IA et ingénierie logicielle.
Les équipes qui développent avec des agents livrent plus vite. Celles qui le font sans règles, sans mesure et sans garde-fous accumulent de la dette, des risques et des coûts. L’enjeu est d’industrialiser.
Usine de développement agentique
Ce qui est mis en place :
- Chaîne agentique de bout en bout
- du ticket (Jira, Linear) à la pull request — spécification, implémentation en TDD, tests, documentation, PR — orchestrée dans la CI (GitHub Actions ou équivalent).
- Revue par agent adversaire
- qualité, sécurité, performance, avant toute revue humaine.
- Validation humaine explicite
- règles de revue renforcées pour le code produit par des agents (double approbation, périmètres interdits, ce qui ne part jamais en production sans humain).
- Agents en bac à sable
- exécution isolée, accès et secrets maîtrisés, droits minimaux.
- Context engineering
- instructions de dépôt (CLAUDE.md, AGENTS.md), conventions, documentation d’architecture lisible par les agents, skills, connexion aux outils internes via MCP. La qualité du contexte détermine la qualité du résultat.
- Outillage
- Claude Code et assistants équivalents, choix et configuration selon l’équipe et ses contraintes.
- Mesure
- délai de livraison, taux de reprise, taux de résolution automatique, incidents, coût par tâche — avant, pendant, après.
- Équipe et rôles
- formation sur le code de l’équipe, champions internes, nouveaux rôles (spécification, revue, supervision d’agents). Le goulot se déplace vers la spécification produit : il s’organise.
IA en production
Fonctionnalités IA du produit.
- Évaluation
- jeux de référence (golden sets), évaluations automatiques et humaines, non-régression à chaque changement de prompt ou de modèle, validation croisée entre modèles de fournisseurs différents.
- Fiabilisation
- agents spécialisés plutôt qu’un agent généraliste, sorties structurées et validées, couche sémantique sur les données, solutions de repli, humain dans la boucle sur les décisions coûteuses.
- Observabilité
- traces, latence, taux d’erreur, coût par requête, retours utilisateurs.
- Coûts
- modèle adapté à chaque tâche, cache, traitements par lots, gestion de la fenêtre de contexte, budget suivi.
- Dépendance fournisseurs
- couche d’abstraction, multi-modèles, plan de sortie.
Sécurité et données sensibles
- Passerelle LLM
- (LiteLLM ou équivalent) : point de passage unique vers les modèles, filtrage des prompts, détection et blocage des données personnelles, journalisation.
- Hébergement
- infrastructure conforme aux exigences du secteur (HDS en santé), choix des régions et des fournisseurs.
- Modèles open-weight en local
- quand la donnée ne doit pas sortir.
- Traçabilité
- actions des agents et des humains journalisées et auditables, exigence des secteurs régulés.
- Prompt injection et exfiltration
- garde-fous, tests, droits minimaux.
Feuille de route IA — 7 jours
Diagnostic de l’usage de l’IA dans l’équipe et le produit, puis plan priorisé pour passer au niveau suivant : temps gagné, coûts maîtrisés, qualité tenue.
Ensuite, si décidé : mise en œuvre avec l’équipe.
7 jours ouvrés répartis sur 3 semaines
Forfait — tarif communiqué sur demande
Parlons de votre situation.
Quelques lignes : l’entreprise ou la participation, le produit, ce qui se passe, ce qui doit être décidé.
Parler de votre situation