Pendant deux ans, l’industrie technologique a célébré les assistants de codage comme la première preuve tangible du retour sur investissement de l’intelligence artificielle. Pourtant, malgré l’adoption massive de solutions comme GitHub Copilot, Cursor ou Claude Code, les gains observés sont restés relativement modestes à l’échelle des organisations.
Selon les retours d’expérience présentés par McKinsey & Company à VivaTech 2026, la plupart des entreprises n’ont obtenu qu’une amélioration de 5 à 10 % de leur productivité globale. Une progression réelle, mais insuffisante pour justifier les promesses de rupture qui ont accompagné l’essor de l’IA générative.
Le problème n’est pas technologique. Il est organisationnel.
Le code n’a jamais été le véritable goulot d’étranglement
Dans un projet logiciel classique, l’écriture du code représente généralement entre 30 et 50 % de l’effort total.
Le reste est absorbé par une série d’activités moins visibles mais tout aussi critiques : rédaction des spécifications, conception fonctionnelle, documentation, tests, validation, correction des anomalies, intégration et déploiement.
Les premiers assistants IA ont principalement accéléré la phase de développement. Un développeur pouvait produire davantage de code dans un temps réduit, mais l’organisation globale du projet restait inchangée.
Résultat : un gain localisé sur une seule étape de la chaîne de valeur.
Pour Stéphane Bout, Senior Partner chez McKinsey, c’est précisément cette logique qui limite aujourd’hui l’impact réel de nombreux programmes IA.
L’erreur consiste à ajouter des outils à un processus existant plutôt qu’à redessiner complètement le processus autour des capacités des agents.
Du développeur augmenté à l’équipe hybride
La véritable rupture apparaît lorsque l’IA cesse d’être un assistant individuel pour devenir un membre à part entière de l’équipe.
McKinsey décrit cette nouvelle organisation comme un modèle hybride humain-agent.
Le principe est simple : redistribuer chaque tâche entre humains et agents selon leurs avantages respectifs.
Les humains conservent les activités de décision, d’arbitrage, de validation et de supervision.
Les agents prennent en charge les activités répétitives, analytiques ou fortement structurées :
- génération de spécifications ;
- documentation technique ;
- rédaction de tests ;
- analyse de code ;
- implémentation ;
- contrôle qualité ;
- correction d’erreurs ;
- préparation des déploiements.
Cette répartition transforme profondément le cycle de développement.
L’enjeu n’est plus d’aider un développeur à coder plus vite, mais de créer une organisation où plusieurs dizaines d’agents travaillent simultanément sur différentes parties du processus.
Quand cent agents remplacent une usine logicielle
L’exemple le plus spectaculaire présenté lors de la conférence concernait la modernisation du système informatique central d’une grande banque internationale.
Le défi était considérable :
- plus de 400 applications ;
- plusieurs millions de lignes de code ;
- documentation quasi inexistante ;
- budget initial estimé à plus de 600 millions de dollars.
Plutôt que de mobiliser uniquement des équipes humaines, McKinsey a construit une architecture composée de plus de cent agents spécialisés.
Chaque agent disposait d’une expertise spécifique : développeur Java, rédacteur technique, planificateur, réviseur qualité ou analyste fonctionnel.
Ces agents étaient regroupés en « squads », elles-mêmes organisées en groupes poursuivant des objectifs distincts.
Une équipe documentait les systèmes existants.
Une autre préparait les plans de migration.
Une troisième réalisait les transformations techniques.
Le résultat annoncé est significatif : réduction de 50 % des coûts et des délais du programme.
Plus intéressant encore, cette approche introduit une nouvelle manière de penser l’entreprise.
Les agents ne sont plus considérés comme des outils mais comme des ressources opérationnelles organisées selon des principes similaires aux équipes humaines.
Le sprint de deux semaines devient une journée
Le second cas présenté concernait le développement applicatif.
L’organisation utilisait déjà des assistants IA classiques. Les gains restaient limités à environ 5 à 10 %.
La transformation est intervenue lorsque l’ensemble du cycle de développement a été repensé.
Dans ce nouveau modèle :
Le matin, le Product Owner rédige une exigence fonctionnelle de haut niveau.
L’agent génère automatiquement les spécifications détaillées.
Le développeur valide l’orientation technique.
Les agents construisent ensuite le plan d’implémentation complet.
Pendant l’après-midi, ils développent le code, créent les tests unitaires, exécutent les contrôles qualité et corrigent automatiquement les anomalies détectées.
En fin de journée, le développeur reçoit une demande de fusion prête à être validée.
Selon McKinsey, cette organisation permet de passer d’un sprint de deux semaines à un cycle de livraison de 24 heures pour un périmètre comparable.
La promesse n’est donc plus seulement la productivité.
C’est la compression du temps.
Or dans les secteurs où l’avantage concurrentiel dépend de la vitesse d’exécution, cette variable peut devenir plus stratégique que la réduction des coûts.
La documentation devient un actif machine
L’un des enseignements les plus intéressants de la présentation concerne la documentation.
Historiquement, les spécifications étaient rédigées pour être comprises par des humains.
Dans un environnement agentique, elles doivent être comprises simultanément par les humains et les machines.
McKinsey recommande ainsi l’utilisation systématique de formats structurés comme Markdown, directement intégrés aux référentiels de code.
La documentation cesse alors d’être un livrable administratif.
Elle devient un composant actif du système de production.
Autrement dit, elle n’est plus seulement lue par des développeurs. Elle est exécutée par des agents.
Cette évolution pourrait sembler technique.
Elle est pourtant comparable à la transformation qu’ont connue les données lorsque les entreprises sont passées des feuilles Excel aux plateformes analytiques modernes.
Le véritable défi n’est pas l’IA
À écouter les retours d’expérience présentés à VivaTech, une conclusion s’impose.
Les entreprises qui peinent à obtenir des résultats avec l’IA ne souffrent généralement pas d’un déficit technologique.
Les modèles existent.
Les outils existent.
Les usages sont identifiés.
Le blocage apparaît au moment où il faut redéfinir les responsabilités, les processus, les indicateurs de performance et les modes de collaboration.
En d’autres termes, l’IA agentique ne constitue pas seulement une innovation logicielle.
Elle impose une refonte du modèle opérationnel lui-même.
C’est peut-être là que réside la véritable rupture de cette nouvelle vague technologique.
Les assistants de codage ont permis d’accélérer le travail des développeurs.
Les agents, eux, commencent à redessiner l’architecture même de l’entreprise.
Et dans cette transition, la question n’est plus de savoir combien de lignes de code une IA peut produire.
La question devient beaucoup plus stratégique : combien de temps reste-t-il entre une idée et sa mise en production ?
Cette publication est également disponible en :
