Software development : les DSI face au chaos du code généré par l’IA

le 05/05/2026 par Sylvain Fagnent

Tags: Software Engineering, Data & AI, Delivery

Introduction

Un graphique valant mieux qu’un paragraphe :

“Les offres d’emploi en ingénierie sont à leur plus haut niveau depuis plus de 3 ans” (Src : https://www.linkedin.com/in/lennyrachitsky/ )

“Les offres d’emploi en ingénierie sont à leur plus haut niveau depuis plus de 3 ans.. Il y a actuellement plus de 67 000 (!!!) postes d’ingénieurs ouverts dans des entreprises technologiques à l’échelle mondiale, dont 26 000 rien qu’aux États-Unis. Nous ne savons pas s’il y aurait eu encore plus de postes ouverts sans l’IA ou si, au contraire, l’IA contribue à en créer davantage, mais depuis le début de cette année, la hausse du nombre de postes d’ingénieurs ouverts s’accélère encore davantage.” (extraits de https://www.lennysnewsletter.com/p/state-of-the-product-job-market-in-ee9 et traduits ici).

De ce que l’on peut lire et de notre expérience sur le terrain, nous avons une petite idée tout de même. Nous sommes en particulier alignés sur cette remarque : “Les logiciels sont livrés plus rapidement, c’est certain. Mais ils dérivent aussi. On obtient plus de code, plus de fonctionnalités, plus de surface à gérer… et beaucoup plus de maintenance. Donc, il est devenu plus facile de produire du logiciel, mais utiliser l’IA ne rend pas plus facile sa gestion, son passage à l’échelle ou son nettoyage ultérieur.” (extraits de propos de Christopher Fitkin traduits ici).

L'IA agit en effet comme un amplificateur des dynamiques existantes. Rappel de notre précédent article : "Sous IA, une équipe dysfonctionnelle ne le reste pas simplement elle tend à devenir plus chaotique, plus rapidement, et à plus grande échelle." Par conséquent, les crises sur les projets pourraient arriver plus vite.....et nous aurons besoin de personnes expertes en organisation, en gestion d’IA bien sûr et en méthodologie sur toute la chaîne du delivery. Car même si l’équipe de développement gère bien l’usage de l’IA pour ses propres activités, n’oublions pas qu’elle n’est pas seule au milieu de la plaine.

La vitesse sans discipline crée plus rapidement du chaos que de la valeur

“On ne passe pas de conducteur de Twingo à pilote de rallye ou de F1 sans un apprentissage sérieux, ni entraînement. Enfin, l'aisance de mise en œuvre et l'accélération des cycles peuvent rapidement conduire à des dérives, où l'on privilégie l'exécution au détriment de la pertinence du produit. Sans vigilance, l'équipe (au sens large) risque de construire "vite" un produit qui ne correspond pas aux attentes des utilisateurs.” (src: notre article constats et recommandations - Brève d’une software developer - l’IA, ce tigre dans le moteur qui propulse et bouscule le développement agile).

Par conséquent, sans préparation, des équipes vont certainement se “taper très rapidement des murs” en se prenant pour des pilotes de F1 à plus de 200km/h sans expérience, sans ceinture de sécurité et sans casque....nous allons les ramasser à la petite cuillère sur le bord de la piste. En clair : dans les entreprises trop néophytes sur l’IA, les dégâts vont arriver plus vite et plus fort .... et ce ne sera pas la faute de l’IA mais bien du pilote qui ne se sera pas suffisamment préparé à l'accélération ou aux chausses trappes dans sa chaîne de production logiciel.

