L'IA fait coder plus vite, pas livrer. Où est le goulot ?

9 min de lecture
L'IA fait coder plus vite, pas livrer. Où est le goulot ?

Trois semaines pour un bouton

Vous avez demandé un bouton « Exporter en PDF » sur le portail client. Votre développeur vous a répondu, sans lever les yeux : « Avec l’IA, c’est fait dans l’après-midi. » Il avait raison. Le code était écrit à 16 h.

Le bouton est arrivé en production trois semaines plus tard.

Entre les deux : une relecture qui a attendu que quelqu’un ait le temps, une question sur le format du fichier que personne n’avait posée, une mise en production repoussée au vendredi parce que le vendredi « on ne touche à rien », puis au mardi suivant parce que le lundi était pris par la réunion.

Vous avez payé l’outil qui a fait l’après-midi. Vous n’avez rien payé pour les trois semaines. Et pourtant ce sont elles qui vous coûtent.

Chaque étape va plus vite. Le flux, non.

C’est l’histoire que nous entendons chez presque tous les dirigeants qui ont équipé leur équipe d’un assistant de code depuis un an : l’outil tient ses promesses, la date de livraison ne bouge pas.

La première réaction est de douter de l’équipe. « Ils ne s’en servent pas bien. » La deuxième, de douter de l’outil. « Il n’est pas encore assez bon. » La troisième, celle qui coûte le moins cher, est de regarder ailleurs que le code.

Anthropic, l’éditeur de Claude, a publié le 21 août 2026 un guide complet sur cette question, écrit pour les directions techniques de grandes entreprises. Il tient en une phrase : quand écrire le code cesse d’être le plus long, le goulot se déplace vers tout ce qui l’entoure, et ce « tout » tourne encore à la vitesse humaine. Relecture, validation, décision, mise en production : chacune de ces étapes a été dimensionnée pour une époque où le code mettait des semaines à arriver. Elle n’a aucune raison de s’être adaptée toute seule.

Une image tirée de l’histoire industrielle l’explique bien. Quand l’électricité est arrivée dans les usines, à la fin du XIX^e^ siècle, les patrons ont posé un moteur électrique à la place de la machine à vapeur, sans rien changer d’autre : même bâtiment, même arbre de transmission au plafond, mêmes postes alignés dessous. Le gain de productivité a mis une quarantaine d’années à apparaître. Il a fallu une génération d’industriels pour comprendre qu’un petit moteur par machine permettait de redessiner l’atelier autour du flux de production, et non plus autour de la source d’énergie.

Vous venez de poser le moteur.

Les trois endroits où le goulot se cache

Reprenez le bouton PDF. Les trois semaines perdues se logent toujours aux mêmes endroits.

Avant le code : personne n’a écrit ce qu’on voulait vraiment. Le développeur a codé vite une demande floue. La question du format est sortie après, et la réponse a coûté une deuxième après-midi. L’IA accélère l’exécution ; elle ne devine pas une intention qui n’a pas été formulée. Plus elle est rapide, plus elle produit vite quelque chose qui n’était pas ce que vous vouliez.

Après le code : la relecture ne suit plus. Quand l’assistant produit 800 lignes en une heure, personne ne les lit ligne à ligne. Alors on attend quelqu’un qui aurait le temps, et ce quelqu’un ne l’a jamais. Ou pire : on valide sans lire, et le problème ressort trois mois plus tard, chez un client.

Autour du code : la décision attend la réunion. Mettre en production, c’est prendre un risque, et dans beaucoup de PME le seul endroit où l’on prend un risque, c’est le point du lundi. Le code est prêt le mardi, il attend six jours. S’il manque une signature, six de plus.

Où ça coince Ce que vous observez Ce que ça coûte vraiment
Avant le code « Ce n’est pas tout à fait ce que je voulais » Une deuxième itération, parfois une troisième
Après le code « Il faut que quelqu’un relise » Des jours d’attente, ou une validation aveugle
Autour du code « On verra ça lundi » Une semaine par décision reportée

Aucun de ces trois endroits n’est technique. Ce sont des habitudes de travail, calibrées pour une époque où coder prenait des semaines. Elles sont à vous, pas à votre développeur.

Ce n’est pas qu’une affaire de code

Si vous n’avez pas de développeur, ne refermez pas la page. Le mécanisme est le même partout où un assistant IA a accéléré une étape de production.

Le commercial qui génère ses propositions en dix minutes au lieu d’une demi-journée : combien de temps la proposition attend-elle votre relecture avant de partir ? L’assistante qui obtient un compte rendu de réunion en sortant de la salle : qui le valide, et quand ? Le service client dont les réponses aux emails sont préparées par l’IA : où s’empilent les brouillons en attente ?

Dans chaque cas, le temps gagné sur la production se perd dans la file d’attente qui suit. Et cette file d’attente, c’est presque toujours une personne qui a le pouvoir de dire oui, et pas le temps de le faire.

Quatre gestes qu’une PME peut reprendre

Le guide d’Anthropic est écrit pour des entreprises régulées, avec des comités, des responsables conformité et des équipes plateforme. Les trois quarts ne vous concernent pas. Le quart restant tient en quatre gestes, et aucun ne demande d’acheter quoi que ce soit.

