Repenser la livraison de logiciels à l’ère de l’IA

L’intelligence artificielle (IA) change la façon dont les organisations planifient, développent, testent, sécurisent et opèrent les logiciels. Appliquée à tout le cycle de vie du développement logiciel, l’IA peut aider les équipes à mettre en œuvre des logiciels de plus grande qualité plus rapidement, à réduire les coûts et à créer une voie plus directe des efforts de développement à la valeur commerciale.

Les organisations peuvent générer davantage de valeur en appliquant l’IA à l’échelle du cycle de vie, en reliant les individus, les processus et la technologie, tout en intégrant qualité, sécurité et gouvernance à chaque étape.

Le cycle de vie du développement de logiciels propose une approche structurée pour la planification, la conception, le développement, la mise à l’essai, le déploiement et la maintenance de logiciels. Il aide les organisations à gérer la complexité et à s’assurer que les logiciels répondent toujours aux exigences d’affaires, des utilisateurs, de qualité et de sécurité.

À mesure que les organisations cherchent à mettre en place des logiciels et à s’adapter plus rapidement aux exigences changeantes, les approches agiles ont modifié la gestion du cycle de vie classique. Un cycle de vie agile du développement logiciel tire profit d’une élaboration itérative, d’une rétroaction continue et d’une collaboration étroite entre les équipes des fonctions d’affaires et des TI en vue d’adapter le logiciel selon l’évolution des exigences. La mise en œuvre d’un cycle de vie agile du développement logiciel prévoit une organisation du travail en cycles itératifs ainsi qu’une automatisation de l’intégration, de la mise à l’essai et de la livraison, s’il y a lieu. Les modèles de développement et d’exploitation (DevOps) ainsi que de développement, de sécurité et d’exploitation (DevSecOps) mettent à profit ces pratiques grâce à une automatisation accrue et à une sécurité intégrée à chaque étape.

L’IA contribue désormais à cette évolution, non seulement dans la façon dont les tâches individuelles de développement sont réalisées, mais dans la façon dont le travail est coordonné. L’IA générative et l’IA agentive sont à l’origine du prochain virage; elles soutiennent les activités tout au long du cycle de vie et un travail de plus en plus interconnecté, auparavant dépendant d’une coordination humaine.

Cette situation engendre une progression émergente de la livraison de logiciels.

• Cycle de vie du développement logiciel traditionnel
  L’humain réalise et coordonne la plupart des activités, soutenu par des outils de développement et d’automatisation établis.
• Cycle de vie du développement logiciel assisté par l’IA
  L’IA soutient les tâches individuelles, telles que le codage, la mise à l’essai, l’analyse des exigences et la documentation.
• Cycle de vie du développement logiciel intégré à l’IA
  L’IA est intégrée à des flux de travaux connectés de développement alors que l’humain dirige et vérifie le travail.
• Cycle de vie du développement logiciel piloté par l’IA
  Les agents d’IA planifient, coordonnent et exécutent plus d’activités, tandis que l’humain établit l’intention, applique le contexte et le jugement, et procure gouvernance, validation et imputabilité.

L’adoption de l’IA et la modernisation des applications renforcent la nécessité de mettre en place des approches de livraison de logiciels qui soutiennent des changements plus rapides, tout en maintenant la qualité, la sécurité et la résilience.

Voici certaines conclusions de l’étude La voix de nos clients CGI :

• 62 % des organisations appliquent l’IA à leurs activités opérationnelles et à leurs processus d’affaires essentiels
• 16 % prévoient moderniser plus de 80 % de leur portefeuille total d’applications au cours des deux prochaines années, une hausse de 9 points de pourcentage

Associer l’IA à toutes les étapes du cycle de vie du développement de logiciels aide les équipes à optimiser la capacité de développement, à accélérer la modernisation et à transformer les besoins d’affaires en logiciels prêts à être mis en production plus rapidement.

L’IA peut accélérer la génération de codes, mais un codage plus rapide ne réduit pas automatiquement le cycle de vie de mise en œuvre de logiciels dans son ensemble. Les exigences, l’architecture, la mise à l’essai, la sécurité, l’intégration, le déploiement et les opérations peuvent toujours créer des goulots d’étranglement au sein du cycle de vie du développement logiciel.

