Quand on parle d'IA pour les équipes de développement, la conversation tourne vite autour des outils : Copilot, Cursor, Claude. Et quand tu commences à expérimenter, tu rêves de livrer deux fois plus vite, avec la moitié moins de monde, pour le double de la valeur. C'est séduisant! C'est aussi rarement ce qui se passe dans les premières semaines.

La réalité, c'est que l'adoption de l'IA ressemble moins à un sprint qu'à un changement de posture. Les gains arrivent, mais pas là où on les attendait, pas au rythme qu'on espérait et pas sans friction.

D’ailleurs, le rapport ROI of AI-assisted Software Development (Google Cloud, 2026) est clair là-dessus : à l'ère agentique, le ROI de l'IA ne se mesure pas au nombre de développeurs ou de développeuses qu'on remplace, mais aux goulots d'étranglement qu'on élimine et à la capacité qu'on libère pour l'innovation

Chez Nexapp, on l'a vécu de l'intérieur, avec nos propres équipes et nos clients. Je vous partage comment ça s’est passé.

Notre progression des deux dernières années

On aurait pu écrire cet article en restant vague. "On utilise l'IA dans nos pratiques." "On accompagne nos clients dans leur transformation." Mais ces formules toutes faites n'ont jamais aidé personne à progresser.

Voici ce qu'on a vécu, honnêtement.

2024–2025 : L'exploration libre

Pas de directive, pas de budget formel. Les développeurs et les développeuses qui voulaient expérimenter expérimentaient. On observait ce que ça changeait au quotidien et on lisait ce qui se passait dans l'industrie. L'objectif n'était pas de performer : c'était de comprendre. Certaines personnes ont adopté Copilot, d'autres ont testé Cursor, et d'autres n'ont rien changé.

Printemps 2025 : Le comité IA

On a formalisé. Un comité IA est mis en place avec un mandat clair : définir le positionnement de Nexapp à l'interne sur l'utilisation de l'IA. Pas seulement pour encourager l'adoption, mais surtout pour construire une vision commune. On déploie LiteLLM pour offrir les modèles d'IA à toutes nos équipes via une interface unifiée. Pour la première fois, on a de la visibilité : qui utilise quoi, à quelle fréquence, pour quel coût. Les données parlent d'elles-mêmes.

Automne 2025 : L'objectif officiel

Lors de notre rencontre annuelle, qui rassemble toute l'équipe et donne le coup d'envoi d'une nouvelle année financière, on met des mots sur une ambition : être reconnus pour l'intégration de l'IA dans nos pratiques de développement logiciel. Ce ne sont pas que des paroles inspirantes. C'est un objectif mesurable, avec un responsable interne. On officialise un budget dédié aux outils d’IA pour chaque membre de l’équipe de développement. On crée des synergies entre nos super utilisateurs de l’IA et les gens qui se demandent comment faire le premier pas. Le signal est clair : ce n'est plus un projet pilote, c'est une priorité d'entreprise.

Décembre 2025 : 100% d'adoption et positionnement clair

100% de nos collègues utilisent l'IA régulièrement. Les niveaux varient beaucoup d'une personne à l'autre : certaines sont au niveau 1, d'autres frôlent le niveau 3 (je vous parle plus en détail de ces niveaux un peu plus bas). On n'impose pas un rythme. Ce qu'on mesure, c'est la progression, pas la conformité.

C’est à ce moment qu’on franchit une étape symbolique et stratégique : l'IA ne sera plus optionnelle dans nos pratiques de développement logiciel. Notre ambition est d'établir le niveau 2 comme seuil minimal pour toutes nos équipes. Cela signifie que chaque personne qui fait du développement logiciel chez Nexapp travaille dans un contexte élargi, où l'IA comprend l'architecture, parcourt la base de code et contribue à des changements cohérents. C'est la nouvelle norme.

En parallèle, notre produit Axify lance ses fonctionnalités de mesure de l'adoption et de l’impact de l’IA, une réponse directe à ce qu'on vivait à l'interne : mesurer concrètement qui utilise l'IA, à quel niveau, combien ça coûte et quel en est l’effet réel sur la vélocité de livraison. Ce qu'on ne pouvait pas voir avant, on peut maintenant le quantifier.

