Après des mois de hype, j’ai enfin utilisé un agent AI sur un vrai projet, et une chose m’a sincèrement bluffé, au point d’y voir un potentiel immense pour les équipes d’ingénierie. Ce n’est pas la capacité brute du modèle à générer du code qui m’a marqué, mais sa facilité déconcertante à épouser les conventions déjà en place. Un Agent AI s’aligne extrêmement facilement sur les rails qu’une organisation a construits au fil du temps. Beaucoup plus facilement, en réalité, que la plupart des humains.
Cette observation, anodine en apparence, renverse une intuition répandue. On attend souvent d’un assistant qu’il nous dise comment faire les choses. Or l’essentiel se joue avant : dans la qualité des fondations qu’on lui donne à suivre.
L’IA exploite remarquablement bien vos standards
Les standards établis au fil du temps (conventions de code, choix d’architecture, design patterns récurrents, règles de sécurité, documentation) sont globalement très bien exploités par les LLMs. Donnez à un agent une base saine, cohérente, lisible, et il va naturellement la prolonger. Il repère vos abstractions, reproduit vos idiomes, respecte vos frontières de modules. Il se comporte comme quelqu’un qui aurait lu attentivement votre code avant d’y toucher.
C’est précisément là que se situe l’avantage sous-estimé. Là où l’onboarding d’un nouvel arrivant prend des semaines, où il faut négocier, expliquer, corriger des pull requests, l’agent absorbe ces conventions presque instantanément, à condition qu’elles soient lisibles et exploitables.
L’alignement entre humains reste le préalable
Idéalement, on cherche d’abord à créer cet alignement sur les standards entre humains. C’est loin d’être facile, et la réalité du terrain l’illustre bien :
- Chacun arrive avec ses expériences, ses opinions, ses préférences.
- Les avis divergent sur la façon de résoudre les mêmes problèmes, ou pire, sur la perception même de ces problèmes.
- Et parfois, les individus ne consultent tout simplement pas les standards déjà établis.
La conséquence de ce manque d’alignement, ce sont des divergences locales qui, à terme, creusent le fossé de l’entropie. Certains projets ou certains modules adoptent des approches différentes pour des raisons injustifiées. Le coût se paie au moment où il faut circuler dans la base de code : changement d’équipe ou de squad, et c’est le retour à la case départ. Zéro repère. Peu ou pas d’empreinte d’une culture d’ingénierie partagée. Des débats perpétuels qui n’apportent aucune valeur, parce qu’on rejoue à chaque fois des décisions qui auraient dû être tranchées une fois pour toutes.
Le principe d’amplification : le bon comme le mauvais
C’est ici que l’illusion se dissipe. Sans surprise, si votre code est un bazar saturé d’entropie, votre Agent AI suivra aussi ces rails-là, avec pour terminus le mur. Il n’a aucune raison de redresser une trajectoire incohérente ; il la prolonge avec la même diligence qu’il aurait mise à prolonger une trajectoire saine.
Le meilleur moyen de capitaliser sur un assistant comme Claude ou Augment est donc d’abord de créer de l’alignement entre humains, puis de le rendre exploitable pour pouvoir fortement déléguer ensuite. Ne comptez pas sur vos agents pour vous poser les rails ; comptez plutôt sur eux pour avancer avec cohérence sur ceux que vous mettez sur leur chemin. Un agent amplifie le bon comme le mauvais.
L’image est celle d’un train. Posez des rails droits, bien entretenus, balisés par votre documentation, vos ADR et vos bonnes pratiques, et il file vers l’horizon. Laissez les rails se briser dans le chaos, et il déraille tout aussi efficacement.
Ce que l’amplification produit concrètement
À titre personnel, j’ai récemment énormément augmenté ma productivité sur un projet bien ficelé. Claude a répliqué très facilement et très rapidement des variantes complexes de use cases déjà abordés par le passé, comme une véritable extension du cerveau de l’équipe, presque un membre à part entière. Bluffant.
Dans ce type de contexte, je suis convaincu qu’il est possible de booster par deux ou trois la productivité d’une équipe expérimentée et qualifiée, dès lors qu’elle a su poser les bons rails en amont. Non pas parce que l’agent invente quoi que ce soit, mais parce qu’il généralise vite et bien à partir d’un socle déjà cohérent.
À l’inverse, pour les équipes qui ne sont pas encore sur de bons rails, les Agents AI n’apporteront pas une issue différente. Ils accéléreront simplement la trajectoire, dans la mauvaise direction. La vitesse, sans la justesse, ne fait que rapprocher l’échéance.
L’avenir : amplifier, pas substituer
L’avenir du Software Engineering n’est pas la substitution des humains par l’IA. C’est l’amplification des équipes qui savent :
- établir les bonnes fondations,
- définir des standards clairs et les rendre exploitables,
- créer de l’alignement entre humains,
- puis, seulement ensuite, déléguer à des Agents AI.
L’ordre de ces étapes n’est pas négociable. Inverser la séquence (déléguer d’abord, structurer ensuite) revient à demander à l’agent de bâtir sur du sable, puis à s’étonner que l’édifice penche.
Conclusion
En résumé, faites appel à des Software Engineers qualifiés et expérimentés, capables de créer cet alignement : d’abord pour les humains, puis pour les Agents AI. L’objectif n’est pas d’aller plus vite n’importe comment, en confiant aveuglément le code à une machine. L’objectif est d’aller vite, loin, et dans la bonne direction, ce qui suppose toujours, en amont, des humains qui ont su poser les bons rails.