1. Une page d’intention avant de lancer la machine

Écrite par la personne qui a le besoin, en français courant : quel problème, quel résultat attendu, qui est concerné, ce qu’on s’interdit, ce qui reste ouvert. Une page, pas un cahier des charges.

Pour le bouton PDF, la question du format y aurait figuré dès le premier jour, dans la rubrique « ce qui reste ouvert ». Le développeur l’aurait posée avant d’écrire une ligne. Cette page devient le document que lisent à la fois votre équipe et l’assistant IA : c’est ce qui empêche l’un et l’autre de deviner.

2. Valider le plan, pas le code

Avant d’écrire, l’assistant propose ce qu’il va changer, dans quel ordre, ce qui pourrait casser, ce qui prouvera que c’est fini. Dix minutes sur un plan d’une page remplacent une heure sur 800 lignes que personne ne lira.

Les questions de fond se règlent là. Faut-il toucher à la facturation pour sortir ce PDF ? Est-ce que ça change quelque chose pour les clients qui ont l’ancienne version du portail ? Une fois le plan validé, l’exécution suit, et la relecture du code devient ce qu’elle doit être : une vérification que le plan a été respecté, pas une découverte.

3. Un bug, c’est d’abord un test qui échoue

Avant de corriger, on fait reproduire le bug par un test automatique, on l’enregistre, puis seulement on corrige. Le test qui passe est la seule preuve que le bug est parti. Il empêche aussi l’IA de « corriger » en modifiant le test plutôt que le code, ce qu’elle fait volontiers quand on la laisse juger seule de son travail.

Chaque incident ajoute ainsi un test, et la liste ne fait que grandir. Au bout d’un an, vous avez une batterie de contrôles qui rejoue tout ce qui a déjà cassé chez vous, à chaque modification. C’est exactement le principe du banc de contrôle que nous livrons avec les cas d’usage IA : la confiance ne vient pas de la démo, elle vient des tests qui tournent encore six mois après.

4. Décider une fois pour toutes ce qui part sans vous

Un environnement de test : l’équipe livre librement, sans demander. La production : un nom, un feu vert, et le chemin de retour arrière répété jusqu’à devenir banal. Si revenir en arrière prend cinq minutes et que tout le monde l’a déjà fait, mettre en production un mardi à 11 h cesse d’être un acte de courage.

Ce qui n’a plus besoin d’attendre le lundi n’attend plus le lundi.

Le point commun des quatre gestes : ils déplacent votre attention du code, que vous ne lirez plus, vers l’intention, le plan et le risque, que vous êtes le seul à pouvoir juger. Votre temps de dirigeant va là où il a de la valeur.

Ce qu’il ne faut pas faire

Acheter un deuxième outil. Le premier n’a pas déplacé la date de livraison, le second ne la déplacera pas non plus, pour la même raison.

Demander à l’équipe de « mieux s’en servir ». Si le code était prêt le mardi, l’équipe s’en sert déjà bien. Le problème commence après.

Mesurer la vitesse de code. Le nombre de lignes produites par jour est le pire indicateur possible : il récompense précisément l’étape qui n’est plus le problème. Ce qu’il faut mesurer, c’est le délai entre « on le veut » et « c’est en production ». C’est le seul chiffre qui vous intéresse, et c’est celui que personne ne regarde.

Comment trouver votre goulot en une demi-journée

Prenez les trois dernières demandes livrées, grandes ou petites. Pour chacune, retrouvez cinq dates : le jour où vous l’avez demandée, le jour où le code était prêt, le jour où il a été relu, le jour où la décision de mettre en production a été prise, le jour où c’était en ligne.

Vous n’aurez pas toutes les dates. L’intervalle que vous êtes incapable de dater, c’est déjà un indice.

Puis regardez les écarts. Sur le bouton PDF, cela donne : demande le 1^er^, code prêt le 1^er^ à 16 h, relu le 9, décidé le 15, en ligne le 22. Le code a pris quatre heures. Le reste a pris vingt et un jours, dont huit à attendre une relecture et six à attendre une réunion.

Ce calcul tient sur une feuille. Il désigne presque toujours une personne, un rituel ou une absence de règle. Rarement une machine.

La question à vous poser ce soir

Si demain votre équipe codait dix fois plus vite, qu’est-ce qui ne bougerait pas ?

La réponse honnête est presque toujours la même : la relecture, la validation, la mise en production. C’est-à-dire vous, votre agenda, vos réunions. Le goulot n’est plus dans la machine. Il est dans la façon dont vous lui laissez la place.

Chez INSEIL, nous commençons chaque accompagnement par cette question, avec le dirigeant et son équipe, avant de parler d’outils. Localiser le goulot prend une demi-journée. Le déplacer prend quelques semaines, et ne demande pas de racheter un seul logiciel. C’est l’objet du diagnostic IA PME : trouver où le temps se perd vraiment, et par quoi commencer.

Sources

  • Anthropic, The AI-native SDLC playbook, 21 août 2026 — claude.com/blog/the-ai-native-sdlc-playbook
  • Paul A. David, The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review, 1990