On ne passe pas de conducteur de Twingo (sans IA) à pilote de rallye (avec IA) sans un apprentissage sérieux ni entraînement

On ne passe pas de conducteur de Twingo (sans IA) à pilote de rallye (avec IA) sans un apprentissage sérieux ni entraînement (Illustration réalisée par Gemini)

L’IA générative pourrait démultiplier le shadow IT dans les entreprises

Par ailleurs, si le développement d’applications grâce à l’IA devient de plus en plus accessible, y compris pour des profils non informaticiens (aussi appelés les citizens développeurs popularisés lors de l’émergence du NoCode et du LowCode) et pour des usages parfois complexes, on peut s’attendre à une forte expansion du parc applicatif en dehors du contrôle des DSI — autrement dit, une nouvelle vague de shadow IT. Ce phénomène n’est pas inédit : les DSI y ont déjà été confrontées, d’abord avec la prolifération application Lotus Notes puis les fichiers Excel et des applications VBA dans les années 2000, enfin plus récemment avec l’essor des plateformes NoCode.

La différence aujourd’hui tient à l’ampleur et à la vitesse du mouvement : l’IA abaisse encore davantage les barrières à l’entrée, accélérant la création d’applications et rendant leur gouvernance plus complexe que jamais.

Explosion du parc d’applications hors DSI - le fameux shadow IT à l’air de l’IA (image credit @jxnlco - https://x.com/jxnlco )

La DSI doit proposer une filière support pour accompagner ses équipes de développement et les “citizen developers”

Ok mais alors on fait quoi ? Dans les entreprises, il faut s’approprier ces nouveaux codes et, surtout, accompagner les équipes en support : à minima pour cadrer la conception, limiter la dette technique et prévenir les failles de sécurité. Certes, les outils d’IA faciliteront aussi la reprise et l’analyse de ces applications. Mais le véritable risque est ailleurs : une multiplication rapide des solutions à intégrer, maintenir et sécuriser, au point de submerger les DSI. Le goulot d’étranglement se déplace ainsi : il ne se situe plus dans la production, mais dans le suivi, la reprise, la gouvernance et la sécurisation. L’IA réduit le coût marginal de production — pas celui de la responsabilité.

Mettre en place une véritable filière suppose de créer une cellule de support dédiée, chargée d’accompagner, former et faire monter en compétence les équipes de développement interne dont les “citizen developers”. Pour ces derniers, l’idée est de renforcer leur autonomie sans en dégrader la qualité. Cette approche permet de mutualiser les efforts et d’optimiser l’usage des ressources IT, en se concentrant sur les versions finales ou les cas les plus critiques. La cellule joue alors un rôle structurant comme l’animation de formations, la diffusion des bonnes pratiques, la définition de standards, la réalisation d’audits, la sécurisation du code, la reprise de code si nécessaire, voire l’accompagnement dans la durée au sein des équipes.

Dans ce modèle, la DSI évolue profondément : elle ne se limite plus à produire des applications, mais devient l’architecte du cadre de production, garant de la cohérence, de la qualité et de la sécurité de l’ensemble.

Au-delà des recommandations formulées dans précédent article sur le développement agile boosté par l’IA générative, que la DSI peut naturellement porter, elle peut également instaurer une cellule de support dédiée. Celle-ci aurait pour mission à la fois d’encadrer les usages au sein des équipes de développement et d’accompagner les collaborateurs dans leurs expérimentations. Dans un contexte où les outils d’IA sont encore récents, il s’agit de trouver le bon équilibre : structurer sans rigidifier, afin d’éviter des règles trop contraignantes qui freineraient l’innovation en interne.

