Convertir l’excellence technique en valeur métier
Les dirigeants d’entreprises investissent souvent dans l’intelligence artificielle (IA) pour des raisons de rapidité, un motif justifié, mais qui n’a de sens que si l’on identifie précisément les facteurs ralentissant la productivité. Toutefois, la plupart des dirigeants peinent à répondre à cette question. Ils ressentent que les délais de livraison sont trop longs et craignent que leurs meilleurs ingénieurs soient débauchés, tout en faisant face à des conseils d’administration exigeant plus d’innovation. Ils se tournent alors vers des outils d’assistance au codage, pensant que la perception d’une avancée rapide suffit à justifier leur stratégie. Pourtant, la mission essentielle d’une stratégie d’IA est d’identifier le véritable goulot d’étranglement.
Coder plus vite ≠ livrer plus vite
En moyenne, un développeur consacre environ 21 % de son temps à l’écriture de code. Le reste de son temps est alloué à des réunions, des tests, du débogage, de la conception, des revues de sécurité, ainsi qu’à des attentes liées aux environnements, aux builds et aux revues. Malgré cela, la majorité des investissements dans l’IA se concentrent sur cette phase de codage. Les démonstrations se focalisent sur la génération de code, et les indicateurs de succès ment les lignes de code produites par l’IA. Même si l’IA pouvait multiplier par dix la phase de codage, cela ne représenterait qu’une optimisation d’un quart du système. Les 79 % restants limitent les gains, et les études actuelles estiment que l’amélioration de la productivité grâce aux outils de codage alimentés par IA, utilisés isolément, se situe entre 5 et 10 %. Bien que cela constitue un progrès, cela reste en deçà des attentes des conseils d’administration.
Où se situent réellement les gains de productivité
La coordination entre les systèmes et les équipes, représentant le reste du temps de travail, est où se cachent les véritables gains de productivité. L’IA peut réduire les frictions à chaque étape du cycle de développement logiciel, notamment en transformant des exigences métiers en spécifications techniques, en aidant les développeurs à naviguer dans des codes sources complexes, en générant des tests unitaires, et en rédigeant des notes de version à partir de l’historique des commits.
Les gagnants auxquels on ne s’attendait pas
Les organisations qui tirent le plus de valeur mesurable de l’IA sont souvent de grandes entreprises traditionnelles, telles que des banques et des opérateurs de télécommunications. Par exemple, une banque britannique régulée a déployé une plateforme DevSecOps assistée par l’IA pour plus de 18 000 utilisateurs, servant 48 millions de clients, avec un taux de satisfaction des équipes de développement supérieur à 80 %. Un leader mondial dans le secteur des télécommunications a intégré l’IA dans un pipeline CI/CD mature, économisant 130 000 heures en six mois et réduisant de moitié ses délais de déploiement.
Ces succès s’expliquent par deux facteurs : une maîtrise déjà établie de l’ingénierie rigoureuse et une capacité à gouverner des systèmes probabilistes. Le cadre existant, conçu pour répondre à des exigences réglementaires, se révèle adapté à l’IA.
Quand l’IA joue le rôle d’amplificateur
Des recherches récentes indiquent que l’IA n’instaure pas la maturité, mais amplifie celle qui est déjà présente. Les entreprises qui réussissent dans l’IA le font non pas en investissant dans la technologie, mais en maîtrisant les principes fondamentaux tels que les tests, les revues et la gouvernance. À l’inverse, si une plateforme est fragile, l’IA risque d’accélérer l’accumulation de la dette technique.
Il est crucial de ne pas négliger les investissements d’infrastructure. Ce sont précisément ces éléments qui détermineront le succès ou l’échec d’une stratégie d’IA.
Le concept du « super-développeur » est un mythe. Cependant, une organisation où chaque ingénieur peut s’appuyer sur une plateforme qui détecte les erreurs et réduit les frictions est à portée de main.
Source : Économie Matin
