L’IA générative appliquée au développement logiciel : vers toujours plus d’agilité en entreprise

Pour répondre plus efficacement aux besoins du marché, les entreprises doivent pouvoir accélérer et simplifier le développement logiciel. En automatisant certains process et en poussant la réflexion au-delà des approches techniques, l’IA générative ouvre un champ des possibles qu’il est important d’assimiler dès à présent.

Ces dernières années, le contexte économique mouvant et incertain a rendu l’agilité encore plus prioritaire pour les entreprises. En effet, face à des paramètres en constante évolution les décideurs s’interrogent sur les moyens d’adapter leur activité plus vite, d’accélérer la prise de décision et de fluidifier la collaboration.

L’intelligence artificielle générative (gen AI), avec ses progrès dans le développement logiciel, offre des réponses inédites.

D’ailleurs, il est d’ores et déjà possible d’entrevoir les apports de la gen AI sur l’accélération du développement logiciel à travers des outils comme GitHub Co-Pilot qui démontrent la capacité de l’IA à compléter rapidement un code.

Cependant, ces applications ne représentent que les prémices d’une transformation plus large et plus massive qui risque d’impacter l’intégralité du cycle de vie du développement logiciel, depuis l’analyse des besoins et du design system jusqu’aux phases de test, de déploiement et de maintenance.

Les attentes sont d’ailleurs fortes parmi les décideurs tech et métiers : dans notre étude de septembre 2023, 61 % des décideurs interrogés (pour la plupart américains et britanniques) plaçaient la productivité du développement logiciel comme priorité numéro un parmi les chantiers de transformation de l’intelligence artificielle générative.

Si des progrès peuvent déjà être notés en utilisant les capacités actuelles de l’IA, c’est surtout à long terme, lorsque l’IA générative aura dévoilé son plein potentiel, que l’on peut attendre un changement complet de paradigme. Car appliquée à l’ensemble du cycle de vie du développement logiciel, l’IA générative pourrait accélérer le développement et augmenter la productivité des développeurs. Par-dessus tout, elle pourrait radicalement transformer les pratiques des entreprises dans cette discipline et leur permettre ainsi de s’adapter en temps réel aux secousses de marché, de réduire leurs coûts et d’investir dans l’innovation… en clair d’être aussi agiles que possible dans leur environnement de marché.

Quelle agilité ? Un exemple avant/après l’IA

Pour comprendre comment la combinaison de l’IA et de l’expertise humaine peuvent redessiner les contours du développement logiciel et accélérer l’agilité de l’entreprise, prenons un exemple concret : une entreprise de e-commerce détecte une chute tendancielle de ses volumes de ventes et, à travers une analyse de contexte, comprend que ses clients sont attirés vers le site d’un concurrent-clé, qui a récemment amélioré son expérience utilisateur (UX).

Dans l’hypothèse où ce scénario se déroule de nos jours, avec les process actuels de développement logiciel, la réponse la plus probable de l’entreprise sera de concevoir toute une gamme de concepts concurrents pour améliorer à son tour son UX, la tester auprès d’utilisateurs et raffiner les idées jusqu’à obtenir le design le plus performant. D’un point de vue fonctionnel, ce process se traduira par de l’A/B testing pour la partie implémentation et déploiement, et par des indicateurs opérationnels pour la validation de l’expérience choisie (jusqu’à l’adoption de cette nouvelle expérience « par défaut »).

Maintenant, considérons ce qui pourrait arriver si ce scénario se déroulait dans le futur, avec l’apport de l’IA pour accélérer chacune des étapes : dans ce schéma, l’ensemble du cycle serait automatisé de façon intégrée avec un apport humain limité aux phases de validation et de recommandations (depuis la détection du problème jusqu’à la validation de la nouvelle UX en passant par la conception des solutions et la mise en production). Sur la base de ce nouveau paradigme, le cycle prendrait alors quelques jours, voire quelques heures, et non plus des semaines et des mois comme dans le précédent scénario.

Ce qui est possible dès 2024

On l’a compris : les améliorations futures de la gen AI portent en elles une dimension transformative importante au sein du cycle de vie du développement logiciel. Cependant, même dans l’état actuel des technologies, des progrès substantiels peuvent être observés grâce à l’IA en matière d’efficacité et de rapidité de développement. Ces progrès se manifestent de diverses manières, chacune d’entre elles ciblant un aspect spécifique du process de développement :

• La génération automatisée de code pourra ainsi convertir les prompts en un code fonctionnel, avec pas ou peu d’intervention manuelle.
• La documentation automatisée pourra créer et mettre à jour des documents par la simple annotation du code.
• L’assistance au débogage permettra d’analyser les lignes de code pour pousser des suggestions de résolution de problèmes, ce qui réduira drastiquement le temps consacré au dépannage.
• Les revues de codes pourront analyser proactivement les modifications du code pour identifier les risques et signaler les domaines à améliorer.
• Les recommandations de refactorisation pourront restructurer le code efficacement et en toute sécurité, ce qui sera particulièrement bénéfique pour garantir la stabilité du code à long terme et réduire la dette technique.

