Les équipes logicielles exécutant des outils de codage d’IA génèrent plus de résultats que jamais. Les commits sont terminés. Les demandes de tirage se déplacent plus rapidement. En chiffres, la productivité des développeurs est ce que les outils promettaient.
Les performances de livraison sont une autre histoire. De nombreuses organisations signalent que les déploiements ont ralenti et que les frais de gouvernance ont augmenté. Les outils d’IA ont fonctionné. Le système qui les entourait ne s’adaptait pas à eux.
Le goulot d’étranglement s’est déplacé
Lorsque la génération de code s’accélère, la pression s’accumule en aval. Les cycles de révision de code qui étaient gérables à la vitesse d’écriture humaine deviennent une contrainte lorsque les développeurs assistés par l’IA génèrent deux ou trois fois plus de volume. Les pipelines de test sont confrontés à des demandes de débit plus élevées. Les contrôles de sécurité et de conformité arrivent plus fréquemment. La documentation prend du retard. Les approbations de déploiement deviennent une file d’attente.
Les outils s’adressaient à une partie de la chaîne de livraison. Le reste de la chaîne est resté organisé pour un monde plus lent.
Une étude de McKinsey montre que les entreprises qui tirent une valeur significative de l’IA le font en repensant les flux de travail, et pas seulement en déployant des outils. Les organisations qui en ont le plus profité sont allées au-delà des gains de productivité individuels pour modifier la façon dont le travail est organisé au niveau du système. Cette constatation apparaît de manière cohérente dans tous les secteurs, et le génie logiciel ne fait pas exception.
Des solutions cohérentes
La coordination comme problème d’ingénierie
Ce qu’exige la livraison assistée par l’IA, et ce que de nombreuses organisations d’ingénierie n’ont pas encore construit, c’est une capacité de coordination : des mécanismes permettant de maintenir l’alignement du contexte entre un plus grand nombre d’agents et de contributeurs, d’attribuer les responsabilités sur un pipeline plus rapide et de déterminer où le jugement humain doit rester dans la boucle.
Le contexte apparaît comme une forme essentielle d’infrastructure. Les agents d’IA sont plus performants lorsqu’ils ont accès aux normes techniques, aux exigences des produits, aux politiques de domaine et aux connaissances organisationnelles actuelles. La maintenance et la gestion des versions de ce contexte peuvent devenir aussi importantes que la maintenance du code lui-même.
La gouvernance présente un défi connexe. Les contrôles traditionnels de conformité et de sécurité sont souvent des étapes séquentielles ajoutées tard dans le processus de livraison. Lorsque le volume des résultats générés par l’IA augmente, ces contrôles deviennent un goulot d’étranglement. L’intégration de la validation de sécurité, des contrôles de licence et de la journalisation d’audit directement dans les flux de travail quotidiens est l’une des solutions proposées par les organisations.
Une réponse au problème du système
Coherent Solutions, une société mondiale d’ingénierie numérique, est l’une des nombreuses organisations technologiques qui tentent de résoudre le problème du système de livraison à un niveau structurel. Son récent livre blanc présente ce que l’entreprise appelle la « boucle de livraison continue ». Ce cadre remplace les transferts fixes entre les phases de développement par des retours récurrents lors de l’identification des problèmes, de la validation, de l’ingénierie et de l’observation de la production. L’entreprise décrit ce qu’elle appelle « l’écart de valeur numérique », l’espace entre l’activité accélérée des développeurs et la valeur d’entreprise que cette activité est censée produire.
L’entreprise met également l’accent sur l’apprentissage composé. Son manuel d’IA et ses kits de démarrage d’IA spécifiques à l’engagement permettent aux leçons d’un projet d’éclairer le suivant, avec le soutien de trois rôles organisationnels : un conseil d’IA, des experts en IA appliquée et des champions de l’IA.
Coherent Solutions rapporte une amélioration moyenne des performances de livraison d’environ 30 % par rapport à la référence pré-CDL de chaque client, un chiffre que la société présente comme une amélioration relative par rapport au point de départ de chaque client.
Que mesurer
Les lignes de code, les taux d’acceptation et les gains de temps individuels mesurent l’activité des développeurs, et non les performances de livraison. Des signaux plus utiles incluent le délai entre l’idée et la production, la fréquence de déploiement, les taux de défauts et de restaurations, ainsi que les résultats commerciaux liés à des versions spécifiques.
Les organisations les plus susceptibles d’accroître la valeur de l’adoption de l’IA sont celles qui construisent des mécanismes d’apprentissage institutionnel, capturant des modèles de gouvernance réutilisables et des connaissances spécifiques au projet afin que chaque engagement parte d’une base plus solide que le précédent.