Les exigences doivent refléter les besoins d’affaires. L’architecture doit soutenir la sécurité, l’évolutivité et la maintenabilité. Le logiciel doit être testé, intégré, déployé et utilisé de façon fiable. Lorsque ces activités progressent à des rythmes différents, le travail en double et la dette technique peuvent limiter les gains durant le développement.

Le plus grand potentiel réside dans l’amélioration de bout en bout du flux de la livraison logicielle. En voici les avantages.

• Accélération de la mise sur le marché
• Cycles de mise à l’essai et de lancement plus courts
• Meilleure qualité de l’ingénierie accrue avec réduction des travaux à reprendre et de la dette technique
• Sécurité et conformité renforcées
• Réduction des coûts de mise en œuvre
• Meilleurs résultats pour l’entreprise et les utilisateurs

Par exemple, l’ingénierie de la qualité et la mise à l’essai fondée sur l’IA ont aidé une compagnie d’assurance à réduire de 40 à 50 % la durée de ses cycles de test et d’environ 35 % ses coûts de prestation grâce à une réduction des reprises et des tests manuels, tout en améliorant la prévisibilité des lancements.

L’IA peut créer de la valeur tout au long du cycle de vie du développement logiciel par la réduction du travail répétitif, l’accélération des décisions et l’amélioration de la cohérence.

Dans l’ensemble des activités essentielles de livraison de logiciels :

1. Recherche, idéation et exigences
   Synthétise l’information, affine les exigences et transforme les besoins d’affaires en travail de développement exploitable.
2. Architecture et conception
   Analyse les environnements existants, soutient la conception de solutions, et évalue les approches et les dépendances techniques.
3. Développement
   Crée, explique, restructure et vérifie le code avec des agents d’IA toujours plus aptes à exécuter des tâches de développement définies.
4. Ingénierie de la qualité et mise à l’essai
   Génère des cas d’essai, automatise la validation et identifie plus tôt les anomalies et les vulnérabilités afin de réduire les travaux de reprise en aval.
5. Déploiement et opérations
   Soutient les processus d’intégration et de déploiement continus, la surveillance, la détection des problèmes et les mesures correctives pour améliorer la vitesse de déploiement et la fiabilité de l’application.

Dans l’ensemble du cycle de vie :

• Modernisation et amélioration continue
  Analyse le code existant, génère de la documentation et des spécifications, et accélère la transformation d’environnements applicatifs complexes.
• Sécurité et gouvernance
  Intègre des contrôles de sécurité, de qualité et de conformité dans les flux de travaux de développement pour soutenir une mise en œuvre cohérente et auditable.

Un développement sécurisé de logiciels assisté par l’IA exige sécurité, qualité et imputabilité à l’échelle du cycle de vie du développement logiciel.

Un cycle de vie du développement sécurisé des logiciels intègre des exigences, des contrôles et des tests de sécurité tout au long du développement logiciel. La méthodologie DevSecOps renforce cette approche en intégrant le développement, la sécurité et l’exploitation, et en introduisant la sécurité plus tôt et de façon continue tout au long de la mise en œuvre.

À mesure que l’IA assume un rôle plus important dans la livraison logicielle, ces principes deviennent critiques. Les résultats générés par l’IA peuvent comporter des vulnérabilités, une dette technique ou des risques de conformité sans la mise en place de contrôles appropriés. Les organisations doivent comprendre comment l’IA est utilisée, protéger les données et la propriété intellectuelle de l’entreprise, et s’assurer que l’humain demeure imputable pour le travail généré par l’IA.

Voici quelques contrôles clés.

• Sécurité et qualité dès la conception – Intégrer des contrôles de sécurité et de qualité, une analyse automatisée du code et des mises à l’essai continues tout au long du cycle de vie du développement logiciel.
• Supervision humaine et imputabilité – Définir où une supervision humaine est requise et qui demeure responsable pour le travail généré par l’IA et les décisions importantes.
• Gouvernance responsable de l’IA – Établir des politiques et des contrôles sur la façon dont l’IA est choisie, utilisée et régie pour le développement de logiciels.
• Traçabilité et auditabilité – Maintenir une visibilité des résultats, des activités de développement et des décisions générés par l’IA.
• Protection des données et de la propriété intellectuelle – Sécuriser les données d’entreprise, le code source et la propriété intellectuelle utilisés au sein du développement fondé sur l’IA.

Les agents d’IA peuvent de plus en plus planifier, exécuter et coordonner les activités de développement logiciel. On assiste ainsi à une approche de livraison logicielle dirigée par des humains, orchestrée par des agents.