Juillet 2026 : de l'adoption au scaling

Au début de l’année, on avait sondé toute l'équipe d’ingénierie logicielle sur son utilisation de l’IA au quotidien : niveau perçu de maîtrise des outils d’IA, gain de temps, degré de confiance envers le code généré par l’IA, impact de l’IA sur le respect des normes de qualité, compréhension de notre position face à l’IA, défis rencontrés, préoccupations, victoires et plus encore. Cette photo a déclenché une première vague d'initiatives. Six mois plus tard, on a refait l'exercice, et la comparaison des deux portraits confirme ce qu'on sentait sur le terrain : on n'est plus dans une démarche d'adoption. On est rendus à un tout autre stade de maturité IA.

Et ce stade vient avec des enjeux complètement différents. Outiller et former des individus, c'était le défi des deux dernières années. Faire évoluer un collectif, c'en est un autre : repenser les rituels d'équipe, revoir l'organisation du travail, standardiser des pratiques qui se sont bâties en silo. C'est le chapitre qu'on est en train d'écrire.

Le chemin des deux dernières années n'a pas été linéaire. Il y a eu des résistances, des faux départs, des outils abandonnés. Mais chaque étape nous permet d’avancer, et c’est pour ça qu’on peut aujourd’hui accompagner nos clients sur le même chemin.

Les six niveaux de maturité IA en développement logiciel : où en êtes-vous?

Dan Shapiro, entrepreneur technologique, a proposé l'un des premiers cadres pour situer une équipe sur l'échelle de l'autonomie de l'IA. Son échelle a beaucoup circulé, et c'est elle qui a nourri nos premières réflexions. Mais en l'appliquant à nos équipes et à celles de nos clients, on a vite senti qu'il manquait des repères concrets : qui est imputable à chaque niveau? Qu'est-ce qu'on délègue exactement : un extrait de code, une tâche, une story, une intention produit? Qu'est-ce que l'humain valide encore? On a donc développé notre propre échelle de maturité, inspirée de la sienne, mais ancrée dans ce qu'on observe sur le terrain.

Elle raconte aussi une transition plus large : celle du cycle de développement logiciel (SDLC) classique vers un SDLC augmenté par l'IA, puis vers l'ADLC ou l’Agentic Development Lifecycle, où le cycle de développement se réorganise autour des agents. Et une constante traverse les six niveaux : l'imputabilité reste humaine.

Niveau 0 : L'IA conversationnelle

L'IA générative produit des bouts de code isolés, sans accès au projet. Le développeur ou la développeuse formule ses requêtes dans une interface de clavardage, évalue le résultat et le transpose à la main. Le SDLC reste inchangé : l'IA est hors du flux de travail.

Niveau 1 : L'assistant IA

L'IA est intégrée aux outils de programmation. Elle complète, suggère, refactorise localement et génère des tests unitaires, avec un contexte limité au fichier ouvert. Le développeur ou la développeuse lui délègue des tâches simples, reste dans la boucle à chaque étape et relit chaque ligne de code.

Niveau 2 : Le contexte élargi

L'IA comprend le repo au complet : elle modifie plusieurs fichiers et livre une fonctionnalité, des tests, une PR, mais n'agit que sur demande. Le développeur ou la développeuse travaille en flux continu et délègue des tâches complexes. La revue devient plus lourde que l'écriture et elle demeure 100% humaine. C'est ici que plafonnent la plupart des équipes.

Niveau 3 : La gestion d'agents IA

L’équipe de développement n'écrit plus de code. L'équipe produit (dev, design, PO) découpe le travail et rédige des specs exploitables par un agent ; le développeur ou la développeuse supervise plusieurs agents en parallèle et veille au respect des bonnes pratiques d'ingénierie. C'est l'entrée dans l'ADLC : les rituels, la définition de «prêt» et les critères d'acceptation sont réécrits pour être lisibles par une machine. Le goulot d'étranglement n'est plus le temps de développement, mais la rédaction des requis et la validation du travail livré.

