quelles outils IBM s’intègrent à ServiceNow ?
L’annonce mentionne IBM Bob, IBM watsonx.data, Enterprise Application Runtime pour Java, Red Hat Ansible, Instana, HashiCorp Terraform, et HashiCorp Vault.
Pourquoi cela est-il important pour l’IA agentique ?
Parce que les agents en entreprise ont besoin de données fiables, de systèmes modernisés et de workflows contrôlés pour exécuter des actions. Sans cette base, l’IA resterait à un stade expérimental, isolé dans des pilotes.