L’IA au service du code : comment EY démultiplie la productivité de ses développeurs

En tant que journaliste spécialisé dans les nouvelles technologies, j’observe depuis plusieurs mois l’essor fulgurant des agents de codage basés sur l’intelligence artificielle. Ces outils promettent de révolutionner le métier de développeur, mais leur adoption massive se heurte à un obstacle majeur : la qualité du code généré. Récemment, j’ai pu analyser le cas d’EY, un cabinet d’audit et de conseil qui a réussi à surmonter ce défi et à obtenir des gains de productivité significatifs. Leur approche, à la fois technique et culturelle, est un modèle à suivre.

Le paradoxe de la génération de code massive

Les agents de codage sont capables de produire des milliers de lignes de code en un temps record. Cependant, comme le souligne Stephen Newman, responsable mondial de l’ingénierie CTO chez EY, “générer une tonne de code ne veut pas vraiment dire grand-chose”. Le code généré doit être intégrable, conforme aux normes internes et aux réglementations en vigueur, et ne doit pas engendrer plus de travail de maintenance qu’il n’en économise. C’est précisément ce point qui bloque souvent le déploiement à grande échelle de ces outils.

L’importance du contexte et des standards

EY a compris que la clé du succès réside dans l’intégration des agents de codage à l’univers contextuel de l’entreprise. Cela signifie leur donner accès aux dépôts de code, aux normes d’ingénierie et aux cadres de conformité. Sans cet accès, les agents produisent des résultats génériques qui nécessitent une refonte importante. En d’autres termes, l’IA doit être nourrie avec les connaissances spécifiques de l’entreprise pour être réellement utile.

Une adoption progressive et organique

L’équipe de Newman a misé sur une approche progressive et organique de l’adoption de l’IA. Ils ont commencé par des outils comme GitHub Copilot, permettant aux ingénieurs de se familiariser avec l’ingénierie rapide et l’IA d’assistance. L’apprentissage clé a été de ne pas imposer l’IA aux utilisateurs, mais de les laisser l’adopter naturellement. “Il est important d’adopter les capacités de l’IA de manière organique plutôt que de les imposer aux utilisateurs”, explique Newman.

Le choix d’une plateforme : Factory

EY a évalué plusieurs plateformes d’agents, dont Lovable, Replit et les droïdes basés sur l’IDE de Factory. Après avoir mesuré l’adoption, l’utilisation et la productivité sur ces différentes plateformes, les développeurs ont naturellement convergé vers Factory. Ce choix a été un signal fort, indiquant que l’outil apportait une réelle valeur ajoutée.

Un nouveau rôle pour les développeurs : l’orchestration

L’intégration de l’IA a également entraîné une évolution du rôle des développeurs. Plutôt que d’écrire tout le code eux-mêmes, ils sont devenus des orchestrateurs, dirigeant les agents vers les bases de données et les dépôts appropriés. Cette nouvelle fonction nécessite des compétences en matière de gestion de projet, de communication et de résolution de problèmes.

Classification des tâches : autonomie vs. complexité

EY a divisé les tâches en deux catégories : les tâches à haute autonomie, que les agents gèrent bien (révision de code, documentation, correction de défauts, création de nouvelles fonctionnalités), et les tâches complexes, qui nécessitent encore une surveillance humaine. Cette classification permet d’optimiser l’utilisation des agents et de garantir la qualité du code.

Des gains de productivité mesurables

Après avoir mis en place les garde-fous de sécurité et intégré les agents aux référentiels de code, EY a mesuré des gains d’efficacité allant de 15 % à 60 % pour différents collaborateurs. Ces améliorations sont le résultat d’un processus d’essais et d’erreurs, combiné à des changements culturels et comportementaux au sein des équipes de développement.

FAQ

• Quels sont les principaux défis de l’adoption des agents de codage ? La qualité du code généré, la conformité aux normes internes et la sécurité des données.
• Comment EY a-t-elle surmonté ces défis ? En intégrant les agents aux référentiels de code, aux normes d’ingénierie et aux cadres de conformité de l’entreprise.
• Quel est le rôle des développeurs dans un environnement de codage assisté par l’IA ? Ils deviennent des orchestrateurs, dirigeant les agents et supervisant leur travail.
• Quels types de tâches sont les plus adaptés aux agents de codage ? La révision de code, la documentation, la correction de défauts et la création de nouvelles fonctionnalités.

L’expérience d’EY démontre que l’IA peut être un atout précieux pour les développeurs, à condition d’être intégrée de manière réfléchie et stratégique. L’avenir du développement logiciel sera probablement marqué par une collaboration étroite entre les humains et les machines, où chacun apportera ses forces uniques.

Quelles sont vos expériences avec les agents de codage ? Partagez vos réflexions dans les commentaires ci-dessous !