Missions de la cellule
Expliquer & définir le cadre d'usage de l’IA générative dans le contexte du développement logiciel voire dans le cadre de l’entreprise
Proposer un catalogue d’outils (fournisseurs d’IA générative pour l’essentiel), une sélection avec un cadre d'usage, en explicitant ce que l'outil sait faire et ce qu'il ne sait pas faire ou qu'on n'autorise pas à faire (ex. types de données que l’on peut ou non exposer dans une IA non souveraine par exemple)
- Organiser des formations (internes ou externes) sur un outil choisi en particulier. Cela permet ainsi d’accélérer et de cadrer les usages qui pourraient en être faits dans le contexte de l'entreprise. - Organiser des démonstrateurs pour mettre le pied à l'étrier aux utilisateurs débutants
Un support permettant de mettre à disposition des d'experts IT afin d’éviter de tomber dans les chausses trappes ou de rester coincés dessus trop longtemps
- Mettre à disposition des environnements souverains ou onPremise directement ou en nouant un partenariat avec un acteur souverain européen ou français ! La DSI peut ainsi offrir un hosting de différents types comme : -- OnPremise : pour une conformité au RGPD, on assure ainsi une meilleure confidentialité, on anticipe mieux les coûts car prévisibles et on doit pouvoir s’appuyer sur des modèles d’IA Open Source (OS). -- AWS Bedrock en Europe constitue un compromis en Europe pour utiliser des modèles d’IA via une API unifiée, sans gérer l’infrastructure. Le service assure performance, scalabilité et sécurité, tout en garantissant que les données restent sous contrôle de l’entreprise, isolées et non utilisées pour entraîner les modèles. -- API LLM sur Cloud souverain (OVH, Scaleway, Cloudscale) : Les fournisseurs de cloud souverain comme Scaleway ou OVH proposent désormais des LLM en API, permettant de garantir souveraineté des données et conformité réglementaire. Leur principale limite reste toutefois la puissance des modèles, souvent open source. -- Souverain : Pure player souverain comme Mistral : Face aux acteurs dominants américains de type OpenAI ou Claude, des acteurs souverains “pure player” sont en train d’émerger. Mistral mise ainsi sur une approche open source pour plusieurs de ses modèles et propose une API pour s’intégrer facilement sans avoir à gérer l’infrastructure sous-jacente. Mistral est compatible RGPD.
Gérer de manière étendue les fournisseurs d’IA - gestion des abonnements, licences. Négocier les tarifs avec les fournisseurs et ce pour s’adapter à l’augmentation des usages - le marché restant encore ouvert il reste possible de négocier.
Monitorer les usages de l’IA sur les projets avec ceux qui sont potentiellement en train de passer à l'échelle. Faire un suivi des coûts engendrés par les usages et donner quelques bonnes pratiques pour optimiser l’usage des tokens, faire évoluer les abonnements. Gérer la facturation à l’usage des solutions.

Comment éviter que la DSI ne soit contrainte de trier et réparer une production logicielle par IA générative devenue chaotique (illustration générée par Perplexity)

Attention toutefois : la cellule de support peut, à son tour, devenir un goulot d’étranglement (SPOF) si la demande croît trop rapidement ou si les règles ne sont pas suffisamment automatisées. Pour éviter cet effet d’engorgement, il sera essentiel d’industrialiser au maximum les contrôles, les standards et les mécanismes d’accompagnement. Il est même probable que cette fonction de “mitigation” doive elle-même être augmentée par l’IA — sans quoi elle peinera à passer à l’échelle et à absorber le volume croissant de demandes.

Enfin, selon l’avis d’un OCTO expert sur le développement craftsmanship : “A la lumière de notre expérience d’usage des IA génératives (comme Claude ou autres) dans nos pratiques, nous constatons que les agents de code et le Craft ne sont en rien antinomiques. Bien au contraire : les pratiques Craft constituent un garde-fou indispensable, capable de canaliser et d’exploiter pleinement la puissance de l’IA générative, en transformant une vitesse brute en une vélocité maîtrisée et durable.”

Notes : Pour ce qui est des bonnes pratiques au sein d’une équipe de développement agile nous vous conseillons la lecture de notre précédent article sur le sujet : Brève d’une software developer - l’IA, ce tigre dans le moteur qui propulse et bouscule le développement agile!.

Pour aller plus loin, nous proposons une formation à destination des développeurs, Tech Leads et architectes, couvrant les fondamentaux des LLM, leurs usages en développement logiciel et les bonnes pratiques de prompting. Elle met par ailleurs l’accent sur une posture active face aux productions de l’IA (contrôle, relecture, amélioration continue) et intègre les enjeux juridiques et de sécurité associés : Formation « Développer avec les assistants de code » | OCTO Academy.

