IA agentique dans le delivery : sortir du bruit, entrer en production

Jérôme Leroy, Directeur de Projets chez SQLI partage son analyse et ses recommandations.

Une précision de vocabulaire s’impose, car la confusion nourrit le bruit. Le modèle (le LLM) porte l’intelligence, les agents exécutent des missions cadrées, l’outil les orchestre, le paradigme réside dans la manière de les piloter. Confondre ces couches, c’est prêter à un « outil » des gains qui viennent d’ailleurs. L’IA agentique n’est ni une mode ni une boîte noire. Elle ne relève plus de l’expérimentation : c’est aujourd’hui un ensemble d’outils, de méthodes et de pratiques permettant d’améliorer la performance, la qualité, le respect des plannings, des budgets et du time-to-market.

Comprendre les vagues pour situer la rupture

La vague 0, c’est la production traditionnelle, inchangée depuis vingt ans. La première, la complétion de code façon GitHub Copilot, enrichit la frappe sans changer le métier. La deuxième, les assistants conversationnels comme ChatGPT, proposent fonctions et modules mais hors contexte, alimentant le shadow IT et le shadow AI. La troisième, le « vibe coding », promettait de générer une application à partir d’un simple besoin : séduisant en démonstration, mais qui montre rapidement ses limites en matière de montée en charge, de qualité et de sécurité. Une étape utile, mais une impasse.

Nous sommes désormais dans l’ère de l’agentic engineering. Des agents spécialisés prennent en charge les différentes étapes d’un projet, de l’UX research à la mise en production, dans un cadre orchestré et supervisé, avec une validation humaine à chaque étape critique, selon le principe du Human in the Loop. Demain, des grappes d’agents collaboreront de manière plus autonome, voire géreront des portefeuilles de projets entiers. Mais ni la maturité des outils ni les exigences de sécurité ne permettent encore de généraliser cette approche dans un delivery contractualisé.

Jérôme Leroy, Directeur de Projets chez SQLI

Une trajectoire, pas un coup d’essai

L’année 2025 marque un véritable tournant. Après les premiers usages de Copilot et des assistants conversationnels, l’arrivée de Claude Code ouvre un premier accès crédible au mode agentique : l’IA n’est plus limitée à une conversation, elle exploite le contexte complet d’un projet code, documentation, règles métier pour coordonner différents agents.

L’un des premiers cas d’usage concerne la migration d’une application Zend 1 vers Symfony, ancienne et non documentée. Un chantier estimé à 150 jours est réalisé en une quarantaine de jours dans un cadre expérimental, avec des résultats suffisamment convaincants pour faire émerger une véritable méthodologie.

Cette expérience met rapidement en évidence plusieurs enseignements. D’abord, l’accélération des cycles de production génère une fatigue cognitive qui, si elle n’est pas maîtrisée, peut transformer les gains de productivité en dette technique. Ensuite, les outils ne doivent pas être évalués uniquement à l’aune de leurs performances, mais aussi selon des critères de sécurité, de confidentialité, de souveraineté et de conformité juridique. Enfin, un nouveau rôle apparaît : celui de coach agentique, chargé d’accompagner les équipes dans cette nouvelle manière de conduire les projets.

Aujourd’hui, cette approche n’est plus expérimentale. Elle s’inscrit progressivement dans les processus de production et devient une méthodologie opérationnelle couvrant l’ensemble du cycle de vie des projets.

La preuve par le terrain

Un projet récent en apporte une illustration concrète. Un acteur majeur de l’édition de presse, regroupant plusieurs marques et près de dix millions de lecteurs mensuels, engage une refonte e-commerce B2C estimée à 1 200 jours-hommes : trois sites bi-marque, trois stores, huit pays, à livrer en neuf mois, là où un calendrier classique aurait plutôt nécessité douze à quinze mois.

Le projet est réalisé au forfait, avec un engagement de résultat malgré un contexte technique complexe et plusieurs dépendances en cours de développement. L’équipe réunit sept personnes chef de projet, business analyst, UX/UI designer, deux développeurs back-end et deux développeurs front-end accompagnées par un coach IA, un coach technique et delivery, ainsi que par un dispositif multi-agents basé sur Claude Code.

Les résultats sont mesurables. Le planning est respecté, 120 % du périmètre initial est livré (MVP, lot 2, backlog et demandes d’évolution), la couverture de tests automatisés atteint entre 85 et 90 %, et la documentation dépasse les objectifs initiaux, constituant un véritable socle pour les phases de maintenance. Plus de dix-huit agents spécialisés code review, audit RGAA, sécurité, performance associés à plusieurs compétences dédiées à Sylius permettent d’atteindre des niveaux de vélocité inédits.

Cette approche impose toutefois une forte exigence sur la qualité des spécifications. L’IA en devient le principal rédacteur et garant de la cohérence documentaire, tandis que le business analyst recentre son rôle sur la valeur métier, les arbitrages et la validation. L’implication du client demeure essentielle tout au long du projet. Un constat revient régulièrement : plus les problématiques sont complexes, notamment autour des tunnels de commande ou des règles d’abonnement, plus les gains apportés par l’approche agentique sont importants.

La principale leçon est simple : l’IA agentique ne remplace pas les fondamentaux du delivery, elle les renforce. Une documentation irréprochable, une discipline d’ingénierie exigeante, des profils suffisamment expérimentés pour challenger les productions de l’IA et une évolution des méthodes de pilotage, du sprint vers des approches plus continues comme le kanban, deviennent des prérequis. Un développeur junior peut parfois passer davantage de temps à comprendre un code généré qu’à l’écrire lui-même. La maîtrise reste donc plus importante que la vitesse.

Les organisations qui structurent l’usage de l’IA agentique avec méthode et rigueur en tirent un avantage compétitif réel. Les autres risquent simplement d’accélérer leurs erreurs. Au fond, la différence ne se joue pas dans le choix de l’outil, mais dans la capacité à maîtriser les méthodes, les processus et les compétences qui permettent de l’utiliser efficacement.