Ce que la production assistée par l'IA change vraiment

On raconte généralement deux histoires sur l'IA dans la production logicielle. Dans la première, l'IA fait le travail et les personnes deviennent facultatives. Dans la seconde, l'IA n'est qu'une autocomplétion astucieuse qui change peu de choses. Aucune ne correspond à ce que nous voyons en construisant des applications d'entreprise au quotidien.

Le vrai changement est plus précis, et plus utile à comprendre. L'IA change le coût de l'ébauche et de la vérification de nombreux types de travail. Elle ne change pas qui doit comprendre les opérations, qui décide de ce qui est acceptable, ni qui répond du résultat. Voir où passe cette ligne, c'est l'essentiel de ce dont une organisation a besoin pour bien utiliser l'IA.

Ce qui change : la première ébauche arrive tôt

Dans un projet traditionnel, la première chose tangible que voit une équipe opérationnelle arrive souvent au bout de plusieurs semaines. Avant, il y a des entretiens, des documents et des schémas, autant d'abstractions que les gens doivent se représenter mentalement.

L'IA change l'économie de la première ébauche. Une conversation enregistrée peut devenir une liste structurée de besoins le jour même. Un besoin structuré peut devenir un prototype fonctionnel dans lequel on peut cliquer. Le code, les tests et la documentation peuvent être ébauchés à partir de décisions convenues plutôt que tapés à partir de rien.

La conséquence importante n'est pas la vitesse pour elle-même. C'est que les gens réagissent beaucoup plus tôt à quelque chose de concret. Une responsable financière qui regarde le prototype d'un circuit d'approbation repérera probablement tout de suite l'exception manquante, là où la même personne lisant une spécification pourrait passer à côté. Des ébauches plus précoces signifient des corrections plus précoces, tant qu'elles coûtent encore peu.

Ce qui change : la forme du travail

Quand l'ébauche devient peu coûteuse, le travail se réorganise autour de ce qui reste difficile. Dans la Factory, cela signifie que les rôles deviennent plus distincts.

• Façonner transforme les conversations en besoins et en prototypes, et les vérifie avec les personnes qui font le travail.
• Construire produit l'application : l'IA porte une grande partie de l'ébauche, et les ingénieurs sont responsables de la conception et des parties difficiles.
• Vérifier est une responsabilité distincte. Le rôle qui construit n'est jamais celui qui vérifie, et la vérification se fait par rapport à ce qui a été convenu, pas par rapport à ce qui a été produit.

Cette séparation compte davantage avec l'IA, pas moins. Un système qui produit rapidement un travail plausible produit aussi rapidement des erreurs plausibles. La revue n'est plus une formalité de fin de parcours ; c'est là que se trouve une grande partie de la valeur.

Ce qui change : la mémoire fait partie de la production

L'IA travaille à partir de ce qu'on lui donne. Si le contexte d'une application ne vit que dans la tête des personnes qui ont assisté aux réunions, chaque nouveau travail commence en partie à l'aveugle.

La production assistée par l'IA pousse donc les équipes à consigner les choses sous une forme exploitable : les décisions prises et leurs raisons, les contraintes qui s'appliquent, l'état actuel de chaque changement. Dans la Factory, cette mémoire partagée fait partie du système de production lui-même. Elle aide l'IA à ébaucher un travail qui s'intègre, et elle aide aussi les personnes. Un nouveau spécialiste qui rejoint le travail peut lire ce qui a été décidé au lieu de poser la question autour de lui.

Ce qui ne change pas : comprendre les opérations

L'IA peut structurer une conversation, mais elle ne peut pas décider quelle conversation avoir. Savoir que le vrai goulot d'étranglement d'un processus d'achat est la troisième approbation, et non le formulaire, vient du dialogue avec les personnes qui le vivent, de l'observation du travail et de la question suivante que l'on pose.

Cette compréhension reste un travail humain, et elle reste le fondement. Une application construite rapidement sur un malentendu reste construite sur un malentendu.

Ce qui ne change pas : le jugement et la responsabilité

Certaines décisions n'appartiennent pas à un modèle. Ce qu'il faut construire, et même s'il faut construire. Comment concevoir le système pour qu'il puisse être maintenu. Ce qu'il est acceptable de mettre en production. Tout ce qui touche à l'argent, aux personnes, à la sécurité ou aux obligations légales.

Dans la Factory, ces décisions appartiennent à des profils seniors dans chaque discipline, et chaque décision a quelqu'un qui en répond. L'IA étend ce que l'équipe peut produire ; elle ne dilue pas la responsabilité. Quand un client demande pourquoi le système se comporte d'une certaine façon, il y a une personne capable d'expliquer la décision et une trace qui la montre.

De nouveaux risques, gérés délibérément

La production assistée par l'IA apporte ses propres risques, et mieux vaut les nommer que d'espérer qu'ils restent petits.

• Des erreurs plausibles. Un travail généré peut sembler juste et être faux. La réponse : une vérification indépendante par rapport aux besoins convenus, et des tests relus avec autant de soin que le code.
• Un langage trop assuré. Les documents générés peuvent paraître plus certains que la décision qui les sous-tend. Les traces doivent indiquer qui a décidé, et sur quelle base.
• L'excès de confiance. Quand les ébauches sont généralement bonnes, on cesse de les lire attentivement. Séparer les rôles de construction et de vérification garde l'attention là où elle est nécessaire.
• L'exposition des données. Ce qui est envoyé à un modèle, et l'endroit où c'est traité, est une décision de conception. Elle se prend en tenant compte des contraintes du client, pas par défaut.

Les questions à poser à un partenaire

Si vous évaluez quiconque utilise l'IA pour construire des logiciels pour vous, quelques questions en révèlent bien plus qu'une démonstration.

• Qui vérifie le travail, et est-ce un rôle différent de celui qui l'a construit ?
• Où vivent les décisions et le contexte, et une nouvelle personne pourrait-elle les trouver ?
• Dans combien de temps verrons-nous quelque chose que nous pouvons tester ?
• Quelles décisions seront toujours prises par une personne, et qui est cette personne ?
• Quelles données seront traitées par l'IA, et où ?

Les réponses en disent plus sur la façon de travailler d'un partenaire que n'importe quelle affirmation sur la quantité d'IA qu'il utilise.

En bref

L'IA rend les ébauches précoces et les vérifications peu coûteuses. Cela permet à une équipe de consacrer davantage de temps là où la valeur a toujours été : comprendre les opérations, prendre de bonnes décisions et vérifier le résultat. La Factory est construite autour de ce déplacement. La technologie porte une grande partie de la production. Les personnes restent responsables du jugement.