À mesure que l’IA prend davantage part à l’exécution, l’expertise humaine devient cruciale pour définir l’intention, appliquer le contexte d’affaires et du domaine, gérer les ambiguïtés et orienter le travail vers les résultats souhaités.

Dans ce modèle :

• Des agents d’IA exécutent et coordonnent – Des agents spécialisés peuvent endosser des rôles complémentaires dans le cycle de vie du développement logiciel. L’un pourrait interpréter des exigences et développer du code alors qu’un autre génère des tests de manière indépendante et en valide les résultats.
• Des humains dirigent et régissent – Les équipes humaines définissent le problème et les résultats souhaités, appliquent le contexte d’affaires et du domaine, font preuve de jugement et orchestrent le travail entre les individus et l’IA, tout en maintenant une surveillance et une imputabilité.

Le développement fondé sur les spécifications fait le lien entre les deux. Avant que le code soit écrit ou généré, les équipes définissent l’intention, les contraintes et les critères de réussite sous la forme d’une spécification, y compris les exigences de sécurité et de conformité. Les humains déterminent le « quoi » et le « pourquoi » alors que les agents d’IA exécutent le « comment » dans les limites imposées. Le code et les tests sont vérifiés en fonction de la spécification afin que chaque changement puisse toujours être retracé à l’intention d’affaires.

L’IA peut également aider à générer ces spécifications. En utilisant une base de connaissances personnalisée de modèles de conception, les agents peuvent transformer les discussions tenues en atelier, les transcriptions ou le code existant en récits utilisateurs, en critères d’acceptation et en cas d’essais initiaux, que des architectes et experts de domaine examinent ensuite et affinent. Au sein du cycle de vie dirigé par l’humain, cette démarche rend possible un développement agentif où les humains et les agents travaillent à partir des mêmes spécifications.

CGI a adopté cette approche pour une organisation de soins de santé en utilisant Databricks. Des agents spécialisés ont développé, testé et vérifié de manière autonome les modifications logicielles au sein d’environnements régis avant l’approbation finale des développeurs et le déploiement. Ce processus a créé une boucle de rétroaction autonome en matière de contrôle de la qualité, tout en assurant une imputabilité humaine, une protection des données et une flexibilité architecturale.

À mesure que ces modèles gagnent en maturité, les professionnels en logiciel peuvent consacrer davantage de temps pour s’attaquer aux bons problèmes, appliquer leur expertise sectorielle, gérer la complexité et orchestrer une mise en œuvre fondée sur l’IA, axée sur les résultats d’affaires.

Mettre à l’échelle l’IA dans le cycle de vie du développement logiciel exige des organisations qu’elles transforment la façon dont les équipes de livraison logicielle travaillent, dont l’IA est intégrée aux flux de travaux, et dont les individus et les agents se coordonnent pour produire des résultats. Cette démarche offre un modèle de gouvernance reproductible qui peut être mis à l’échelle au sein des équipes et des portefeuilles d’applications.

Voici les quatre priorités sur lesquelles les organisations doivent se concentrer.

1. Aligner l’IA aux résultats d’affaires et de mise en œuvre
   Identifier les domaines où l’IA peut améliorer la performance de livraison et générer une valeur mesurable, puis utiliser ces résultats pour orienter les investissements et mesurer les progrès.
2. Évaluer et repenser le cycle de vie de mise en œuvre
   Évaluer la maturité du cycle de vie du développement logiciel, les pratiques d’ingénierie et les causes de retard ou de reprise, puis intégrer l’IA aux exigences, au développement, à la qualité, à la sécurité, au déploiement et aux opérations.
3. Établir une gouvernance et un modèle opérationnel humain-IA
   Renforcer la connaissance de l’IA, définir comment les individus et l’IA travaillent ensemble, et intégrer la sécurité, l’IA responsable, des contrôles de qualité et une imputabilité humaine dès la conception.
4. Bâtir en prévision d’une mise à l’échelle dans toute l’entreprise et d’une amélioration continue
   Mettre en place des plateformes, des cadres de gestion et des pratiques d’ingénierie réutilisables qui peuvent être mis à l’échelle au sein des équipes et des portefeuilles d’applications, en tirant profit de la performance de livraison, de la qualité et des résultats d’affaires en vue de continuellement s’améliorer.

