Agents IA un levier majeur, inevitable?
Comme beaucoup d’entreprises de la tech aujourd’hui, l’utilisation des agents IA est présentée comme un levier majeur, inévitable. Plus tôt vous vous familiarisez avec ces nouveaux outils, plus vous restez compétitifs. En tout cas, c’est ainsi que cela nous est vendu.
Tout a commencé avec une annonce du responsable produit. Dans un message Slack posté sur le canal global, on pouvait lire :
« Aujourd’hui, nous vous présentons le point de départ de l’un des changements les plus importants que nous entreprenons : la transition vers une méthode agentic-first du travail.
L’objectif est simple, mais ambitieux : avec une équipe de taille identique, nous voulons tripler notre cadence d’expérimentation d’ici fin 2026. Cela signifie passer de l’idée à l’expérience utilisateur réelle beaucoup plus rapidement qu’aujourd’hui, en modifiant en profondeur notre façon de travailler. »
L’objectif annoncé est clair : multiplier par trois le nombre d’expérimentations lancées.
Dans mon entreprise, cela fait environ un an que nous avons adopté une organisation tournée vers l’expérimentation. Chaque équipe est responsable d’une partie du produit et doit proposer des expérimentations en lien avec des objectifs trimestriels. Il nous est demandé de réaliser une dizaine d’expérimentations par sprint de deux semaines.
Donc, de dix, nous passerions à trente expérimentations par sprint, soit environ trois expérimentations par jour ouvré, du design à l’implémentation.
Avant cela, et même avant cet objectif de dix expérimentations, l’approche était plus directive : on nous donnait un objectif chiffré et une méthode pour l’atteindre. Aujourd’hui, on nous fixe un objectif, par exemple améliorer certaines métriques clés, et c’est à nous d’imaginer, avec le design, le produit et les ingénieurs, les solutions à tester pour y parvenir.
Demain, à en croire cette annonce, nous continuerions à faire la même chose, mais trois fois plus vite.
Je précise d’ailleurs que nous n’arrivons pas à atteindre les dix expérimentations par sprint.
Pour donner un exemple, une métrique produit est actuellement à 15 %, et l’objectif est de l’améliorer pour atteindre 20% d’ici la fin du trimestre. À partir de là, à nous de proposer et tester des idées.
C'est assez classic : test, mesure et on recommence en gardant ce qui améliore cette métrique.
Ce fonctionnement a marqué un changement important : passer d’une logique d’exécution à une logique d’expérimentation. Cela a aussi apporté plus d’autonomie aux équipes, un sentiment de pouvoir agir, et une meilleure compréhension des enjeux. Les équipes ne sont plus de simples exécutantes, mais deviennent actrices de l’amélioration du produit. C’est plutôt bénéfique.
Le contexte de l’IA dans l’entreprise
Cependant, l’histoire ne commence pas vraiment avec cette annonce. Elle débute quelques mois plus tôt.
Une équipe d’ingénieurs a été constituée pour refondre un outil interne critique. Cet outil reposait sur une technologie peu répandue dans l’entreprise, et l’ensemble de l’équipe qui le maintenait est partie. Le projet a alors rapidement rencontré des difficultés, ce qui était assez prévisible. Le recrutement de profils maîtrisant cette technologie n’a pas abouti.
Une idée assez classique a alors émergé : réécrire complètement ce système dans une technologie mieux maîtrisée en interne. D’après ce qui m’a été rapporté, l’estimation était d’environ neuf mois de travail, ce qui était trop coûteux. Le projet a donc été mis en pause pour ne pas dire abandonné.
C’est à ce moment-là qu’une opportunité s’est présentée : un grand acteur du secteur a proposé de tester une méthodologie basée sur l’IA pour accélérer cette refonte.
Une équipe d’ingénieurs a alors été créée en interne pour travailler en collaboration avec des experts externes. Leur mission était de commencer la réécriture du système en s’appuyant fortement sur des agents IA.
L’expérimentation
Le projet a duré environ six semaines.
Pendant les cinq premières semaines, les ingénieurs ont principalement travaillé à spécifier le système avec l’aide de l’IA. En pratique, et c’est leur méthode, cela ressemblait à la rédaction d’un cahier des charges très structuré, destiné à guider précisément la génération de code, afin de répondre aux problèmes d’alignement typiques des IA génératives.
La dernière semaine a été consacrée à la génération de code.
Ils ont ainsi réécrit une partie du système dans plusieurs technologies différentes, avec pour objectif de comparer les performances.
Selon leurs mesures, une des versions s’est révélée nettement plus rapide. Comme il s’agit d’un outil de traitement de données, les gains de performance sont significatifs, avec à la clé des économies d’infrastructure non négligeables.
Un point intéressant ressort de cette approche : le faible coût de génération de code permet de tester plusieurs implémentations. Là où auparavant on faisait un choix technologique en amont, souvent sans pouvoir le valider concrètement, il devient possible de comparer plusieurs options de manière empirique.
Mon regard critique
Cependant, je reste sceptique sur la conclusion qui en est tirée.
On nous parle aujourd’hui d’accélérer l’innovation, mais l’exemple utilisé est une réécriture de système existant. Ce n’est pas le même exercice. Dans ce cas précis, les objectifs sont clairs et le problème est bien cadré.
Or, ce que l’on nous propose va beaucoup plus loin : une transformation profonde de notre manière de travailler, avec une dépendance accrue à des outils encore émergents, couvrant tout le processus, de l’idée à l’implémentation.
Ces outils sont puissants, mais ils proviennent d’entreprises dont la rentabilité n’est pas toujours établie. Certaines pourraient évoluer très rapidement, voire disparaître.
On nous demande pourtant de faire ce pari : adopter massivement ces outils, transformer nos pratiques, et croire que cela permettra d’accélérer l’innovation, en grande partie parce que toute l’industrie semble aller dans cette direction.
Le plus surprenant, à mes yeux, est que ce changement est facilité au point de suspendre temporairement les objectifs des équipes, afin de se concentrer exclusivement sur cette transformation.
Merci d'avoir lu jusqu'ici
Si vous souhaitez discuter de cet article, n'hésitez pas à me contacter sur Mastodon (le lien ouvre un nouvel onglet).
🫣