Entreprises de modernisation IA des systèmes legacy en Pologne (2027) : choisir un partenaire et quand opter pour une refonte totale

La plupart des entreprises de taille moyenne et grande en Pologne fonctionnent sur des systèmes conçus il y a 10, 15 ou 20 ans : ERP, systèmes d’entrepôt, plateformes de vente, applications écrites pour un processus précis. Ils tournent, mais chaque changement coûte cher, la documentation est incomplète et les personnes qui les ont développés sont parties. S’ajoute une nouvelle question : comment ajouter de l’AI à un tel système alors qu’il n’a même pas une API digne de ce nom.

Cet article clarifie trois points : quand moderniser et quand reconstruire à partir de zéro ; comment l’AI transforme le processus de modernisation ; et quelles entreprises en Pologne disposent d’une expérience documentée sur les systèmes legacy et l’AI.

Principales conclusions

• Moderniser ne veut pas forcément dire tout réécrire. Une couche AI au‑dessus du système existant (API, agent, assistant) apporte souvent des résultats plus vite et moins cher qu’une reconstruction à partir de zéro.
• La décision « moderniser ou reconstruire à partir de zéro » dépend de quatre facteurs : l’unicité de la logique métier, l’état du stack technologique, l’horizon temporel et le coût total de possession (TCO) sur 3–5 ans.
• L’AI transforme le processus de modernisation : les modèles de langage lisent l’ancien code, génèrent documentation et tests, soutiennent la refactorisation. L’ingénieur garde la décision.
• Reprendre un système après un autre prestataire est une compétence à part. Demandez à votre partenaire des projets de ce type, pas seulement des constructions à partir de zéro.
• Les coûts cachés du legacy ne sont pas les licences, mais les fonctionnalités impossibles à livrer, les talents impossibles à recruter et les vulnérabilités sans correctifs.

Qu’est-ce que la modernisation des systèmes legacy avec l’AI

La modernisation des systèmes legacy consiste à transformer un logiciel existant (souvent un monolithe en anciennes versions de Java, .NET, PHP, parfois COBOL) en une solution que l’on peut faire évoluer, maintenir et intégrer. « Avec l’AI » recouvre deux réalités distinctes qu’il faut dissocier :

• AI comme outil de modernisation : les modèles de langage analysent les dépendances du code, génèrent une description fonctionnelle et de la documentation, proposent de la refactorisation, écrivent des tests de régression, traduisent le code entre langages et frameworks.
• AI comme nouvelle couche du système : un assistant ou un agent qui exploite les données et fonctions de l’ancien système via une API, ajoute l’interaction en langage naturel, automatise des processus, fait des prévisions. Le cœur du système reste en place.

La plupart des entreprises ont besoin des deux, mais à des degrés différents. Une société avec un ERP opérationnel à qui manquent le reporting et la réponse aux requêtes a surtout besoin du second. Une société dont le système ne peut plus être modifié a d’abord besoin du premier.

Moderniser ou reconstruire à partir de zéro

En pratique, la réponse la plus fréquente est « les deux, dans cet ordre » : d’abord la couche API et AI au‑dessus du système existant (effet rapide, résultat mesurable), puis le remplacement des modules selon le pattern Strangler Fig, c’est‑à‑dire le remplacement progressif de fragments de l’ancien système par des nouveaux jusqu’à ce que l’ancien ne soit plus nécessaire.

Modèles de migration

Dans la littérature, on trouve plusieurs variantes du modèle « R » (Gartner : 5R, AWS : 6R/7R). En simplifiant :

• Rehost : transfert sans changement (p. ex. vers le cloud).
• Replatform : petites adaptations pour la nouvelle plateforme.
• Refactor / Rearchitect : refonte du code ou de l’architecture en conservant la logique.
• Replace : remplacement par un produit prêt à l’emploi.
• Retire : mise hors service si personne n’en a l’usage.

L’AI ajoute deux variantes, de plus en plus souvent comme premier pas :

• Augment : le cœur reste ; on ajoute au‑dessus une couche AI (assistant, agent, interface en langage naturel).
• Re-engineer avec LLM : le modèle de langage lit l’intention de l’ancien code et aide à le réécrire selon un nouveau standard, avec tests, sous supervision d’un ingénieur.