« En tirant parti de l’accompagnement et du développement technique basés sur l’IA générative de CGI, nous avons accéléré notre cycle de mise à niveau de 30 à 40 %, en bénéficiant d’une mise en œuvre dirigée par des experts dans les domaines de l’architecture, des outils et des processus. »

– Vice-président des TI et du développement d’applications, grande entreprise manufacturière

La livraison de logiciels alimentée par l’IA peut être mesurée sur l’ensemble du cycle de vie, en mettant en correspondance la performance du développement avec la qualité des logiciels et les résultats d’affaires.

Il est possible de constater une transition vers une livraison axée sur les résultats où les équipes définissent les résultats qui importent et utilisent une visibilité facilitée par l’IA afin de suivre les progrès pour les atteindre.

Les organisations peuvent mesurer la performance dans cinq domaines.

• Vitesse et productivité – Durée du cycle de développement et de mise en œuvre, délai de mise en production et de mise à l’essai, et vitesse de lancement
• Qualité et fiabilité – Taux de défauts et d’échecs liés au changement, couverture des essais, travaux de reprise, dette technique et fiabilité de l’application
• Sécurité et gouvernance – Vulnérabilités identifiées et corrigées, conformité aux contrôles d’ingénierie et traçabilité des résultats générés par l’IA
• Coûts et capacité – Réduction des coûts de mise en œuvre et des efforts manuels, et capacité accrue de livraison
• Valeur commerciale – Délai de mise sur le marché, résultats pour les utilisateurs et les clients, adoption des produits et valeur générée des capacités, nouvelles ou améliorées

Nous aidons les organisations à reconfigurer le cycle de vie du développement logiciel dans l’ensemble des technologies, flux de travaux et modèles organisationnels, en combinant la vitesse facilitée par l’IA à l’expertise humaine, à la discipline en ingénierie, à la sécurité et à la qualité requises pour une mise en œuvre à l’échelle de l’entreprise.

Notre approche en matière de livraison de logiciels d’entreprise conjugue une ingénierie basée sur l’IA, une transformation du modèle opérationnel humain-IA, la méthodologie DevSecOps, l’ingénierie de la qualité, la modernisation des applications et des opérations intelligentes.

Voici comment nous aidons les organisations.

• Transformer l’ingénierie logicielle pour l’IA
  Définir des stratégies pour le cycle de vie du développement logiciel pilotées par l’IA, des modèles opérationnels humain-IA, des feuilles de route de transformation et des mesures de réussite, en soutenant une transition des approches agiles standards vers un développement natif de l’IA.
• Accélérer la livraison logicielle
  Appliquer l’IA dans l’ensemble des exigences, de la conception, de la planification des tâches, du développement et de la mise en œuvre itérative, tout en maintenant la gouvernance d’entreprise.
• Orchestrer les agents d’IA avec CGI DevAccel
  Utiliser des agents d’IA spécialisés dans tout le cycle de vie du développement logiciel, en favorisant une collaboration multi-agents, tout en laissant les humains aux commandes.
• Intégrer la sécurité et la qualité en amont
  Intégrer la méthodologie DevSecOps, la mise à l’essai automatisée et l’ingénierie de la qualité en amont tout au long du cycle de vie, soutenues par des solutions de propriété intellectuelle (PI) de CGI, telles que CGI SimpliTest pour l’automatisation des mises à l’essai et CGI NAVI pour le développement de logiciels et l’assurance qualité fondés sur l’IA.
• Accélérer la modernisation des applications
  Combiner une modernisation basée sur l’IA à une gestion des applications pour comprendre et transformer les applications existantes, réduire la dette technique et créer des environnements plus maintenables.

Cette approche favorise une livraison logicielle fondée sur l’IA connectée, reproductible et régie, conçue pour améliorer la performance de l’ingénierie et les résultats d’affaires.

CGI combine une expertise en développement pour le nuage, en méthodologie DevSecOps, en modernisation des applications et en livraison logicielle basée sur l’IA pour aider les organisations à faire évoluer la conception et la gestion des logiciels d’entreprise.

AI Talk - 7 mai 2026 (en anglais)

Business Reporter présente Fred Miskawi de CGI et d’autres experts qui abordent le rôle croissant de l’IA dans la livraison logicielle et le passage vers des modèles de mise en œuvre natifs de l’IA.

Remarque : vidéo en anglais. Des sous-titres sont disponibles sur YouTube. Une fois la vidéo lancée, cliquez sur l’icône cc et choisissez la langue de votre choix.