Trois semaines, d’un cahier des charges à une application mobile utilisée en magasin. Le délai était imposé, le périmètre complet, et le projet a été livré dans les temps. L’IA agentique y est pour beaucoup — mais pas de la façon dont on le raconte habituellement.
Voici ce que ce projet nous a appris sur l’usage réel de l’IA dans nos projets data & IA, y compris sur les limites de l’exercice.
Le contexte : trois semaines, périmètre complet
Un client du retail alimentaire nous a confié la création d’une application destinée à ses équipes en magasin : scan de carte de fidélité, dépense de points, récupération de coupons promotionnels. Rien d’exotique fonctionnellement, mais un périmètre technique réel.
L’application devait s’authentifier de façon sécurisée, se connecter à plusieurs API internes, gérer le scan de code-barres sur des terminaux dédiés, et disposer d’une chaîne de livraison continue. La documentation faisait partie du livrable. Autrement dit, les mêmes exigences qu’un développement d’application mobile destiné au public, sur un délai trois fois plus court.
Nous avons construit le projet avec l’appui d’outils d’IA agentique intégrés à l’ensemble de cette chaîne — pas seulement à l’écriture de code.
Où l’IA a réellement fait gagner du temps
La mise en place initiale
C’est là que le gain est le plus spectaculaire. Structure du projet, socle technique, configuration, échafaudage des premiers écrans : ce qui prend classiquement plusieurs jours se compresse en quelques heures. Sur un projet de trois semaines, ce gain de départ est ce qui rend le reste possible.
La raison est simple : ces tâches sont fortement standardisées. Elles ont été faites des milliers de fois, la bonne réponse existe, et le développeur sait immédiatement reconnaître si ce qui lui est proposé est correct.
Les tâches périphériques
Deuxième zone de gain : tout ce qui entoure le code sans en être. Configuration de l’intégration et du déploiement continus, scripts d’automatisation, documentation technique. Ce sont des tâches nécessaires, chronophages, et rarement celles où un développeur crée le plus de valeur.
Où le gain s’effondre
Le gain n’est pas linéaire
C’est l’enseignement le plus contre-intuitif du projet. Le gain de temps est très fort au démarrage, puis diminue progressivement à mesure que le projet avance et se complexifie. Plus le contexte accumulé est important, plus les décisions dépendent de contraintes spécifiques que l’outil n’a pas, et plus l’écart entre ce qui est proposé et ce qui est attendu se creuse.
Formulé autrement : l’IA ne raccourcit pas la fin d’un projet, elle en raccourcit le début. Toute planification qui suppose un gain constant sur toute la durée se trompera.
Le code généré doit être relu, challengé, parfois réécrit
Le code produit est syntaxiquement correct et souvent pertinent. Il est aussi régulièrement inadapté au contexte : une approche qui fonctionne isolément mais entre en conflit avec l’architecture retenue, une gestion d’erreur approximative, une dépendance ajoutée sans nécessité.
L’IA accélère la production. Elle ne transfère pas la responsabilité de ce qui est livré. Cette responsabilité reste entière, et elle s’exerce par la revue.
La règle qui change tout : découper plutôt que déléguer en bloc
Les résultats ont été nettement meilleurs quand nous avons demandé une tâche précise et bien cadrée plutôt qu’une fonctionnalité complète d’un seul coup.
Ce n’est pas une astuce d’usage, c’est une conséquence directe du fonctionnement de ces outils : la qualité du résultat dépend de la qualité de la demande. Une demande large produit une réponse générique qu’il faudra reprendre ; une demande précise, avec ses contraintes et son contexte, produit quelque chose d’exploitable.
Or savoir découper un besoin en tâches précises et bien cadrées est exactement ce qu’on attend d’un développeur expérimenté. L’outil ne remplace pas cette compétence : il la met au centre.
Ce que ce projet dit du métier
L’IA est un multiplicateur. Elle démultiplie ce qu’un développeur sait déjà faire. Mais un multiplicateur appliqué à zéro connaissance donne toujours zéro. Sans expertise pour orienter, structurer et challenger ce qui est produit, le gain de temps n’existe pas : il est repris plus tard, en corrections et en dette technique.