Niveau 4 : L'orchestration collective

L'équipe ne pilote plus les agents un à un : elle bâtit, observe et améliore le système qui leur permet de livrer de façon autonome. Le ticket devient l'interface : une story passe en «prêt», un agent la prend, code, teste et déploie derrière un feature flag. Le développeur ou la développeuse gère les exceptions et n'intervient que si un garde-fou clignote. La confiance repose sur les tests, les garde-fous et les résultats mesurés.

Niveau 5 : La pleine autonomie

Aucun humain n'écrit ni ne revoit le code. L'IA s'auto-corrige, s'auto-améliore et décide de ses priorités techniques à partir des signaux de production. L'humain fixe l'intention et les contraintes (budget, risque, conformité) et devient propriétaire du résultat plutôt qu'opérateur. C'est la logique de la dark factory, comme chez StrongDM, où une équipe de trois ingénieurs livre du Rust et du Go en production sans jamais lire une ligne de code générée.

À noter : Monter dans l'échelle n'est pas un objectif en soi. Le bon niveau est celui qui vous permet d'aller plus vite tout en livrant de la valeur, dans le contexte de votre organisation et de vos projets. Sécurité, performance, évolutivité, architecture et qualité restent les fondations solides qui permettent de donner plus d’autonomie à l’IA. De plus, le développement assisté par l’IA évolue rapidement : cette échelle reflète notre vision actuelle et est vouée à se transformer.

Ce qu'on retient de plus de deux ans d’expérimentation et d’adoption de l’IA

1. La courbe J est réelle, et elle est sous-estimée

Une étude de METR (2025) a montré que des développeurs et développeuses expérimenté⋅es utilisant des outils d’IA prenaient 19% plus de temps qu'avant, alors qu'ils estimaient aller 24% plus vite.

En février 2026, METR a publié une mise à jour qui nuance les chiffres mais réitère la conclusion. Le problème n'est pas l'outil, mais le workflow qui n'a pas changé autour de lui. Les équipes qui voient des gains ont redessiné leur façon de travailler, pas juste ajouté un plugin.

Le rapport DORA sur le ROI de l'IA confirme le phénomène à l'échelle de l'industrie : la plupart des organisations traversent une courbe en J, soit une baisse temporaire de productivité associée au coût d’apprentissage de la transformation. Le piège le plus fréquent? Des dirigeants qui lisent ce creux comme un échec et coupent le financement au pire moment. Les organisations qui réussissent le budgètent dès le départ.

2. Le goulot d'étranglement se déplace vers la spécification

Plus l'IA prend en charge l'exécution, plus la valeur se concentre sur la capacité à définir clairement ce qui doit être construit. Une spécification ambiguë produit un logiciel ambigu.

Le rapport DORA sur le ROI de l'IA donne un nom à cette compétence : le context engineering, soit l'art de fournir à l'agent un contexte d'affaires et technique précis. Sa feuille de route d'investissement suit d'ailleurs cet ordre : d'abord la couche de contexte, c'est-à-dire une documentation de haute fidélité, lisible par la machine, et des données internes accessibles à l'IA; ensuite la formation des humains à la spécification et à la vérification, pour qu'ils agissent en orchestrateurs plutôt qu'en exécutants.

À l'ère agentique, le vieux garbage in, garbage out s'applique désormais au contexte qu'on donne à l'agent. C'est une compétence à développer, et la plupart des équipes ne la pratiquent pas encore de manière intentionnelle.

3. Passer du niveau 2 au niveau 3 est le vrai saut

Lire toutes les lignes de code générées par l’IA est rassurant, mais c'est aussi ce qui empêche de passer à la vitesse supérieure. Le saut mental entre tout revoir et revoir seulement les résultats est plus grand que le saut technique. Le rapport DORA donne un nom à ce plafond : la taxe de vérification. Tant que la confiance est basse, chaque ligne générée est relue et re-relue, et les gains s'évaporent. Et ce saut ne se fait pas seul.

Jusqu'au niveau 2, l'IA reste une pratique individuelle : chaque membre de l’équipe bâtit ses réflexes et sa façon de travailler dans son coin. On peut se partager nos bons coups et apprentissages, mais chaque personne continue de travailler à sa façon. Au niveau 3, c'est l'équipe entière qui change de posture. Les rituels, la définition de «prêt» et les critères d'acceptation sont réécrits pour être exploitables par des agents, et l'imputabilité passe du développeur seul au système que l'équipe met en place et surveille.