Mis bout à bout, ces bénéfices immédiats contribuent à fluidifier et accélérer le process de développement. Les équipes ont désormais la possibilité de construire, maintenir et mettre à jour des applications à un rythme bien plus soutenu, ce qui leur permettra à terme d’identifier les bugs et de livrer leurs fonctionnalités de façon accélérée. Avec en ligne de mire un avantage compétitif important sur le time to market et sur la réactivité aux mouvements du marché.

Ce qui sera possible après 2024

À plus long terme, les perspectives semblent encore plus prometteuses pour le développement logiciel, avec une dimension disruptive importante. En effet, il ne s’agira pas seulement de progrès incrémentaux mais bel et bien d’un changement de paradigme dans l’approche et l’exécution.

Voici ce que l’on peut anticiper :

• La compréhension du code à l’échelle de l’entreprise : les versions futures de l’IA auront probablement la possibilité de lire et comprendre l’intégralité des systèmes et des bases de données de l’entreprise, et pas seulement des registres isolés. Cette compréhension globale permettra de fluidifier la refactorisation et la simplification du code à grande échelle, ce qui facilitera la gestion de projets complexes et réduira les lourdeurs du système.
• La fin de la duplication du code : L’une des premières missions de l’IA sera de s’appliquer à identifier et éliminer les segments redondants entre plusieurs parties du code-source. Cette rationalisation aura pour effet d’améliorer la maintenance du code mais aussi de réduire drastiquement la dette technique.
• Fermer la boucle de rétroaction entre le logiciel et les opérations : En connectant en temps réel les besoins de développement logiciel aux indicateurs opérationnels et aux données de production, l’IA sera bientôt en capacité de mettre en lumière les poches d’optimisation d’un point de vue métiers comme technique. 
• Mettre à profit des architectures réutilisables : au fur et à mesure de son développement, l’IA aura un recours grandissant aux bibliothèques, services et design systems réutilisables. Avec pour conséquence une accélération du process de développement et une optimisation des ressources disponibles.

Agrégées les unes aux autres, ces potentialités futures promettent d’élever le process de développement logiciel à des niveaux remarquables d’agilité, de productivité et d’impact. Pour les entreprises, ces avancées seront synonymes d’adaptation plus rapide aux évolutions du marché, de réduction des coûts et d’accélération de l’innovation à un rythme véritablement distinctif vis-à-vis de la concurrence.

Un changement de paradigme

Cependant, en matière de développement logiciel, le rôle de l’IA générative ne se limite pas à améliorer la vitesse de codage ou l’efficacité opérationnelle : indirectement, celle-ci peut également influencer la manière dont les entreprises seront amenées à gérer le développement et le maintien de leurs applications logicielles.

Voici quelques pistes de réflexion :

• S’éloigner des systèmes hérités : Avec l’IA, les entreprises trouveront plus de ressources pour migrer leurs systèmes hors des applications héritées, lesquelles s’avèrent bien souvent trop complexes et trop peu fiables pour encourager l’innovation.
• Passer de l’achat à la construction : Les solutions du marché qui répondent partiellement aux exigences propres de l'entreprise pourront être remplacées par des solutions personnalisées plus efficaces.
• Accélérer la conduite du changement : Avec l’accélération à l’échelle de l’adaptation logicielle, les besoins d’accompagnement des utilisateurs seront amenés à augmenter, ce qui impliquera une actualisation des process de conduite du changement.
• Développer de nouvelles compétences : Les entreprises auront besoin de nouvelles compétences pour intégrer ces solutions d’automatisation en constante mutation et les exploiter efficacement.

Dans ce nouveau paradigme, il est probable que le développement logiciel ne se concentrera plus seulement sur les fonctionnalités d’un produit mais bien sur les retombées à l’échelle de l’entreprise. Ainsi, des indicateurs classiques comme « nombre de lignes de codes » seront progressivement délaissés au profit de grilles d’évaluation qui prioriseront les KPI en lien avec les retombées business. Ce glissement progressif dans la réflexion permettra à terme d’aligner les efforts d’ingénierie avec les objectifs commerciaux de l’entreprise, confirmant ainsi la contribution directe du développement logiciel au succès de l’entreprise.

Quelques recommandations pour se lancer

Pour les entreprises qui souhaiteraient tirer profit des avantages de l’IA générative au sein de leur développement logiciel, voici quelques recommandations à appliquer tout au long du cycle de vie de celui-ci :

• Évaluer les implications en matière de standards de qualité, de conformité aux exigences réglementaires et de risques associés.
• Tester les outils d’IA générative au sein des équipes de développement pour évaluer leur impact, leur potentiel et leurs avantages.
• Établir un protocole responsable encadrant l’IA pour adresser les questions de transparence, d’imputabilité, de qualité et de performance.
• Élaborer des plans pour le déploiement intégral des outils et l’expansion progressive des capacités d’automatisation.

En gardant à l’esprit cette approche structurée et anticipatrice, les entreprises ont la possibilité de mettre à profit toutes les capacités de l’IA générative et d’améliorer ainsi l’intégralité de leur développement logiciel. À la clé : des gains de parts de marché et un vrai positionnement innovant… Êtes-vous prêts ? Cette transformation débute dès à présent.

Article traduit et localisé à partir de l'article en anglais, How to power up agility with AI-driven software development, écrit par Mike Turner, VP, Software and Platform Engineering.