Sur ce projet, tenir trois semaines n’a pas été le résultat de l’outillage seul. Cela a été le résultat de développeurs qui savaient précisément quoi demander, comment le vérifier, et quand ne pas suivre ce qui leur était proposé.
Ce que l’IA n’a pas fait sur ce projet
Il est utile de nommer précisément ce qui est resté entièrement humain, parce que c’est là que se situe l’écart entre un projet tenu et un projet raté.
Le choix d’architecture n’a jamais été délégué. Décider comment structurer l’application, comment isoler les appels aux API internes, comment gérer l’état hors ligne sur des terminaux de magasin : ce sont des décisions qui engagent tout le reste et qui dépendent de contraintes que l’outil n’a pas.
L’arbitrage de périmètre non plus. Sur un délai de trois semaines, la question déterminante n’est pas « comment faire vite » mais « que ne fait-on pas ». Identifier ce qui peut attendre la version suivante sans compromettre l’usage en magasin relève du dialogue avec le client, pas de la génération de code.
Enfin, la sécurité. L’authentification et la connexion aux API internes ont été conçues, relues et validées de bout en bout par des humains. Sur ce périmètre, la vitesse n’est pas un critère recevable.
Ce que ça change dans le chiffrage d’un projet
Une conséquence pratique mérite d’être posée franchement, parce qu’elle concerne directement la relation client : si l’outillage fait gagner du temps, ce gain doit-il revenir au client ?
Notre position est qu’il revient au client sur les tâches où le gain est réel et vérifiable — la mise en place, l’outillage, la documentation — et qu’il ne doit pas être promis là où il n’existe pas. Annoncer une réduction uniforme de charge sur l’ensemble d’un projet, c’est facturer une hypothèse que la deuxième moitié du projet démentira.
La conséquence est que les estimations doivent distinguer les phases plutôt que d’appliquer un coefficient global. C’est moins simple à présenter, et nettement plus fiable.
Cinq conditions pour tenir un délai court avec l’IA
Un périmètre fonctionnel réellement arrêté : l’IA accélère l’exécution, elle n’absorbe pas l’indécision. Une architecture décidée en amont : sans cible claire, chaque contribution générée tire dans une direction différente. Une revue systématique du code produit, sans exception au motif de l’urgence. Un découpage fin des demandes plutôt que des délégations larges. Et une planification qui anticipe la décroissance du gain au fil du projet.
Ces cinq conditions ont un point commun : aucune n’est technique. Toutes relèvent de la conduite de projet.
Ce que ce projet ne démontre pas
Un retour d’expérience ne vaut que si l’on précise ce qu’il ne prouve pas. Trois limites méritent d’être posées.
Le périmètre était favorable. Une application mobile connectée à des API existantes est un terrain où ces outils excellent : patterns très documentés, technologies mainstream, peu de dépendances à un existant obscur. Sur une reprise de système ancien, faiblement documenté et écrit dans une technologie peu représentée, le gain est nettement plus faible — quand il n’est pas négatif.
L’équipe était expérimentée. Le résultat obtenu tient autant à la séniorité des développeurs qu’à l’outillage, et ces deux facteurs ne se séparent pas dans un projet réel. Nous ne pouvons donc pas affirmer quelle part revient à quoi.
Enfin, trois semaines ne disent rien de la maintenabilité à trois ans. La vraie mesure d’un projet mené de cette façon se prendra au moment de la première évolution majeure, pas à la livraison.
L’outillage ne dispense pas de l’expertise, il la rend plus déterminante
L’IA agentique change réellement la donne sur les délais de développement. Elle rend possible des engagements qui, il y a deux ans, auraient été déraisonnables. Elle ne dispense en rien d’une expertise technique solide pour l’encadrer — et c’est justement cette combinaison qui a permis de tenir un délai serré sans sacrifier la qualité.
C’est cette approche — outils d’IA plus expertise humaine qui les pilote — que nous mettons en œuvre sur nos projets.