Comment l’AI change le processus de modernisation

Rétro‑ingénierie avec LLM

Le plus grand problème du legacy est l’absence de documentation. Les modèles de langage savent lire le code et générer une description fonctionnelle, une carte des dépendances, des diagrammes de flux et une spécification initiale. Cela ne remplace pas l’analyse, mais réduit le temps d’onboarding d’une nouvelle équipe et permet de décider quoi conserver ou supprimer avant de toucher une ligne de code.

Refactorisation assistée par AI

L’AI identifie les problèmes récurrents dans le code et propose des équivalents plus modernes, traduit des portions entre versions de langages et de frameworks. Le processus n’est pas automatique : chaque changement passe par un ingénieur et des tests, car dans les systèmes legacy une modification à un endroit peut casser autre chose ailleurs.

Tests de régression

C’est l’un des domaines où l’AI apporte le plus : génération de scénarios de test à partir du code existant, y compris des cas limites que personne n’avait décrits. Obtenir une bonne couverture de tests avant la modernisation est la condition pour modifier le système sans interrompre les opérations.

Couche AI au‑dessus du système

Quand le système est stable et dispose d’une API, on peut ajouter un assistant ou un agent : répondre aux questions sur les données du système, exécuter des opérations en langage naturel, automatiser des processus entre systèmes. Ici, l’essentiel ce sont les autorisations (l’AI ne voit que ce que l’utilisateur voit), la journalisation et la possibilité de changer de modèle sans reconstruction.

Panorama : entreprises qui modernisent des systèmes legacy avec l’AI en Pologne

L’ordre n’est pas un classement de qualité. Les entreprises sont regroupées par type de partenaire. La liste couvre des sociétés polonaises disposant d’une offre publique ou d’études de cas de modernisation et de travail avec l’AI. Nous décrivons Startup House selon le même schéma que les autres.

1. Startup House (Varsovie)

Software house qui, depuis 2016, développe des logiciels pour des clients en Pologne, aux États‑Unis et en Europe, et qui ces dernières années se spécialise dans les agents AI, les assistants et les intégrations LLM avec des systèmes existants. La modernisation legacy, chez nous, se décline en deux types de projets : reprise d’un système après un autre prestataire et son évolution, ainsi qu’ajout d’une couche AI à un système en production sans le réécrire.

• Cas : Omnipack (logistique e‑commerce, Pologne). Reprise du système OmniSoft (fulfillment, expéditions, retours) et sa modernisation par une équipe dédiée (2 backend, 1 frontend, 1 QA). Résultat : 40 % de coûts de développement en moins. Technologies : Java, Spring, Kafka, React. Collaboration depuis 2023.
• Cas : plateforme de cybersécurité (USA, clients Fortune 500). Données d’un système legacy reconfigurées en couche d’orchestration AI : nouveaux agents AI lancés en quelques minutes sans travail d’ingénieurs. Résultat : +150 % de revenus en un an, +400 % de clients B2B. Technologies : modèles Anthropic, LangGraph, MCP, OAuth 2.1, Google Cloud, intégration avec CrowdStrike Falcon. Collaboration depuis 2020.
• Produit : AI Interface Layer. Couche d’interaction en langage naturel au‑dessus d’une plateforme existante, sans reconstruire son cœur.
• Méthode de travail : ateliers discovery (ce qui génère du coût dans le système, ce qui peut être changé sans arrêter les opérations), reprise du code et tests de régression, puis changements incrémentaux. Les solutions AI tournent sur des données client vérifiées, dans le cloud du client, avec intégration aux politiques d’accès ; les données du client n’entraînent pas de modèles publics. Conforme à ISO 27001.
• Partenaires technologiques : Anthropic, OpenAI, Google Cloud, Microsoft Azure, ElevenLabs, Okta.
• Pour qui : entreprises qui veulent ajouter l’AI à un système en production ou reprendre et assainir un système après un précédent prestataire, sans interrompre le business.

