L’intelligence artificielle générative : la ruée vers l’or ? 

Au sein de la stratégie VISION 2030 du Groupe BPCE, un plan d’action a été établi à l’horizon 2026, incluant un axe dédié à l’Intelligence Artificielle (IA) afin d’améliorer la performance et la simplicité pour le bénéfice de nos clients et de nos collaborateurs, tout en respectant des principes éthiques et responsables. Dans le cadre du premier axe « IA pour tous », les collaborateurs de BPCE SI utilisent d’ores et déjà activement MAiA, le portail interne d’IA générative du Groupe. À ce jour, plus de 2 700 utilisateurs uniques de BPCE SI ont recours à MAiA avec un taux d’adoption de 82%. De plus, le deuxième axe stratégique, nommé « IA Transformante », a été lancé par le groupe et comprend un volet spécifique sur « l’IA pour les métiers de l’IT » au sein des DSI. Depuis plus d’un an, nous avons engagé dans ce cadre, le chantier « IA4DEV » pour intégrer l’IA #générative dans notre approche du développement logiciel.

IA4DEV : accroître l’efficacité des développeurs 

Le chantier IA4DEV est dédié à la création et au déploiement de cas d’usage d’IA générative pour optimiser le développement applicatif ou sa maintenance, comme annoncé lors du lancement de ce chantier il y a un anIA Générative : cas d’utilisation de l’IA for Dev. L’objectif principal est d’augmenter la productivité de nos développeurs en automatisant des tâches répétitives, en améliorant la qualité du code, en diminuant le nombre d’incidents et en mettant l’IA dans notre cycle projet (exigences fonctionnelles, testing, retro doc…).

En effet, grâce à des outils du marché tels que Continue, qui accompagnent nos développeurs, nous avons déjà constaté un impact positif en gain de temps chez nos développeurs utilisant ces outils pour nos deux premiers use case de génération du code ou de réalisation des tests unitaires. Les retours d’expérience sont encourageants, avec plus de 90 % de nos utilisateurs exprimant le souhait de continuer à utiliser ces outils, tout en notant leur besoin d’un accompagnement pour optimiser l’adoption de ces nouvelles pratiques.

Trouver le bon filon… ou continuer à chercher 🥴 

Comme souvent avec les nouvelles technologies, l’enthousiasme suscité par les promesses de gains de productivité et d’amélioration de la qualité du code a parfois été alimenté par une communication quelque peu démesurée des vendeurs de solution : la réalité sur le terrain se révèle plus nuancée.

Nous sommes loin encore des annonces initiales que certains cabinets qui ont fait le buzz sur ce sujet des mois durant. Certains cas d’usage montrent des résultats positifs, d’autres Proof of Concept (POC) ont mis en lumière des défis significatifs et des résultats parfois décevants comme l’usage de l’IA pour gérer l’obsolescence des langages. D’une façon générale d’ailleurs, l’efficacité des outils comme Continue ou autres varient considérablement selon le langage de programmation et la complexité des tâches, nécessitant souvent une supervision humaine pour garantir la qualité et la sécurité du code généré notamment. Les questions de sécurité et de souveraineté sont également au cœur des préoccupations lors des décisions de mise en œuvre, et certaines solutions “cloud public” présentent des failles significatives de sécurité.

Devant tous ces constats, nous avons adopté une approche de « Test & Learn ». Cette stratégie nous permet de tester des solutions en conditions réelles avant de les généraliser. Plusieurs POC ont été lancés pour évaluer l’efficacité des outils d’IAG dans des cas d’usage spécifiques, notamment la migration de code. Ces essais nous ont permis d’accumuler des retours d’expérience précieux, ainsi que de comprendre que chaque outil doit être soigneusement évalué dans son contexte d’utilisation.

 Exemple de cas d’usage :

Parmi les cas d’usage relativement matures, on trouve la génération automatique de code, qui permet de réduire le temps de développement, ainsi que la génération de tests unitaires visant à renforcer la qualité du produit final. On travaille aussi à la correction de code et à la rétro-documentation, facilitant ainsi la compréhension et la maintenance des applications. Ainsi, des outils comme le plugin Continue pour Visual Studio Code sont intégrés pour optimiser les pratiques de l’ensemble des développeurs toutes technologies confondues. Sur le front des migrations de code, des solutions assistées par IA sont explorées pour des transitions telles que le passage d’Angular JS vers Angular, ou encore pour les montées de version JDK, avec une évaluation des outils en partenariat avec des experts comme Epitech, avec des résultats décevants à date, limitant leur utilisation à un simple “assistant de migration”. Enfin, nous initions ces capacités pour aider les Product Owners, Business Analysts et Testeurs fonctionnels, en les aidant à rédiger des exigences fonctionnelles et à concevoir des cas de tests.

