Ce que nous apprenons en construisant

En 2025, la moitié des projets IT sortent des délais, du budget ou du périmètre, et près d'un sur cinq est abandonné. Pourtant, chaque outil interne démarre comme s'il était définitif. Assumer le temporaire — une base no-code montée en jours, conçue pour être démontée — reste la décision que personne n'ose revendiquer.

Un modèle vend la recommandation et vous laisse exécuter seul ; l'autre vend l'exécution et garde la main sur chaque évolution. Aucun des deux n'est payé pour rendre vos équipes capables. Cette catégorie manquante a un critère simple : ce que vous savez faire seuls à la fin du contrat.

Un ERP en place depuis quinze ou vingt ans fait tourner la facturation, les stocks et la paie — et chaque projet de refonte s'annonce comme un saut dans le vide. Les audits publics des grands remplacements chiffrent ce vide : plus d'un milliard de dollars sans capacité livrée ici, 90 millions de livres de dépassement là. Le problème n'est pas le legacy ; c'est la manière de le faire évoluer.

Chaque outil no-code publie ses limites : enregistrements par base, requêtes par seconde, durée des scripts, rétention des journaux. Ces plafonds ne sont pas des défauts cachés, mais les équipes les découvrent souvent en production, au pire moment. Les lire avant de construire change la décision d'architecture.

Connecter un assistant IA à un CRM, un ERP ou une base documentaire exige encore, dans la plupart des organisations, une intégration sur mesure par couple outil-système. Dix systèmes et cinq outils IA : cinquante projets à construire, puis à maintenir. Un standard ouvert propose une autre arithmétique — à condition de comprendre ce qu'il règle, et ce qu'il ne règle pas.

Les tutoriels branchent un front public directement sur l'API d'une base no-code. Le montage fonctionne — jusqu'à ce que le débit documenté de 5 req/s par base, la pagination et l'expiration des attachments le rattrapent. Trois patterns d'architecture répondent, selon le trafic, la fraîcheur exigée et le sens d'écriture.

Le prix par utilisateur et par mois est la seule ligne visible d'un abonnement SaaS. Intégration, formation, administration, montées de gamme et coût de sortie s'y ajoutent, souvent sans jamais apparaître au budget. La plupart des PME les découvrent au renouvellement, quand il est trop tard pour négocier.

Six systèmes qui ne se parlent pas, trois grammaires d'API, et chaque connexion écrite à la main : chaque source ajoutée coûte plus cher que la précédente. Le problème n'est pas le volume de code, c'est l'endroit où vivent les correspondances entre champs.

Les abonnements logiciels s'accumulent plus vite qu'ils ne se gèrent : 70 % de la dépense SaaS est engagée par les métiers, et à peine plus de la moitié des licences achetées sert réellement. La plupart des directions découvrent l'étendue de leur parc applicatif au moment de le payer.

« On fera de l'IA quand nos données seront propres. » Seules 7 % des entreprises jugent pourtant leurs données complètement prêtes — et attendre ne fait pas monter ce chiffre. Le prérequis est un mythe, et il a un coût mesurable.

Cinq personnes éditent, quatre-vingt-quinze consultent — et les cent paient un siège. Sur la plupart des grilles SaaS publiques, le lecteur occasionnel coûte le prix d'un utilisateur à part entière, et son tarif est souvent le moins publié de la grille. Ce déséquilibre se mesure, et il se calcule.

L'autonomie d'une équipe sur ses outils se pilote le plus souvent au ressenti : le prestataire « semble » moins indispensable, l'équipe « semble » plus à l'aise. Sans indicateurs relevés avant et après, impossible de distinguer un progrès réel d'une dépendance déplacée.

Les équipes métier déploient des outils no-code plus vite que la DSI ne peut les auditer. Résultat : des données personnelles dans des SaaS dont personne ne sait où elles sont hébergées, qui y accède, ni comment en sortir un jour.

Une base Airtable qui fonctionne finit par alimenter des applications : un portail, un dashboard, un produit. À ce moment-là, les limites publiées de l'API — 5 requêtes par seconde et par base, 50 000 records sur le plan Team — cessent d'être des notes de bas de page. Le pont entre Airtable et Postgres se conçoit avant d'en avoir besoin.

La sortie des données cloud est devenue gratuite et la loi encadre désormais délais et frais de migration. Pourtant, moins de 1 % des clients changent de fournisseur chaque année. Le verrou n'est plus dans la facture — il tient à cinq dépendances que rien ne mesure.

Les extensions Airtable sont souvent réduites à des graphiques posés à côté de la grille. La documentation du SDK décrit pourtant tout autre chose : une application React complète, hébergée par la plateforme, avec permissions héritées et données réactives. La question d'architecture — l'outil interne doit-il vivre dans la base ou à côté ? — est rarement posée sérieusement.

Gartner anticipait fin 2022 que 80 % des utilisateurs d'outils low-code travailleraient hors des directions informatiques en 2026. Dans le même temps, la grande entreprise moyenne héberge près de 80 000 applications créées hors de tout cycle logiciel, et 62 % des applications analysées par Zenity contiennent des vulnérabilités. La question n'est plus d'autoriser ou non le citizen development : c'est de savoir qui gouverne ce qui existe déjà.

Trois façons de mettre un front sur une base Airtable, trois modèles économiques qui n'ont rien en commun. Beaucoup d'équipes choisissent à l'écran, puis découvrent la facture — en sièges, en développement ou en infrastructure.

Le scénario qui tournait sans bruit à 50 exécutions par jour perd des événements à 5 000, et les logs ont expiré avant que quiconque ne s'en aperçoive. Le vrai sujet n'est pas le choix de l'outil : c'est le moment où cinq critères mesurables basculent.

Des noms de clients recopiés partout, des totaux tenus à la main, des onglets par année : la plupart des bases no-code reproduisent les défauts des tableurs qu'elles remplacent. La normalisation s'enseigne en SQL, mais elle se pratique en trois gestes dans une base type Airtable — sans écrire une ligne de code.

Les outils passent ; vos données restent. La plupart des PME choisissent la plateforme avant de penser leur modèle de données — et le découvrent au moment de migrer, quand l'export ne veut plus rien dire.