AI-DLC : comment l'IA transforme le cycle de développement logiciel

Ce constat fait désormais consensus : le code est devenu une commodité et sa production ne coûte quasiment plus rien en temps et en argent. Pour autant, les entreprises peinent encore à atteindre l’accélération tant promise. L’explication en est simple : le cycle de développement logiciel (SDLC) et tous ses rituels ont été conçus pour compenser la “rareté” du code, et n’ont plus de sens dans un monde où il est abondant. Dans cet article, Olivier Bergeret, Tech Advisor & Engineering Director chez Thiga, explique pourquoi le SDLC doit être rebâti et ce que propose l'AI-DLC publié par AWS.

Le 26 août 2026, le PDG de NVIDIA Jensen Huang annonce “AI has reached its inflection point. It’s doing useful work. Its tokens are productive and profitable“. S’il y a une chose dont je suis sûr, c’est que s’il est un domaine où l’IA est utile, les tokens productifs et au global extrêmement profitables, c’est celui du développement logiciel et de notre cher cycle du développement logiciel (SDLC).

L’IA accélère le code… Mais rien d’autre

Il y a un an, l’enquête DORA mesurait 90 % d'adoption et deux heures d'usage par jour chez les équipes digitales. Mais, surprise, si les développeurs se pensaient 20 % plus rapides, un essai contrôlé de METR révélait qu’ils mettaient en réalité 19 % de temps en plus (oui, vous avez bien lu) pour boucler une tâche. Bref, l’adoption était là, mais les bénéfices discutables.

Un an plus tard, les choses apparaissent totalement différentes. Faros AI (éditeur de solution) publie avril 2026 deux ans de relevés sur 22 000 développeurs répartis en 4000 équipes. Les résultats indiquent que chaque développeur livre 66 % d'epics et 34 % de tâches en plus. Evidemment cela venant avec une contrepartie documentée par l’étude : les bugs par développeur qui augmentent de 54 %, le temps de revue médian est multiplié par cinq, et 31 % de pull requests supplémentaires sont mergés sans qu'aucun humain les ait relues.

Un point en partie confirmé par Harness en février 2026, avec une étude auprès de 700 responsables ingénierie en Europe, aux États-Unis et en Inde. Elle conclut que le code a accéléré tandis que les systèmes de test et de sécurité n'ont pas bougé, impliquant une augmentation du travail manuel en aval et de l'instabilité au déploiement.

Au final, on pouvait en déduire que l'IA avait accéléré la fabrication… Mais pas le cycle Produit qui l'entoure.

Le même constat revient partout : si l'outil a changé, ce n’est pas le cas du cycle, et cela explique ces avis mitigés du début de l’année 2026. Le cycle de développement logiciel (SDLC) que nous connaissons a été dessiné pour des processus lents et des humains présents en nombre. Le sprint de deux semaines, le backlog, l'estimation en points, la revue en fin de chaîne : autant de rituels qui existent parce que la coordination humaine coûtait cher et que produire du code prenait du temps.

Ces deux prémisses viennent de tomber avec l’IA. Le code est abondant, sa production quasi instantané, et son coût marginal tend vers zéro. Ce qui coûte cher désormais, c'est de décider quoi construire, puis de vérifier ce qui a été produit. Le centre de gravité s'est déplacé aux deux extrémités du cycle, et le milieu - là où nous avons mis tous nos outils - s'est vidé.

Il serait illusoire de penser qu’il est possible d’adapter par petites touches un cycle bâti sur des contraintes qui n’existent plus. Le SDLC doit être rebâti - en tout cas, si l’on veut vraiment exploiter les bénéfices de l’IA.

C'est ce que cherchent plusieurs approches apparues depuis un an, comme l'emphase sur le spec-driven development de GitHub ou d'Amazon ou le développement agentique que Forrester a érigé en catégorie à part entière.

La plus aboutie méthodologiquement est l'AI-DLC, présentée par Amazon Web Services et proposée sous forme d’extension open-sourcée pour les principaux harnais. J'y ai évidemment été très sensible, après une dizaine d'années chez AWS. Mais ce qui m’a convaincu, ce sont les réponses aux problématiques que je retrouve chez les clients que j'accompagne pour Thiga.