L’enjeu de la mesure

Le lien avec la mesure de notre activité est cependant clé. Au-delà de l’expérience collaborateur qui s’améliore, la capacité de l’IT à mesurer effectivement les gains est particulièrement challengée. On entend souvent des discours passant directement des gains annoncés……à un budget in fine constant, actant, ou affirmant haut et fort, que les gains sont “de facto réinvestis”. Un peu trop facile……En réalité, il est plus exigeant et difficile de prouver les gains en évaluant effectivement la performance d’une solution tech en s’appuyant sur des indicateurs d’activité tangibles, et en parallèle de justifier qu’on délivre effectivement la même valeur pour les métiers. Dans notre cas, on essaie avec la méthode historique des points de fonction. Cette approche, qui permet d’analyser la productivité des développements par une analyse de la “richesse IT” d’un logiciel est certes discutable ou perfectible, mais a le mérite d’exister, normalisée, dans un marché très peu disert sur le sujet.
Mais dites-moi, dans votre expérience, comment mesurez-vous réellement vos progrès grâce à l’IAG pour les développeurs ? Quelles pratiques innovantes adoptez-vous pour quantifier vos résultats et optimiser vos performances ? Nous sommes très attentifs à vos expériences et vos idées. Ce sujet nous passionne et on vous racontera notre stratégie prochainement…😇

Défis à surmonter et perspectives d’avenir 

La transformation que nous envisageons peut apparaître prometteuse, mais elle ne va pas sans défis. Il y a d’abord un “mirage” de l’”IA ready”. Dans beaucoup de use case, il faut un temps de préparation technologique significatif, d’adaptation à l’existant, avant de pouvoir offrir un service de qualité aux collaborateurs.

Il y a ensuite les enjeux cruciaux liés à la sécurité des données, à la souveraineté numérique et aux réglementations en vigueur. Avec la génération de code et l’automatisation des processus, dans une logique où les éditeurs n’offrent principalement ces capacités qu’hébergées sur des infrastructures propriétaires, souvent en dehors de l’Europe, certaines données sensibles ou importantes des entreprises peuvent être exposées à des risques, notamment en cas de fuites ou de piratage. La souveraineté des données devient de facto une préoccupation majeure. Les DSI doivent donc veiller à choisir des solutions conformes aux réglementations locales, comme le Règlement Général sur la Protection des Données (RGPD) en Europe, ou imposer des conditions strictes sur le traitement et l’hébergement des données. Ce cadre réglementaire n’est pas seulement une obligation légale, mais également un impératif éthique pour assurer la confiance des utilisateurs. Ainsi, pour tirer pleinement parti des capacités de l’IA tout en préservant la sécurité et la conformité, les DSI doivent adopter une approche proactive et responsable, intégrant des pratiques de gouvernance des données et de cybersécurité dès la conception de leurs outils de développement. Les premières expériences avec certains outils comme sont décevantes et révèlent des failles de sécurité significatives qu’il faut traiter, amenant parfois à en abandonner certains. Soyez vigilants !

Ensuite, nous sommes convaincus que ces technologies nécessitent de l’accompagnement au changement, et la formation continue de nos équipes est ainsi cruciale pour maximiser l’impact de ces technologies émergentes. C’est pourquoi nous organisons des sessions de formation et des ateliers pour sensibiliser nos développeurs aux enjeux de l’Intelligence Artificielle Générative (IAG). Dans un contexte aussi évolutif, nous mettons à disposition de nos équipes, le Laboratoire d’expérimentation Digitale (LED), qui leur permet d’expérimenter les nouvelles opportunités avant de les intégrer au fonctionnement de l’entreprise C’est aussi en cultivant un environnement innovant et collaboratif qu’on maximise notre utilisation de l’IA. Ainsi, nous respectons notre raison d’être de vouloir être une boite tech de référence.

Nous sommes in fine résolument réalistes et optimistes, sans être finalement surpris que la réalité du terrain puisse parfois marquer le pas par rapport aux attentes initiales. La tech nous a habitué à vendre “trop vite trop fort” 🙄. Dans cette quête d’innovation, une question se pose cependant : Sommes-nous finalement sur un sujet technologique ou sur un sujet de changement de métier plus profond ? Après le buzz et l’engouement, la bulle pourrait tout simplement se dégonfler, laissant place à une réalité où l’IA ne serait qu’un outil complémentaire, sans transformer fondamentalement notre approche du métier. Bien malin celui qui peut répondre à cette question….on vous la soumet, et en tout cas ça nous rappelle l’importance de rester ancré dans la réalité tout en poursuivant nos ambitions technologiques.