Le CTO affirme que l’IA provoque de grands problèmes de stabilité

David Ting est le CTO de Bespin Global et intègre l’IA dans les workflows depuis plus de dix ans. Mais il affirme que tout a changé au cours de la dernière année.

Nous nous sommes entretenus avec David pour discuter des avancées qu’il constate. Il précise que ce ne sont pas que des gains — la stabilité pose encore problème.

Établir une stratégie de transformation par l’IA

Réflexions de David

L’innovation s’est encore accélérée au cours de l’année écoulée.

Je m’implique activement avec l’IA depuis plus de dix ans. C’est un environnement en perpétuelle évolution, et l’innovation s’est encore accélérée au cours de l’année écoulée.

Je suis actuellement le CTO de Bespin Global, où je mets en place la stratégie de transformation par l’IA, en passant par la rationalisation des opérations et l’incubation de nouveaux produits et services. Nous sommes spécialisés dans la revente cloud et le conseil, et nous comptons 1 000 employés dans le monde.

J’ai également lancé et incubé deux produits d’IA en interne — un outil d’IA pour la fabrication et un outil d’IA pour la sécurité.

Je consacre au moins 50 % de mon temps quotidien au codage et à l’automatisation de mon travail et de ma vie. Cela me permet de rester à jour sur les dernières avancées techniques. D’ailleurs, j’ai écrit plus de 200 000 lignes de code avec l’aide de l’IA le mois dernier.

Pourquoi Claude Code devrait être imposé

Nous avons des centaines de développeurs, et tous utilisent Claude Code.

Nous avons surveillé de façon proactive la vélocité et constaté que la productivité des développeurs peut augmenter de plus de 10 fois. Personnellement, j’ai observé que 10x n’est pas la limite.

Nous continuons à utiliser les équipes de développement et de QA traditionnelles, avec une chaîne de production standard basée sur les spécifications. Le changement réside dans les outils.

Même l’équipe QA écrit davantage de tests à l’aide de l’IA — principalement des tests Playwright et des tests unitaires supplémentaires.

L’équipe de développement utilise également d’autres outils. Personnellement, j’utilise des solutions open-source pour la plupart des besoins. J’utilise aussi OpenAI, Codex, Anthropic API et Claude. J’utilise toutes ces solutions simultanément via de multiples fenêtres terminal.

Comment l’IA optimise les workflows d’ingénierie de bout en bout

Nous rédigeons les spécifications produit avec l’IA, réalisons des revues d’architecture avec l’IA et écrivons le code avec l’IA.

Pour cela, il faut commencer par une spécification de conception très détaillée. Vos développeurs IA vont la développer, l’enrichir et examiner le design (en détectant les failles). Ensuite, un agent travaille et réalise chaque action à effectuer.

Une fois l’implémentation terminée, il faut une validation humaine pour s’assurer que le logiciel fonctionne comme prévu. Branchez des outils d’observabilité sur la pile de code pour surveiller les logs et les métriques de performance, et laissez l’IA intervenir pour optimiser ou corriger les bugs de façon ciblée.

En procédant ainsi, vous verrez qu’un développeur peut rapidement accomplir le travail de 20 à 60 développeurs. L’aspect final du produit requiert toujours l’expertise humaine, mais l’IA fait l’essentiel du développement.

Pourquoi l’IA fait passer l’accent de la qualité du code à la production

Je garde la qualité du code comme un indicateur que je surveille, mais l’IA m’a fait me concentrer sur le nombre de cas d’usage implémentés et le volume de lignes de code générées.

La raison est simple : l’IA augmente considérablement la production. Les cycles d’itération sont donc extrêmement rapides.

On ne refactore pas. On laisse les résultats décider de la répartition du temps et des efforts.

Pourquoi les experts humains restent indispensables dans les workflows d’ingénierie

Ainsi, la quasi-totalité de nos activités est influencée par l’IA. Elle s’est énormément améliorée au cours des six derniers mois seulement, mais les experts humains demeurent essentiels pour guider le développement. Ils garantissent que le code fonctionne correctement et que le design UX soit soigné.

L’IA hallucine énormément. Cela génère des bugs profonds. Il faut quelqu’un qui maîtrise parfaitement les meilleures pratiques d’architecture pour les repérer.

C’est pour cette raison que nous tendons vers des équipes plus petites composées d’experts de classe mondiale. La force d’une équipe ne dépend plus de sa taille.

Pourquoi l’IA crée plus de travail pour le personnel d’astreinte

L’intégration de l’IA a évidemment permis de réaliser des économies. Notre chaîne de montage numérique, basée sur une IA agentique, a réduit les besoins en personnel de 75% tout en augmentant la vitesse de livraison.

Cette année, j’expérimente également l’automatisation de certains rôles dans l’entreprise grâce à une équipe d’agents, et les résultats sont encourageants.

Mais ces gains ne représentent pas toute l’histoire.

La qualité varie fortement parce que le codage est désormais non déterministe. Un même prompt donne des résultats différents, ce qui peut être frustrant.

Éviter qu’un bug ne passe en production demande beaucoup de vigilance — il faut construire les prompts avec soin et bien tester le code produit.

Pour ces raisons, les gens travaillent plus que jamais — notamment le personnel d’astreinte.

Comment l’IA affecte la disponibilité en production

Nous avons ajouté une surveillance approfondie et des garde-fous. L’API Claude est instable en production, alors nous l’avons complétée par des modèles open source comme Qwen.

La disponibilité en production est un autre enjeu. Notre application a connu une grave dégradation de la qualité pendant les heures de pointe.

Nous prévoyons de faire tourner ces applications sur des LLM auto-hébergés comme mécanisme de secours.

Les réflexions de David

La disponibilité en production est un autre enjeu. Notre application a connu une grave dégradation de la qualité pendant les heures de pointe.

Pourquoi le codage pratique est plus efficace que la formation lors du déploiement de l’IA

Lorsque j’ai mis en œuvre ces changements, les gens ont demandé à suivre une formation avant d’utiliser les outils.

J’aurais dû imposer l’intégration de l’IA dans leur code dès le début. À la place, ils ont suivi de nombreuses formations et cours.

L’IA évolue si rapidement que le contenu pédagogique devient obsolète chaque semaine. La seule façon d'apprendre, c’est de pratiquer.

Pourquoi ajouter des développeurs alourdit le projet

Les CTO devraient repenser l’organisation de leurs équipes. Désormais, une équipe de taille réduite avance au maximum de sa vitesse.

La productivité dépend de deux facteurs :

1. La qualité de la définition des tâches à destination de l’IA
2. La qualité de la validation et de la correction du travail produit par l’IA

Gardez les personnes qui savent travailler efficacement avec l’IA. Ajouter des collaborateurs à un projet revient à faire grimper les coûts cachés.

Pourquoi les CTO devraient partir du principe que l’IA échouera

Voici mon conseil : soyez aussi agressif que possible dans l’adoption, mais validez rigoureusement.

Vous trouverez des succès partout, mais vous connaîtrez des échecs si vous manquez de validation et de structures de gouvernance appropriées.

Les CTO devraient consacrer une part importante de leur temps à la mise en place de ces structures — et à l'intégration de nombreux dispositifs de sécurité.

Supposez que l’IA échouera.

Suivez-nous

Vous pouvez suivre le travail de David Ting sur LinkedIn.

D’autres interviews d’experts à venir sur The CTO Club !