DORA le rappelle : sans cette transformation collective, l'IA ne crée que des gains de productivité localisés. Ce qui permet de lâcher la revue ligne par ligne, ce n'est donc pas un acte de foi : ce sont des garde-fous automatisés (tests et gates de qualité non optionnels) qu'on choisit et qu'on entretient ensemble. Comme les freins d'une voiture de course : c'est parce qu'ils sont fiables qu'on peut aller vite.

4. Les gains économiques sont réels, mais inégalement distribués

Le paradoxe est bien documenté à l'échelle du marché. Les travaux de Stanford sur la productivité en génie logiciel, menés auprès de dizaines de milliers de développeurs et développeuses et repris dans le rapport DORA sur le ROI de l'IA, chiffrent le phénomène : des gains de 35 à 40% sur des tâches simples en greenfield, mais souvent 10% ou moins sur du code legacy complexe.

On l'observe directement dans nos projets. Sur un nouveau projet d’application mobile avec des fonctionnalités plutôt simples, l’un de nos développeurs a livré le produit quatre fois plus rapidement que ce qui avait été prévu au départ, le tout grâce à l’IA. À l'inverse, il reste des contextes où le gain de temps est moins impressionnant, notamment pour des systèmes complexes avec du code legacy.

5. Le niveau 5 n'est pas la destination pour tout le monde … et c'est correct comme ça

Le niveau 5 peut fonctionner pour des périmètres bien définis, en greenfield, avec peu de contraintes réglementaires. Pour un logiciel enterprise-grade, la supervision humaine relève de la responsabilité légale, de la conformité et de la gouvernance. L'objectif n'est pas d'atteindre le niveau 5 à tout prix. C'est progresser pour aller chercher des gains, en sachant exactement ce qu'on délègue et pourquoi.

Chez Nexapp, avec l’un de nos clients, on s’est permis d’ajouter un niveau 4.5, où l’on parle plutôt de lit factory : comme l’humain reste dans la boucle, les lumières ne sont jamais éteintes.

Où en est votre équipe?

Chez Nexapp, ce parcours nous a pris deux ans. On est partis d'une exploration libre, on a structuré avec un comité IA et on est maintenant rendus à 100% d'adoption, avec le niveau 2 comme seuil minimal pour toutes nos équipes et des projets qui visent déjà le niveau 4.

De votre côté, la question n'est probablement plus de savoir si vos équipes vont utiliser l'IA : presque tout le monde répond oui à cette question. Reste à savoir à quel niveau votre équipe opère réellement et où vous voulez être dans 12 mois.

Passer du niveau 1 au niveau 3 ne demande pas un budget extraordinaire. Ça demande de regarder honnêtement comment vous travaillez en ce moment, de décider jusqu'où vous voulez aller, puis de vous faire accompagner en partant d’où vous en êtes.

On a fait ce chemin avec nos propres équipes avant de l'offrir à nos clients. Si vous voulez situer la vôtre, parlons-en.

Pour aller plus loin

• Apprenez-en plus sur notre sprint d’adoption de l’IA
• Apprenez-en plus sur Axify pour mesurer l’impact de l’IA sur votre livraison
• Découvrez nos articles de blogue sur l’IA en développement logiciel
• L'IA et les tests : maîtrisez les bases avant de déléguer
• Le défi persistant des systèmes legacy face à l'innovation
• Comment les ADR nous ont aidés (ainsi que nos agents IA) à transformer le chaos en architecture collective
• L'IA n'apprend pas : comment construire sa mémoire pour en tirer le meilleur
• Voyez comment nos développeurs et développeuses utilisent l’IA au quotidien
• L'IA, mon copilote au quotidien : accélérer le développement sans compromis
• L'IA n'est pas qu'un outil, c'est votre nouveau coéquipier : de l'influence sociale à la transparence
• Apprenez-en plus sur l’impact de l’IA sur votre cycle de développement logiciel
• L'IA dans le développement logiciel : quel impact sur votre SDLC?
• L’IA en développement logiciel : amplificateur de performance ou accélérateur de chaos?