La manière de construire un logiciel évolue plus vite que la plupart des responsables de delivery ne l’imaginent. Pendant plus de dix ans, le secteur a fonctionné sur un seul modèle opérationnel : des équipes pluridisciplinaires de 8 à 10 personnes, des sprints de deux semaines, une vélocité prévisible, une relation linéaire entre effectif et production. Chaque modèle de staffing, chaque calcul de marge, chaque trame de proposition reposait sur cette hypothèse.
Cette hypothèse ne tient plus. D’après notre expérience, mission après mission, nous constatons toujours la même chose : l’IA n’accélère pas les grandes équipes, elle rend les petites suffisantes. Nous en sommes convaincus, les équipes qui gagnent aujourd’hui sont réduites, seniors et augmentées par des outils d’IA, avec un humain solidement ancré dans la boucle de décision. Les organisations qui comprennent ce basculement et passent à l’action en tireront un avantage structurel. Celles qui attendent continueront de faire tourner un modèle opérationnel conçu pour un monde qui n’existe plus.
Cet article détaille à quoi ressemble ce basculement dans la pratique, ce qu’il exige de votre modèle opérationnel, et comment intégrer cette capacité à votre delivery sans reconstruire toute votre organisation.
Notre réponse : des équipes réduites et seniors, avec un humain dans la boucle
Nous ne sommes pas arrivés à ce modèle par la théorie. Nous l’avons construit sur le terrain, en menant des missions dans la tech, la banque et l’e-commerce, et en voyant les vieilles certitudes du delivery s’effondrer en temps réel.
Ce qui en a émergé, c’est une équipe réduite, à forte densité de seniors, qui travaille aux côtés d’une couche dédiée d’agents d’IA. Les humains fixent le cap, évaluent les résultats et tranchent ; les agents font le gros du travail. Trois rôles. Une orchestration rigoureuse. Une production qui croît avec la puissance de calcul, pas avec l’effectif. C’est un modèle de delivery avec l’humain dans la boucle, pas un pilote automatique : ce sont les personnes qui font tout fonctionner.
Les trois étapes de l’adoption de l’IA dans le delivery logiciel
Les organisations franchissent trois étapes bien distinctes, et l’écart entre les précurseurs et les autres se creuse à toute vitesse. La bonne réponse diffère radicalement selon l’endroit où vous vous situez.
Étape 1 : le développement assisté par l’IA. Des développeurs, individuellement, utilisent des outils d’IA pour accélérer des tâches ponctuelles. La structure de l’équipe et le processus restent identiques. Le gain de productivité est réel mais modeste, de l’ordre de 20 à 30 %. Aucune transformation de fond du modèle de delivery n’est nécessaire.
Étape 2 : le delivery agentique. Des agents d’IA prennent en charge des tâches complètes de bout en bout : implémentation de fonctionnalités, génération de tests, revue de code, documentation. Les cadences de sprint se compriment, les rôles spécialisés commencent à se regrouper, la productivité bondit à 2 à 3 fois le niveau précédent. Le modèle de delivery demande à être ajusté.
Étape 3 : les opérations agentiques. Les ingénieurs passent de l’écriture de code à la conception de systèmes qui écrivent du code. L’équipe cœur se réduit à deux ou trois personnes. Une « équipe de jour » humaine donne le cap et relit les résultats ; une « équipe de nuit » agentique exécute. La production croît avec la puissance de calcul, pas avec l’effectif, et le potentiel de productivité dépasse un facteur 10. Le modèle de delivery doit être reconstruit de zéro.
Selon nous, la plupart des organisations établies se situent entre l’étape 1 et le début de l’étape 2, tandis que les concurrents nés avec l’IA opèrent déjà à l’étape 3. C’est ainsi que nos équipes travaillent aujourd’hui, et c’est la capacité que nos clients viennent chercher lorsqu’ils collaborent avec nous.
À quoi ressemble concrètement une équipe augmentée par l’IA ?
Le schéma qui fonctionne systématiquement, c’est une équipe réduite, à forte densité de seniors, organisée autour de trois fonctions plutôt que de trois intitulés de poste. L’essentiel de l’implémentation repose sur l’IA. Les humains définissent, évaluent et décident. C’est précisément le fait de concentrer la décision sur trois rôles seniors qui fait tenir le modèle.
- Le Product Definer porte le résultat métier, fixe le niveau d’exigence des workflows agentiques et vérifie que la production générée par l’IA correspond bien à l’intention des utilisateurs et des parties prenantes. Cela réclame une culture technique plus solide que celle d’un product manager classique, car le travail consiste à évaluer des résultats, pas à rédiger des critères d’acceptation pour des humains.
- Le Tech Lead détient la vision architecturale d’ensemble, prend les décisions de conception et orchestre les modèles d’IA et les agents : il choisit le bon modèle pour chaque tâche, conçoit le workflow et maintient la cohérence du système.
- Le Builder pilote le cycle de delivery au quotidien, valide et relit les artefacts générés par l’IA, et améliore en continu le dispositif agentique lui-même : il affine les prompts, développe des agents sur mesure, optimise les passages de relais.
