Comment adopter l'IA dans une équipe logicielle
Votre stratégie d’adoption de l’IA consiste-t-elle à distribuer des licences Copilot, Cursor ou Claude et à les laisser se débrouiller pour apprendre à les utiliser ?
Au cours de l’année écoulée, j’ai constaté que c’était une stratégie répandue dans les entreprises de logiciels, dont les équipes font face à une charge de travail élevée et qui, par manque de connaissances et de temps, voient l’IA comme une technologie de plus que chaque développeur peut apprendre en autodidacte.
Quand je commence à travailler avec un client qui a suivi cette approche, la première chose que je fais est de mesurer l’utilisation réelle et l’impact que l’initiative a eu, et ce que j’observe est le suivant :
L’utilisation est concentrée parmi quelques utilisateurs avancés. Des personnes qui ont proactivement pris le temps de rechercher et d’apprendre comment exploiter le potentiel de l’IA. En général, cela représente moins de 10% de l’équipe, et ce sont des personnes qui ont consacré un temps personnel significatif à l’apprentissage.
Un nombre significatif de développeurs utilisent à peine l’IA ou l’utilisent très peu. Il y a différentes raisons ici, allant d’un premier essai qui a donné de mauvais résultats à la peur de perdre le contrôle sur le code, surtout lorsqu’ils utilisent le mode agent sans critères.
Le nombre moyen de cas d’utilisation par développeur est d’environ 3 : recherche d’informations, génération de code pour de nouvelles fonctionnalités et génération de tests. Cependant, beaucoup ignorent d’autres cas d’utilisation qui sont également très utiles : conception, prototypage, documentation, débogage, refactoring, revue de code, ou création de scripts et d’automatisations.
Ils continuent à travailler comme avant l’IA : même méthodologie Scrum, mêmes bonnes pratiques (ou absence de celles-ci), même gestion de produit, etc.
Certains développeurs achètent des licences personnelles de leur propre poche, notamment Claude Code, et cela signifie que l’entreprise n’a aucun contrôle sur la configuration de la confidentialité des données ni de visibilité sur les métriques. J’ai vu plusieurs entreprises partager sans le savoir leur code source propriétaire avec Anthropic pour l’entraînement de nouveaux modèles pour cette raison.
Et toutes les entreprises qui abordent le sujet de cette manière ont un sentiment mitigé concernant l’impact de l’IA, car elles ont peut-être vu quelques cas de succès internes, mais le sentiment est que tout continue plus ou moins comme avant.
D’après mon expérience, ce qui fonctionne est de définir une stratégie d’adoption de l’IA au niveau de l’équipe technologique où la première étape est de communiquer à la direction ce qu’elle peut attendre des capacités actuelles de l’IA générative, au-delà du battage médiatique, en fixant des attentes concernant l’impact et l’investissement qu’ils devront réaliser.
D’un côté, l’impact n’est pas x10 ou x2 comme beaucoup le vendent, mais on peut aspirer à une augmentation entre 10% et 30% (bien que cette fourchette ne doive pas être interprétée littéralement, mais plutôt comme un ordre de grandeur de ce qui peut être attendu), dépendant grandement de la technologie, du projet et des tâches, de la séniorité de la personne, des outils et de ses connaissances en IA.
D’un autre côté, l’investissement minimum recommandé comprend : les outils (Cursor ou Copilot en Teams ou Business sont les bases), la formation et le coaching technique. Et un plan d’adoption réaliste nécessite plusieurs mois pour atteindre la vitesse de croisière, où l’IA fait déjà partie de la routine quotidienne de chacun.
Dans les accompagnements que je fournis aux entreprises pour les aider à adopter l’IA, je suis généralement ce plan :
Commencer par évangéliser la direction, en fixant des attentes réalistes et en partageant des expériences qui les aident à comprendre les possibilités. Après tout, l’IA n’est pas juste une technologie de plus, mais elle change notre façon de travailler, et ce changement nécessite que la direction soit convaincue et impliquée pour le mener à bien. Une idée largement répandue sur l’IA est qu’elle est un accélérateur ; cependant, ne regarder que la variable temps peut nous conduire à finir par être plus rapides à livrer de la qualité inférieure. Une stratégie plus judicieuse est de voir l’IA comme un amplificateur à la fois de la vitesse et de la qualité, en calibrant les initiatives pour augmenter les deux.
Proposer une formation pour tous, pour élever le niveau général et réduire la courbe d’apprentissage qui existe lorsqu’on est autodidacte. Si nous ne fournissons pas de formation, il est presque certain qu’il y aura des ingénieurs qui obtiendront des résultats sous-optimaux, et le coût à long terme sera payé en productivité non réalisée.
Compléter la formation avec des sessions de pair programming et de coaching technique, où chaque développeur travaille avec un développeur expérimenté dans l’utilisation de l’IA sur du vrai code dans une tâche ou user story de leur projet. Car la formation fournit généralement un bon cadre théorique, mais la mise en pratique n’est pas si triviale. Si quelqu’un a déjà fait du pair programming avec un développeur plus senior, il saura détecter la valeur qui peut être obtenue de ce type de session.
Revoir et mettre à jour les meilleures pratiques de développement, car l’IA nous permettra d’aller plus vite, mais si nous n’avons pas de bonnes pratiques solides, nous finirons avec plus de bugs et plus de dette technique. Grâce à l’IA, nous voyons des équipes adopter des pratiques qu’elles avaient en backlog, et avec un investissement moindre que celui qui était nécessaire auparavant.
Mesurer et générer des rapports mensuels sur l’utilisation de Copilot, Cursor, Claude - c’est la seule façon d’avoir une image objective de l’évolution de l’utilisation et de l’adoption.
Mesurer et générer des rapports de productivité d’ingénierie pour détecter et quantifier l’impact de l’IA sur le développement logiciel. Certaines métriques qui peuvent être utilisées sont le lead time, le throughput, le change failure rate.
Créer une Guilde IA où l’équipe partage les apprentissages et les expériences avec l’IA au sein de l’entreprise. Cela permettra également à l’équipe de percevoir que l’IA est une partie fondamentale du travail et doit être présente dans les conversations. L’une des initiatives les plus courantes est de créer un forum, un canal de chat ou similaire dédié à la Guilde IA et d’encourager tout membre de l’équipe à publier sur la façon dont il utilise l’IA.
Surveiller les actualités sur les outils et les modèles, et les partager avec l’équipe dès qu’elles apparaissent. C’est un domaine qui évolue si vite, et où nous avons vu des mises à jour qui représentent des sauts quantiques.
D’après mon expérience avec les équipes qui suivent cette stratégie, l’adoption de l’IA par les ingénieurs finit par être généralisée, et l’augmentation de la productivité devient visible après quelques mois. De plus, il y a une amélioration claire du processus de développement, avec plus et de meilleures pratiques, ce qui contribue à élever la culture de l’équipe d’ingénierie.
Si vous sentez que l’IA ne répond pas aux attentes dans votre équipe, vous devez peut-être revoir la façon dont vous procédez. Si vous voulez en parler, vous pouvez réserver un appel ici.