L’intelligence artificielle générative s’est invitée au cœur des équipes de développement. Les assistants de code sont devenus omniprésents. Derrière le gain de vélocité, une réalité se confirme : l’IA crée autant d’opportunités que de charges nouvelles. Une révolution ? Oui. Mais une révolution asymétrique, qui redistribue les responsabilités et déplace le centre de gravité vers le rôle de Tech Lead.
Autrement dit, si l’IA change le travail du développeur, elle bouleverse aussi l’équilibre de toute l’usine logicielle.
Geoffrey Graveaud, coach DevEx, Accelerate & Craft chez Inside, et Arthur Magne, cofondateur de l’éditeur Packmind, observent chaque jour les effets de cette transition : évolution des compétences, nouvelles attentes autour de la DevEx, explosion des besoins de revue de code, et un impératif commun : reprendre le contrôle du contexte.
Dans cette interview croisée, ils reviennent avec leur vision terrain sur ce qui change réellement dans les pratiques de développement, sur l’évolution du rôle du Tech Lead et sur les leviers pour s’adapter à la nouvelle donne IA.
Avec les assistants IA et la génération de code, qu’est-ce qui a réellement changé dans le travail quotidien des développeurs ces 24 derniers mois ?
Arthur Magne
Au fil des échanges avec les Tech Leads et les équipes, le changement le plus visible concerne la posture du développeur. Produire du code n’a jamais été l’objectif final, mais le métier était souvent perçu ainsi. Avec l’IA, cette vision devient obsolète : la machine sait générer du code pour nous, et très vite. Le développeur doit maintenant diriger une intention claire, orienter l’IA et garder du recul sur la chaîne complète. Ecrire du code sans compréhension du contexte ne suffit plus.
Cette évolution recompose aussi les rôles. Certaines étapes intermédiaires entre la conception, la MOE et le développement se resserrent. Les développeurs se retrouvent plus proches du métier, parce que la valeur se joue davantage dans la compréhension du besoin que dans la frappe au clavier.
Ce que nous voyons également sur le terrain, c’est un décalage entre profils. Les développeurs “medium” qui n’ont pas pris la vague IA à temps se retrouvent parfois en difficulté, alors que des juniors “IA natives”, capables d’utiliser les outils sans frein culturel, prennent de l’avance. Ils ne maîtrisent pas toujours les bases théoriques d’un compilateur ou d’un langage, mais ils savent exploiter l’IA efficacement. Leur capacité à se vendre repose justement sur cette aisance : ils arrivent directement avec une nouvelle manière de travailler.
Geoffrey Graveaud
Ma lecture complète celle d’Arthur. Les seniors qui s’approprient l’IA deviennent également extrêmement recherchés. Beaucoup d’entreprises préfèrent investir sur un profil expérimenté capable de livrer en quelques jours ce qu’un junior ne pourra pas produire dans les mêmes conditions. Leur productivité explose dès qu’ils comprennent comment travailler avec l’IA.
De mon point de vue, le sujet n’est pas tant la jeunesse ou l’expérience : ce sont les formations. Elles préparent encore trop souvent à écrire du code, sans donner de recul sur les tests ou la qualité. Or l’IA reproduit les mêmes erreurs qu’un humain, mais avec un volume et une vitesse démultipliés. Les problèmes classiques ne disparaissent pas, ils arrivent simplement dix fois plus vite et en dix fois plus de quantité.
C’est pour cela que les bonnes pratiques Craftsmanship, l’attention au contexte et les réflexes de conception deviennent essentiels. Cette approche shift left des bonnes pratiques est d’ailleurs un des atouts, selon moi, qu’apporte Packmind. Elle permet d’apporter les bons repères le plus tôt possible, pour les équipes comme pour les IA.
L’IA imite ce qu’elle voit : si le projet est propre, structuré et testé, elle amplifie les aspects positifs. Si le projet est instable ou mal conçu, elle amplifie aussi les défauts.
Pourquoi cette accélération par l’IA peut-elle, paradoxalement, alourdir la charge mentale et opérationnelle du Tech Lead ?
Arthur Magne
Lors d’un webinar avec le CTO de DX, il y a une phrase qui m’a marqué : « La production de code n’a jamais été le vrai problème dans l’entreprise. ». La difficulté se situe dans la chaîne complète jusqu’à la mise en production, pas dans la capacité à écrire des lignes de code.
Si on se contente d’amplifier la phase de production grâce à l’IA, sans traiter le reste de la chaîne, on crée un déséquilibre. Le code arrive plus vite, en plus grande quantité, mais la capacité de revue, d’intégration, de tests ou d’observabilité ne suit pas. Le résultat, très concret, c’est une surcharge du Tech Lead, qui se retrouve à relire, arbitrer, sécuriser en permanence.
Certaines études, comme celles de GitLab, montrent déjà un effet mesurable : les Tech Leads passent beaucoup plus de temps en revue de code, jusqu’à près de 90 % d’augmentation dans certains contextes. Sans relais sur la Developer Experience et les bonnes pratiques, le Tech Lead finit écrasé par la charge, sans forcément qu’il y ait un impact positif sur le delivery.
Geoffrey Graveaud
Oui exactement ! Au niveau de la charge mentale, il y a une réalité très simple : un code difficile à lire consomme la mémoire de travail. Les “code smells” rendent le code plus complexe à comprendre et à maintenir. Or notre “working memory” interne a une capacité limitée : au bout de quelques dizaines de secondes, si les éléments ne sont pas bien ancrés, il faut relire. Avec l’IA, si on multiplie par dix le volume de mauvais code, la relecture devient infernale.