Chaque rôle s’appuie sur une couche d’agents dédiée. Un agent d’implémentation génère code, tests et documentation. Un agent de vérification évalue la qualité des résultats et signale les écarts par rapport à l’architecture. Un agent d’orchestration gère le workflow entre les modèles et les outils. Les humains décident, les agents exécutent.
Lors d’une mission récente, cette structure nous a permis de livrer une solution prête pour la production en deux tiers du temps initialement estimé, avec une équipe environ deux fois plus réduite que ce qu’aurait exigé une approche classique. Nous n’avons rien sacrifié à la qualité, et l’architecture est restée propre. Ce n’était pas de la chance. C’était le fruit de la séniorité, d’une définition claire des rôles et d’une orchestration rigoureuse de l’IA.
Qu’est-ce qui change dans votre modèle opérationnel ?
Que vous construisiez cette capacité en interne ou que vous fassiez appel à une équipe qui travaille déjà ainsi, ce sont les mêmes leviers qui bougent. C’est un changement structurel qui touche la composition de l’équipe, la planification, les indicateurs et le modèle commercial.
La structure de l’équipe. Une QA dédiée, des filières front et back séparées, un étage junior autonome : rien de tout cela ne disparaît, mais tout se regroupe en postes moins nombreux, plus larges et plus seniors. Les référentiels de compétences et les grilles d’évolution doivent le refléter.
La planification de la capacité. Personnes x heures x taux d’occupation ne produit plus une prévision fiable. Une équipe de trois personnes augmentée par l’IA, dotée d’une orchestration solide, peut produire davantage qu’une équipe de dix. Votre planification doit intégrer le coût des tokens d’IA, la bande passante de décision et le coût par tête plus élevé d’une équipe à forte densité de seniors.
Les indicateurs. Vélocité, burn-down et story points mesurent l’effort, pas les résultats. Ce qui compte ici, c’est le temps entre l’idée et le logiciel fonctionnel, le débit décisionnel (combien de cycles relecture-acceptation-rejet l’équipe peut absorber par jour), le taux d’acceptation de la production de l’IA comme indicateur avancé de la qualité du workflow, et des indicateurs de résultat directement liés aux effets métier.
La tarification et la structure des missions. Quand le coût du delivery chute fortement alors que la valeur pour le client se maintient, la tarification au temps passé devient difficile à défendre. La mission passe d’un plan de staffing à un engagement sur un périmètre et un résultat.
Les obligations réglementaires. Rien de tout cela n’exonère qui que ce soit de la conformité. AI Act, DORA, RGPD, pistes d’audit, classification des systèmes à haut risque : pour les clients de la banque, de l’assurance et de l’industrie, ce sont des conditions d’entrée, pas des options. Une chaîne de décision plus courte ne signifie pas moins de processus, mais un processus plus rigoureux, avec moins de strates entre une exigence et sa vérification.
Cinq décisions qui ne peuvent plus attendre
La fenêtre pour bâtir un avantage structurel est ouverte, mais pas indéfiniment. Selon nous, voici les arbitrages que les responsables de delivery doivent trancher dans les douze prochains mois.
- Définissez votre archétype d’équipe. À quoi ressemble l’équipe augmentée par l’IA minimale viable pour votre type de mission le plus courant ? De quels rôles, de quels niveaux de séniorité et de quels outils d’IA a-t-elle besoin ? Construisez un modèle réplicable, pas une expérience isolée.
- Refondez votre référentiel de compétences. L’orchestration de l’IA, la polyvalence transverse et la capacité à prendre des décisions de qualité dans l’incertitude doivent devenir des critères d’évaluation de premier plan. Un développeur senior incapable de travailler efficacement avec des agents d’IA n’est plus un senior au sens de 2026.
- Menez une mission au résultat. Vous n’avez pas besoin de bouleverser tout votre modèle commercial du jour au lendemain, mais vous devez comprendre ce que représente un delivery orienté résultat : comment le cadrer, le suivre et le tarifer. Choisissez un projet circonscrit et lancez-vous.
- Reconstruisez votre modèle de capacité. Si votre planification suppose encore une corrélation linéaire entre effectif et production, elle produit de mauvais chiffres. Intégrez le coût des tokens, la bande passante de décision et l’effet démultiplicateur de l’IA sur la production des ingénieurs seniors.
- Protégez et développez vos talents seniors. Ce modèle ne vaut que ce que valent les personnes qui l’orchestrent. Le jugement architectural, la reconnaissance de schémas et les décisions rapides et de qualité ne sont pas ce que l’IA remplace : ce sont eux qui rendent l’IA efficace. La compétition pour ces profils s’intensifie.
Le basculement a déjà commencé
Nous livrons avec ce modèle tous les jours : travaux CDP en e-commerce, modernisation de systèmes hérités dans les services financiers, outillage interne pour des clients industriels. L’humain dans la boucle, l’IA pour le volume, des ingénieurs seniors qui prennent les décisions qui comptent.
Si vous avez besoin de cette capacité maintenant, le chemin le plus rapide n’est pas de reconstruire votre organisation : c’est de faire appel à une équipe qui travaille déjà ainsi. C’est exactement ce que nous proposons : des équipes de delivery réduites, seniors et augmentées par l’IA, que vous branchez directement sur votre feuille de route.
Parlons d’une équipe d’experts, augmentée par l’IA → /services/team-augmentation