2. Software Mind

Entreprise avec 1 600+ spécialistes, une offre dédiée à la modernisation (Software Mind Shift), des migrations vers le cloud (dont une étude de cas de migration d’un système dédié vers Google Cloud), des services AI/ML, d’AI générative et de data engineering. Secteurs : finance, télécommunications, life sciences, médias, production, services de messagerie.

• Pour qui : groupes avec une forte dette technique dans des systèmes critiques, nécessitant une grande équipe sur un programme pluriannuel.

3. Sii Polska (Varsovie, bureaux dans de nombreuses villes)

Premier prestataire de services IT en Pologne (Computerworld TOP200), qui combine modernisation et maintenance de systèmes avec une équipe AI (350+ spécialistes, offre allant de l’agentic AI aux AI managed services).

• Pour qui : grandes entreprises qui veulent combiner modernisation, maintenance et AI dans un seul contrat avec un grand fournisseur.

4. Netguru (Poznań)

Software house de Poznań (800+ personnes), qui, lors de la modernisation de produits numériques, met l’accent sur la refonte UX et l’ajout d’agents et de RAG ; ISO 27001.

• Pour qui : entreprises qui modernisent un produit numérique orienté client et souhaitent en profiter pour refondre l’UX.

5. STX Next (Poznań)

Software house Python ; dans le contexte legacy, particulièrement fort sur la refonte de backends et de systèmes de données et sur les migrations avec fort traitement de données.

• Pour qui : refonte du backend et des systèmes de données, migrations avec gros volumes de traitement.

6. Ideo (Varsovie, Rzeszów)

Entreprise familiale (au classement Forbes des entreprises familiales) avec une offre d’automatisation des processus : plateforme de circulation documentaire LOGITO, Ideo Flow avec agents AI pour coordonner les processus, plateformes e‑commerce et B2B, logiciels sur mesure, outsourcing IT. Clients : Lotto, DPD, Empik, Wolters Kluwer, Kronospan.

• Pour qui : entreprises qui modernisent leurs processus internes et la circulation des documents, pas seulement le code.

7. Comarch (Cracovie)

Éditeur de logiciels ; pour les entreprises dont le système maison ne vaut pas la modernisation, propose la variante « replace » : un ERP prêt à l’emploi avec agents AI intégrés et ChatERP.

• Pour qui : entreprises choisissant la variante « replace » plutôt que la modernisation de leur propre code.

8. TTMS (Varsovie)

Intégrateur de plateformes (Salesforce, Microsoft, Adobe) ; variante « replatform » : transfert des processus d’anciens systèmes maison vers des plateformes standard avec agents AI ; ISO/IEC 42001.

• Pour qui : entreprises qui déplacent leurs processus d’anciens systèmes maison vers des plateformes standard.

Coûts cachés du legacy : où se trouve le ROI

Les systèmes legacy paraissent bon marché au budget, car les licences sont amorties et la maintenance est assurée par une seule personne. Les vrais coûts sont ailleurs :

• Fonctionnalités impossibles à livrer. Chaque intégration (nouveau canal de vente, partenaire, AI) exige des contournements ou est impossible.
• Talents. Difficile de recruter des développeurs pour des technologies sans support, et la connaissance du système est concentrée chez une ou deux personnes.
• Sécurité. Pour les composants en fin de support, l’éditeur ne publie plus de correctifs ; les vulnérabilités connues restent ouvertes.
• Données. Les données sont dans le système, mais impossibles à exploiter pour l’analytics ou l’AI sans exports manuels.

Le ROI de la modernisation se calcule donc non seulement en comparant le coût du projet au coût de maintenance, mais aussi par la valeur de ce qui devient possible après : automatisation d’un processus, service client par assistant, reporting sans travail manuel. Chez Omnipack, l’effet mesurable est 40 % de coûts de développement en moins ; pour la plateforme cyber, ce sont de nouvelles lignes de revenus grâce à des agents AI déployés sans travail d’ingénieurs.