L'AI-DLC

Le cycle de l’AI-DLC d’Amazon tient en trois phases, toutes menées en mob. Le mob, c'est l'équipe entière réunie au même moment sur le même sujet, plutôt qu'un travail découpé et réparti en parallèle. C'est ce qui permet de valider les propositions de l'IA en continu, au lieu de les découvrir en fin de chaîne.

Rentrons dans le détail de ces trois phases :

• Inception : l’IA traduit l'intention métier en exigences détaillées, en stories et en unités de travail. L'équipe valide ses questions et ses propositions au fil de l'eau.
• Construction : forte du contexte validé en amont, l'IA propose une architecture logique, des modèles de domaine, du code et des tests. L'équipe tranche les choix techniques en temps réel.
• Operations : le contexte accumulé sert à piloter l’infrastructure as code (la configuration des serveurs et des environnements, écrite et versionnée comme du code) et les déploiements, sous supervision de l'équipe.

Le sprint de deux semaines devient un bolt de quelques heures. Et les résultats sortent du registre marketing : dans sa lettre aux actionnaires 2025, Andy Jassy raconte que six ingénieurs ont reconstruit le moteur d'inférence d'Amazon Bedrock en 76 jours. L'estimation initiale était de 40 ingénieurs pendant un an ! Le moteur, baptisé Mantle, tourne en production et porte aujourd'hui la montée en charge de Bedrock. Six personnes, là où en prévoyait quarante : la manière de composer les équipes a radicalement changé.

L’émergence de la micro-squad

AWS appelle ses équipes AI Pods et les dimensionnent à deux ou trois développeurs, contre sept dans une équipe Scrum classique. Pour ma part je nomme cette nouvelle forme d’équipe micro-squad. Une poignée de 2 à 3 personnes, diverses, pertinentes sur les thématiques essentielles du SDLC - le Produit, la Tech, le Design, la qualité - qui portent l'intention jusqu'à la production.

Je parle ici de personnes car les frontières entre les intitulés de poste classique s’effacent déjà. Figma mesure dans son AI and Design 2026 que les designers qui codent sont passés de 21 % à 41 % en un an, et les développeurs qui designent de 44 % à 60 %.

Maintenant de quels types de développements parle-t-on ? Les travaux de Stanford, actualisés début 2026 sur environ 120 000 développeurs et plus de 600 entreprises, excluent le brownfield (les applications existantes) des gains substantiels, aussi on aurait vite fait de penser que le modèle ne fonctionne que sur du greenfield.

En réalité, je vois déjà autre chose chez mes clients. L'évolution des harnais et des modèles, les progrès du spec-driven development et du closed-loop programming nous projettent vers un impact majeur sur le brownfield aussi. Ainsi, il ne faut pas considérer le legacy comme le dernier terrain à défricher, car c’est sans doute là que les gains seront les plus substantiels.

Pour en revenir aux propos de Jensen Huang, le patron de NVIDIA a raison : les tokens sont productifs et rentables…Chez lui. Chez vous, cela va dépendre entièrement de ce que vous changerez autour.

Sources

• Nvidia, résultats du T2 de l'exercice 2027, 26 août 2026.
• DORA / Google Cloud, State of AI-assisted Software Development, septembre 2025.
• Bain & Company, Technology Report 2025, septembre 2025.
• METR, essai contrôlé randomisé, juillet 2025.
• Faros AI, AI Engineering Report 2026 — The Acceleration Whiplash, avril 2026.
• Harness, State of Software Delivery, mars 2026. Enquête Coleman Parkes, février 2026, 700 praticiens et managers. Étude commanditée par Harness.
• Figma, AI and Design 2026.
• AWS, AI-Driven Development Lifecycle for Financial Services, AWS for Industries, 26 mai 2026, citant la lettre aux actionnaires 2025 d'Andy Jassy. Cas Wipro présenté par Sandhya Arun, CTO, à AWS DevSphere Bengaluru en août 2025, repris à re:Invent 2025 (session DVT214).
• Stanford Graduate School of Business, programme de recherche sur la productivité en ingénierie logicielle, Yegor Denisov-Blanch. Résultats actualisés début 2026.
• Workflow AI-DLC open source : github.com/awslabs/aidlc-workflows.