Deutsche Börse a développé un outil d'IA générative pour migrer à grande échelle ses notebooks Zeppelin vers Databricks, comme ses équipes l'ont décrit en mai 2026 sur le blog de Databricks. Au-delà de la réalisation technique, cette initiative montre une approche méthodologique que les PME peuvent adapter à leurs propres enjeux de migration : ERP, CRM, outils métiers ou infrastructures cloud.
Pourquoi Deutsche Börse mise sur l'IA pour ses migrations plutôt que sur une équipe dédiée
Le groupe financier allemand faisait face à une échéance ferme : Cloudera arrête complètement Zeppelin en 2027, et les travaux d'analyse de données passent sur Databricks. Plus de 2 000 utilisateurs et un grand volume de notebooks sont concernés, dont beaucoup contiennent une logique métier complexe. Selon l'équipe, une réécriture entièrement manuelle aurait pris des années, avec les risques habituels : erreurs de transcription, perte de logique métier, interruptions de service.
L'approche retenue combine deux étapes. D'abord une conversion structurelle, sans IA : les paragraphes Zeppelin deviennent des cellules Databricks, les interpréteurs (%python, %sql, %pyspark) sont traduits et les métadonnées sont remises au bon format. Ensuite une reconstruction de la logique assistée par IA : pour chaque notebook, l'outil génère une consigne qui décrit l'environnement Zeppelin de Deutsche Börse, et l'assistant Genie de Databricks s'en sert pour reconstruire le code. Certains éléments sont volontairement laissés aux équipes : références aux bases Oracle et HDFS, logique d'ordonnancement, code métier spécifique.
Résultat annoncé : le redéveloppement d'un notebook passe de plusieurs heures de travail manuel à 15 à 20 minutes, selon sa complexité. Les utilisateurs métier migrent eux-mêmes leurs notebooks en suivant quelques étapes, sans expertise Databricks approfondie. Au moment de la publication, l'outil était encore en cours de validation sur des notebooks de plusieurs entités du groupe.
Pour un dirigeant de PME, l'intérêt est de repérer les migrations reportées faute de ressources qui pourraient être débloquées de cette façon.
Ce que révèle cette approche sur l'évolution des projets de migration en entreprise
L'initiative de Deutsche Börse illustre une évolution dans la gestion des migrations IT. On peut distinguer trois niveaux de maturité des entreprises face à ces projets.
La première génération d'entreprises traite encore les migrations comme des chantiers exceptionnels, mobilisant des équipes entières et figéant l'innovation pendant la durée du projet. Ces organisations subissent leurs migrations plus qu'elles ne les pilotent.
La deuxième génération industrialise ses processus de migration via des méthodologies éprouvées et des outils de transformation semi-automatisés. Ces entreprises maîtrisent leurs délais et leurs budgets, mais restent dépendantes de ressources spécialisées rares.
La troisième génération, dont Deutsche Börse fait partie, intègre l'IA générative comme accélérateur de migration. Ces organisations réduisent le coût de chaque migration : elles peuvent migrer plus vite, plus souvent, et libérer leurs équipes pour des projets à plus forte valeur ajoutée.
Les trois leviers techniques reproductibles en PME pour automatiser ses migrations
L'architecture décrite par Deutsche Börse repose sur des principes accessibles aux PME. Premier levier : séparer ce qui est mécanique de ce qui demande de l'interprétation. La conversion de structure se fait par règles, de façon déterministe ; l'IA n'intervient que pour la logique, là où les contenus sont trop hétérogènes pour des règles fixes. C'est la principale leçon tirée par l'équipe : la réécriture par règles ne tient pas sur des contenus hétérogènes.
Deuxième levier : donner du contexte au modèle. L'outil ne demande pas à l'IA de « traduire » un notebook dans l'absolu. Il génère pour chaque notebook une consigne qui décrit l'environnement d'origine, ses conventions et ses particularités. La qualité du code produit dépend directement de ce contexte.
Troisième levier : délimiter ce que l'outil ne touche pas, puis valider. Les éléments sensibles ou très spécifiques restent entre les mains des équipes, et l'outil est éprouvé sur des cas réels avant d'être généralisé. Dans une PME, cette validation passe par des tests sur des données réelles et la comparaison des résultats avant et après migration.
Ces principes se transposent à d'autres migrations : passage d'un ERP on-premise vers le cloud, migration de bases de données, modernisation d'applications métier. Les outils et les connecteurs changent, la méthode reste la même.
Pourquoi les PME ont un avantage structurel sur les grands groupes pour ce type d'automatisation
Contrairement aux idées reçues, les PME disposent d'atouts significatifs pour déployer des outils d'automatisation de migration. Leur architecture IT moins complexe facilite l'analyse automatisée : moins de systèmes interconnectés, moins de cas d'usage marginaux, moins de couches d'abstraction héritées.
Leur rapidité de décision constitue un deuxième avantage. Une PME peut lancer un pilote de migration assistée sur un périmètre réduit sans cycle de validation long. Cette réactivité permet d'itérer rapidement sur les règles de transformation et d'affiner l'outil.
Le troisième avantage réside dans la proximité avec les utilisateurs finaux. Les PME connaissent intimement leurs processus métiers et peuvent identifier plus facilement les invariants à préserver lors de la migration. Cette connaissance terrain alimente directement les consignes données à l'IA et améliore la qualité des transformations.
Les erreurs à éviter pour répliquer cette approche sans reproduire les échecs classiques
La tentation première consiste à vouloir automatiser l'intégralité de la migration dès le premier projet. Mieux vaut procéder par itérations, en commençant par un lot de cas simples pour calibrer l'outil et former les équipes sans prendre de risques critiques. Deutsche Börse a d'ailleurs laissé hors du périmètre automatisé les éléments les plus spécifiques et prévu une validation sur plusieurs entités avant le déploiement à grande échelle.
Seconde erreur : négliger la phase de préparation des données source. L'efficacité de l'IA générative dépend directement de la qualité et de la standardisation des inputs. Une PME qui lance une migration automatisée sur un système documenté de façon hétérogène obtiendra des résultats aléatoires. L'investissement en amont dans le nettoyage et la structuration des données conditionne le succès du projet.
Troisième piège : sous-estimer l'accompagnement au changement. L'automatisation de la migration ne règle pas automatiquement l'adoption des nouveaux outils par les utilisateurs. Les équipes doivent être formées aux nouvelles interfaces et aux nouvelles logiques fonctionnelles. Cette dimension humaine reste déterminante pour transformer un succès technique en succès opérationnel.
L'automatisation des migrations IT comme levier de modernisation
L'approche de Deutsche Börse ouvre une perspective pour les PME : faire des migrations IT une opération courante plutôt qu'un chantier exceptionnel. Une entreprise capable de migrer rapidement et à moindre coût peut plus facilement tester de nouveaux outils et s'adapter aux évolutions de son marché, au lieu de reporter ses projets de modernisation faute de ressources.
Par où commencer dans une PME
Listez les migrations que vous repoussez (logiciel en fin de support, fichiers Excel devenus critiques, base de données vieillissante) et, pour chacune, la part qui relève de règles simples et celle qui demande de l'interprétation. Choisissez ensuite un lot réduit pour un pilote, avec des tests sur des données réelles. Quand aucun outil standard ne couvre votre cas, un développement IA sur mesure permet de construire un outil de conversion adapté à vos systèmes.
Si vous voulez savoir quelle migration traiter en premier, vous pouvez demander un diagnostic gratuit.
Article rédigé par Louis Noyaret, cofondateur de Lumivi.