Comment choisir un partenaire pour une modernisation avec l’AI

• Expérience de reprise de code. Demandez des projets où le partenaire a repris un système après un autre prestataire, et à quoi ont ressemblé les premières semaines (audit, tests, documentation).
• Étude de cas chiffrée. Coût de développement, temps de traitement, nombre de processus automatisés. Un descriptif sans chiffres ne suffit pas.
• Approche de l’AI dans le legacy. Le partenaire propose‑t‑il d’abord une couche au‑dessus du système, ou directement une réécriture ? La seconde réponse sans analyse est un signal d’alerte.
• Travail sans interruption des opérations. Plan de changements incrémentaux, tests de régression, environnements parallèles.
• Sécurité des données pendant le processus. Où vont le code et les données lors de l’analyse par un LLM ; les modèles fonctionnent‑ils selon des conditions business ; qui a accès.
• Propriété et documentation. Code, tests et documentation appartiennent à l’entreprise après le projet ; le système peut être transmis à une autre équipe.
• Interchangeabilité du modèle. L’architecture de la couche AI permet de changer de fournisseur de modèle sans reconstruction.

Quelle trajectoire convient à votre entreprise

• Le système fonctionne, l’AI et les intégrations manquent : couche API et AI au‑dessus du système, changements incrémentaux. Software house AI (Startup House) ou équipe produit (Netguru, STX Next).
• Le système est critique, volumineux et sur une techno sans support : programme de modernisation pluriannuel avec un grand fournisseur (Software Mind, Sii).
• Le problème tient aux processus et à la circulation documentaire, pas au code : automatisation des processus (Ideo).
• Le système maison ne vaut pas l’entretien : remplacement par un ERP prêt à l’emploi (Comarch) ou transfert des processus vers une plateforme (TTMS).

Voir aussi : TOP 10 des entreprises qui déploient l’AI en Pologne · Comment choisir une entreprise pour déployer l’AI : check‑list de 20 questions · AI Interface Layer – page produit · Étude de cas : Omnipack

FAQ

L’analyse de l’ancien code par l’AI est‑elle sûre pour les données de l’entreprise ?

Oui, si les modèles fonctionnent selon des conditions business (les données n’entraînent pas les modèles), dans le cloud du client ou un environnement contrôlé, et si l’accès au code et aux données est limité à l’équipe projet. C’est l’une des premières questions à poser au partenaire.

Faut‑il déployer l’AI immédiatement ?

Non. La première étape est un système auquel on peut ajouter de l’AI : données ordonnées, API, tests. La couche AI se greffe ensuite, souvent sur un seul processus pour mesurer l’impact.

Qu’est‑ce qui est moins coûteux : moderniser ou reconstruire à partir de zéro ?

À court terme, la modernisation incrémentale, car les changements sont étalés dans le temps et l’ancien système reste opérationnel. Reconstruire à partir de zéro est pertinent quand le stack n’est plus supporté, que la logique est standard ou que le coût de maintien de l’ancien dépasse celui du nouveau sur 3–5 ans. La décision doit reposer sur un TCO calculé, pas sur une impression.

Comment l’AI aide à documenter les anciens systèmes ?

Les modèles de langage analysent le code et génèrent une description fonctionnelle, une carte des dépendances et des diagrammes de flux, que l’ingénieur vérifie. Cela abaisse la barrière d’entrée d’une nouvelle équipe et permet de décider ce qui est encore utilisé dans le système.

Quelles sont les erreurs les plus fréquentes lors d’une modernisation ?

Rafraîchir l’interface sans toucher à la logique, tout réécrire d’un coup sans tests de régression, ne pas analyser quelles fonctionnalités sont réellement utilisées et déployer l’AI sur des données non ordonnées.

Peut‑on moderniser un système sans interrompre l’activité de l’entreprise ?

Oui, et c’est la norme : changements incrémentaux, environnements parallèles, tests de régression et bascule progressive des modules. C’est ainsi qu’a eu lieu la reprise et la modernisation du système d’Omnipack.

Panorama préparée par l’équipe Startup House à partir d’informations publiques sur les entreprises (état : octobre 2026). Si vous représentez une entreprise de la liste et souhaitez mettre à jour la description, contactez‑nous.