L’intelligence artificielle augmente clairement le delivery agile mais à une condition : repenser intelligemment les rôles entre les équipes et les outils. A l’heure où automatiser davantage ne signifie pas nécessairement produire mieux, tout l’enjeu consiste désormais à déterminer ce que l’IA peut prendre en charge et ce qui doit rester sous contrôle humain. Eléments d’explication avec Stéphane Houin.
Ce que l’IA change concrètement dans le delivery
La qualification du besoin reste une affaire humaine
Avant de produire une interface, une user story ou une ligne de code, encore faut-il poser le bon problème ! Comprendre l’environnement du client, interroger les utilisateurs, repérer leurs irritants, distinguer une demande exprimée d’un besoin réel : cette phase repose d’abord sur l’expérience des consultants et leur capacité à poser les bonnes questions. La valeur de la conception repose sur la collaboration avec les utilisateurs et le client. L’IA accélère la production des matériaux de travail, mais le socle fonctionnel se construit en discovery et en idéation.
L’IA trouve néanmoins sa place dans cette phase. Elle peut synthétiser des entretiens, rapprocher des retours utilisateurs, repérer des thèmes récurrents ou faire ressortir des contradictions.
User stories : moins de rédaction, plus de discussion
Une fois le cas d’usage identifié, l’IA va produire une première version des user stories, proposer des critères d’acceptation ou attirer l’attention sur certains cas particuliers. Elle peut ensuite organiser ces éléments, les rattacher à un parcours utilisateur ou préparer le matériau d’un atelier.
Cela modifie surtout la façon de travailler. L’équipe ne part plus forcément d’une page blanche. Le consultant est surtout attendu dans sa capacité à challenger ce qui lui est proposé : une user story est-elle vraiment utile ? Correspond-elle au métier ? Manque-t-il un cas important ? Une règle implicite a-t-elle été inventée ?
Le prototype devient un outil de conversation
Le prototypage est l’un des domaines où les gains sont les plus visibles. À partir d’une description fonctionnelle, des outils peuvent désormais générer rapidement une interface fonctionnelle et cohérente. Ainsi, le client peut visualiser rapidement une proposition, réagir à l’organisation de l’écran, demander une modification et préciser son besoin. Une discussion auparavant abstraite devient immédiatement concrète.
Le rôle du designer ou du consultant reste essentiel : sélectionner les hypothèses à tester, observer les réactions, distinguer une préférence esthétique d’un véritable problème d’usage et décider des modifications pertinentes. Là encore, l’IA raccourcit le chemin vers le prototype, pas celui vers la bonne décision.
Développement : donner un cadre aux agents
Le risque avec l’IA devient plus sensible au moment de la rédaction du code. Si un agent sait compléter une instruction imprécise, il peut aussi inventer une règle métier, interpréter une exigence de sécurité ou choisir un comportement qui n’a jamais été validé.
Cette évolution remet au premier plan le spec-driven development, ou développement piloté par les spécifications. La spécification n’est plus produite après le code : elle devient un prérequis et une composante du delivery conservée dans le code source.
Les consultants définissent en amont le comportement attendu des agents et les règles. L’IA peut ensuite générer ou modifier le code dans ce cadre, tandis que les tests vérifient sa conformité. Le développeur ne disparaît donc pas : son rôle se déplace davantage vers l’architecture, la compréhension métier, les arbitrages techniques et le contrôle de ce qui est produit.
Quels bénéfices en attendre ?
Définir la valeur de l’IA dans le delivery est subtil et nous pensons que cela va dépendre du contexte client et des intentions. Trois gains reviennent néanmoins régulièrement :
- Des cycles de validation plus courts, grâce à la capacité de matérialiser rapidement une idée
- Des spécifications plus solides, l’IA pouvant signaler incohérences ou cas oubliés
- Une automatisation accrue des tests et de la documentation
Les gains de productivité, eux, varient fortement. Sur un patrimoine applicatif ancien, peu documenté ou très complexe, ils peuvent rester autour de 5 à 10 %. Sur des activités standardisées et déjà bien industrialisées, ils peuvent approcher 40 %.
Faire évoluer les équipes autant que les outils
Pour CGI, la transformation du delivery ne se résume pas au déploiement de nouveaux assistants. Pour accompagner ces évolutions, l’accent est mis sur une formation qui porte aussi bien sur le jugement que sur la maîtrise des outils. Savoir rédiger un prompt ne suffit pas. Il faut détecter une hypothèse fragile, identifier un manque de contexte, vérifier une réponse et savoir quand faire intervenir un expert.
Dans le même temps, CGI désigne des référents IA business et delivery et propose un AI Hub regroupant formations et ressources.
