Aller au contenu
Luc Dages

L'IA a supprimé les fonctionnalités. Il n'y avait plus de bugs.

Trente-cinq ans de métier, un an d'agents : pourquoi je pense que la question n'est pas l'outil, mais ce qu'on met autour.

· 6 min de lecture · série Fil rouge

J’ai demandé à l’IA de corriger les bugs, et elle a supprimé les fonctionnalités. Après trente-cinq ans de logiciel et un an de travail quotidien avec des agents, ces IA qui écrivent et modifient le code elles-mêmes, je pense que la question n’est pas l’outil, mais ce qu’on met autour. Voici d’où je tire cette conviction, et ce qu’elle veut dire pour une organisation.

Un soir, un script, une équipe débloquée

Au milieu de l’année 2025, chez mon précédent employeur, une équipe de Scrum Masters, les animateurs des équipes agiles, tournait en rond depuis plusieurs semaines sur ses tableaux de suivi. Les informations étaient dans Jira, l’outil de suivi des tâches, le besoin était clair, et pourtant rien ne sortait. Un soir, je me suis posé avec GPT. En deux heures, j’avais un script Python tout bête qui interrogeait Jira et générait les rapports attendus. Ce n’était pas brillant, c’était utile, et cela marchait.

Je crois que c’est ce jour-là que l’IA générative est passée, pour moi, du gadget à l’outil de travail. Jusque-là j’avais été bluffé par le dialogue, par la capacité à transformer du Python en Go ou en C. Là, j’avais résolu un problème réel d’équipe, en une soirée.

La limite, tout aussi vite

La limite est apparue tout aussi vite. Cette équipe n’était pas composée de développeurs. Dès qu’il a fallu faire évoluer le script, même avec GPT à côté, ils n’y arrivaient pas. L’IA leur donnait du code ; ce qui leur manquait, c’était tout le reste : la gestion des sources et des versions, la lecture critique du code, l’habitude de la qualité. Des gestes qui chez moi étaient une seconde nature et qui chez eux étaient inconnus. Il me semble que c’est la première leçon, et elle n’a pas bougé depuis : l’IA sait écrire du code ; le faire vivre dans la durée demande un métier qu’elle ne remplace pas.

Deux pattes

J’ai l’habitude de dire que j’ai deux pattes. La première est celle du geek : j’adore bâtir des solutions, faire de l’architecture, construire des logiciels de qualité qui produisent de la valeur. La seconde est celle de l’organisation. J’ai passé des années dans le CMMI, un modèle de maturité des processus de développement, et dans le coaching agile, souvent dans des environnements contraints. J’ai accompagné parmi les premières équipes Scrum qui ont obtenu un niveau 3 CMMI, puis des équipes agiles vers l’ISO 27001 et l’ISO 27701, les normes de sécurité de l’information et de protection des données personnelles. Ces contraintes, je les ai toujours trouvées intéressantes, parce qu’elles donnent des objectifs de qualité. Et j’ai appris une chose simple : on ne peut pas faire de la qualité sans avoir des savoir-faire bien costauds en dessous, en gestion des sources, en architecture propre, en analyse de code, en test. Les deux versants s’alimentent l’un l’autre.

Corriger les bugs en supprimant les fonctionnalités

C’est exactement ce que je retrouve avec les agents. Ils sont très bons pour produire du code. Mais ils divergent par rapport à ce qu’on a demandé, ils oublient ce qu’on a fait avant, ils comprennent de travers. Quand on commence à développer avec des agents, on le fait un peu comme ça, on a l’impression que tout va bien, on ne met aucun garde-fou. Puis le projet prend de l’ampleur et les bugs arrivent. Cela m’est arrivé sur plusieurs projets : j’ai demandé à l’IA de corriger les bugs, et elle a supprimé les fonctionnalités. Comme ça, on n’avait plus de bugs.

Mon réflexe a été celui d’un responsable d’équipe, pas celui d’un développeur. J’ai d’abord écrit des fichiers qui fixent le niveau de qualité attendu et qui listent les exigences fonctionnelles à ne pas perdre, pour que l’agent ne puisse plus les oublier. Puis j’ai mis en place une barrière de tests de non-régression, qui vérifient que ce qui marchait marche toujours, et des outils qui vérifient le code. Ce qui a commencé comme quelques fichiers de texte est devenu, quelques mois plus tard, une usine de développement avec des rôles, des contrats et des portes de qualité. J’y reviendrai dans une autre série d’articles.

Quarante ans de recettes qui répondent aux défauts de l’IA

Pourquoi raconter cela ? Parce que ce que j’ai vu dans les entreprises, ce sont surtout des développeurs qui utilisent l’IA pour écrire du code, puis qui le relisent. C’est naturel, les développeurs aiment le code, et cela marche à l’échelle d’une personne. Mon approche est différente, plus organisationnelle, plus architecturale, et il me semble qu’elle vaut quel que soit le niveau hiérarchique et la taille de l’entreprise. Nous avons quarante ans de recettes d’ingénierie du logiciel : définir les exigences fonctionnelles et les exigences de qualité avant de coder, les fixer sous forme de tests, discuter l’architecture avant l’implémentation, vérifier le résultat derrière une barrière de tests, de sécurité et de qualité. Et à chacune de ces étapes, l’IA elle-même nous aide à être plus pertinents et plus rapides : pour formuler une exigence, écrire un test, discuter une architecture, lire un rapport d’analyse. Ces recettes n’ont pas été inventées pour l’IA, mais elles répondent exactement à ses défauts : l’oubli, la divergence, la confiance excessive. Je pense qu’on peut s’en servir pour tirer parti de ce que les agents font très bien, produire vite, tout en contrebalançant ce qu’ils font mal. Cela suppose d’adapter l’organisation du développement à ce que savent faire les agents, plutôt que de la calquer telle quelle.

Une organisation est un système

Il y a un point auquel je tiens, parce que je l’ai vu de près en tant que coach : une organisation est un système, et l’IA accélère des postes, pas le système. Le lean nous l’a appris depuis longtemps, une optimisation locale qui n’est pas guidée par une vue d’ensemble déplace le goulot et peut aggraver les gaspillages. Avec l’IA, l’accélération des défauts suit celle de la production : une organisation qui ne faisait pas attention à sa qualité peut dégrader très vite son logiciel, et une équipe de développement qui livre soudain beaucoup plus vite met en difficulté un métier qui ne suit plus. L’IA n’est qu’un outil. Comme tout outil qui apporte un gain de productivité, il faut savoir où on le met dans le flux.

La question que je me pose

J’ai fait un DEA d’informatique, le diplôme de recherche qui précédait le doctorat, en 1990. Ma plus grande croyance, pendant trente ans, c’est que je ne verrais jamais quelque chose comme ça de mon vivant. Cela arrive, et cela marche. Depuis le milieu de 2025 j’en fais tous les jours, et depuis décembre 2025 à plein temps, en passant de GPT à Claude.

La question que je me pose vraiment, et sur laquelle j’aimerais lire vos réponses, est celle-ci : une fois l’outil maîtrisé, à quoi sert le gain de productivité ? À réduire les équipes et gagner en rentabilité, ou à créer plus de valeur et rendre plus de services aux clients ? Et comment le répartir à l’intérieur de l’organisation ?


Ce qu’un dirigeant en retient. L’IA accélère ce que votre organisation est déjà. Solide, elle ira plus vite ; fragile, elle se dégradera plus vite. La question n’est pas l’outil, c’est la structure autour.