Conclusion

Introduire l’IA dans le développement logiciel induit un besoin en nouvelles ressources. Mais lesquelles ? : “Cela augmente le besoin de personnes capables de prendre du recul et de réfléchir ! *Des gens qui savent dire non. Ou repérer les mauvaises abstractions. Ou détecter quand quelque chose fonctionne techniquement, mais va dans la mauvaise direction. Le logiciel s’étend actuellement dans tous les secteurs de l’économie. Cela ne réduit pas le besoin en ingénieurs. * Cela relève le niveau (et la valeur) de ce à quoi ressemble un bon ingénieur. Car le métier n’est plus d’écrire du code… mais tout le reste !” (extraits de propos de Christopher Fitkin traduits ici).

L’IA appliquée au développement logiciel exige un niveau de qualification plus élevé et une rigueur renforcée, afin de s’assurer que le “bolide” ne finit pas dans le mur avant même d’avoir pris son premier virage. Par ailleurs, si la production logicielle tend à se démocratiser au sein de l’entreprise, il devient essentiel de mettre en place dès maintenant un accompagnement structuré autour de l’IA. À défaut, la DSI pourrait de se transformer en « Wall-E du code », contrainte de trier et réparer les déchets d’une production logicielle devenue incontrôlée.

La DSI pourrait se transformer en « Wall-E du code », contrainte de trier et réparer les déchets d’une production logicielle devenue incontrôlée ( src : Film d’animation Wall-E - Pixar)

Et après, quels seront les prochains défis ?

Dans le prolongement des problématiques évoquées dans cet article, les DSI, ainsi que des entreprises comme OCTO en tant qu’ESN, seront confrontées à d’autres enjeux majeurs. Parmi les enjeux futurs, proches et structurants, nous identifions notamment :

Enjeu	Description
Accompagner tous les profils dans une équipe agile	Comment adresser les besoins des différents profils participant à la conception produit (PO, UX, QA, etc) et pas seulement les développeurs ? A plus long terme, comment adresser les besoins de tous les profils de l'entreprise ?
Passage à l’échelle	L’usage de l’IA générative dans de petites équipes montre qu’elle n’élimine pas les dysfonctionnements, mais tend à les amplifier. Quid alors du passage à l’échelle : comment maîtriser sur des projets plus vastes, où le risque de chaos pourrait être accru ?
RH - Gestion des risques psychosociaux	- Le développement avec l’IA ne réduit pas la fatigue, il la transforme : l’effort devient davantage cognitif, avec une exigence accrue de clarté, de contrôle et de validation, générant une fatigue mentale plus subtile mais constante. - Par ailleurs, une immersion de Harvard Business Review révèle que loin de réduire la charge de travail, elle tend à l’augmenter (plus de tâches, plus d’heures, plus de multitâche), ce qui accroît la pression sur les équipes et les risques de burnout. D’où la nécessité de structurer les usages et de préserver des pratiques collectives.
Gestion des coûts	- L’adoption de l’IA commence sans forte contrainte de coût, mais l’optimisation devient rapidement essentielle à mesure que les usages s’intensifient (voir notre section “Optimiser l'usage des tokens” : dans notre précédent article). Les coûts peuvent croître fortement par développeur : de 20€ à assez rapidement 200€ par jour sur un usage régulier. - L'économie cachée des LLM - OCTO Talks ! - Dans un contexte d’incertitude sur les modèles économiques des fournisseurs, une hausse significative des prix est probable, renforçant la nécessité d’anticiper et de piloter ces coûts.
Profils & compétences	- La montée de l’IA reconfigure les besoins en compétences : si certaines tâches deviennent perçues comme remplaçables, la question des profils et de leur proportion peut reconfigurer le recrutement. - La baisse du recrutement de juniors fragilise le renouvellement des talents, posant un défi clé : comment maintenir un flux de compétences dans un modèle où les voies d’entrée traditionnelles se réduisent ?

Pour aller plus loin : voir la présentation de notre CEO O.Roux lors des conférences de la Grosse Conf 2026 : CEO par temps d’IA.