Le contexte ne change pas pour autant : les deadlines restent les mêmes, les environnements sont parfois instables, et la pression sur la qualité augmente. On cumule donc un volume de code plus important, plus d’instabilité potentielle et des attentes identiques, voire supérieures.
Sans amélioration de la manière de faire du pair review ou code review, la probabilité de burn-out chez les Tech Leads aussi bien que les Lead Devs grimpe clairement !
Le rôle du Tech Lead doit donc évoluer. Il ne peut plus être uniquement l’expert qui code les parties les plus complexes. Il devient mentor, lecteur efficace de gros volumes de code, facilitateur des bonnes pratiques. Il doit aussi aider les développeurs à s’approprier ce que l’IA génère : « Tu peux utiliser l’IA, mais tu dois être capable d’expliquer pourquoi tu as fait ces choix. »
Et pendant que l’IA bouge très vite, les concepts et buzzwords évoluent aussi : aujourd’hui on parle de context engineering ou de SDD (Specification-Driven Development), demain ce sera autre chose. L’avenir du Tech Lead, c’est aussi d’être en veille permanente, d’expérimenter, et de diffuser ces nouvelles pratiques.
Inside est une société de services et de conseil, Packmind un éditeur. Est-ce que l’IA générative vous oblige à revisiter certains principes Crafts historiques et à faire évoluer votre plateforme ?
Arthur Magne
Cette transformation est passionnante ! Cela fait plus de dix ans que nous travaillons sur la qualité logicielle, bien avant l’arrivée de l’IA. Au départ, tout passait par le mentoring et la formation des développeurs. Ce qui fait la différence, c’est le travail sur le contexte : capturer les décisions, les règles, les conventions d’équipe, puis les transmettre aux développeurs.
Maintenant, nous faisons la même chose… en transmettant les bonnes pratiques directement aux agents IA. Le sujet reste le même : structurer ce contexte pour qu’il soit lisible, à jour et compréhensible par les humains. Sauf qu’il doit désormais aussi être exploitable par l’IA. C’est là que le “context engineering” devient clé : comment fournir à l’agent IA le rôle, le contexte, les informations pertinentes, pour qu’il applique les bonnes pratiques sans nécessiter de corriger 10 fois le code ensuite.
Si ce contexte est bien posé, la revue de code se simplifie. L’humain reste dans la boucle, et l’effort se déplace : nous itérons beaucoup plus sur l’input que sur l’output. Ce qui, jusqu’ici, passait parfois pour du “raffinement” Crafts pas toujours visible côté client devient soudain un levier évident à cause de l’IA !
L’impact est double. D’un côté, l’IA permet d’exploiter ce contexte à grande échelle. De l’autre, elle l’exige. En effet, tout ce qui traîne dans le code ou dans la documentation est pris au pied de la lettre. Les humains savaient parfois ignorer un vieux commentaire douteux. L’IA, elle, va l’utiliser !
Geoffrey Graveaud
Oui, la démarche de Software Craftsmanship qui était parfois vu comme du luxe devient un différenciateur. Les profils Crafts vont être de plus en plus demandés, parce que leurs pratiques ont un impact direct dès que les équipes les mettent à profit de leur usage des IA.
Prenons un exemple : un event storming bien mené, qui aligne dev et métier. Si tu le fais sérieusement, et que tu injectes la logique métier dégagée durant l’event storming dans l’IA, tu obtiens quelque chose de qualité. L’IA est extrêmement sensible aux détails : le moindre commentaire, le moindre naming, peut influencer des centaines de lignes de code générées. La précision dans l’artisanat devient encore plus déterminante !
J’aime bien dire que l’IA lit le code comme ma grand-mère : si tu n’es pas clair, elle part dans la mauvaise direction. Tu dois être précis dans tes mots, dans tes intentions, dans ta structure. Et à côté de ça, toutes les pratiques qui sécurisent le code restent indispensables, voire plus critiques encore.
Au fond, l’usine de fabrication de code, ce n’est plus seulement l’IDE ou l’environnement technique, c’est toute la chaîne de contexte que l’équipe construit. Si elle est solide, l’IA accélère. Si elle est fragile, elle amplifie les risques.
Avec l’arrivée de l’IA générative dans les équipes, comment le rôle du Tech Lead évolue-t-il et quelles nouvelles compétences deviennent essentielles ?
Geoffrey Graveaud :
Dans ce que nous observons, l’évolution commence par de nouveaux comportements avant de nouveaux rôles. Les Technical Leaders et les Lead Developers doivent rééquilibrer leur posture : ralentir sur certains engagements, réduire la pression sur les deadlines, et ramener la stabilité et la qualité au centre. Sur des projets de long terme, c’est même vital.
Sa posture se rapproche de plus en plus du coaching et de l’acculturation. Le Tech Lead aussi bien que le Lead Dev doit être capable de passer de la théorie à la pratique pour convaincre. Il montre l’exemple, incarne les bonnes pratiques Crafts et accompagne l’équipe dans l’adoption de ces nouveaux réflexes.
Comme je l’appuyais précédemment, d’autres compétences se renforcent, en particulier autour de la veille. Les équipes ont besoin de personnes capables de suivre les évolutions de l’IA, de comprendre ce qui évolue chez les éditeurs, et de faire le lien avec la R&D. Désormais, identifier les éditeurs qui sont réellement à jour, comprendre ce qui évolue, trier ce qui est fiable de ce qui est hype devient une compétence à part entière. C’est déjà un réflexe Accelerate : savoir où investir son énergie pour garder de l’avance.
Les lead Dev doivent devenir des champions de la veille technologique !
Arthur Magne :
En consolidant de nombreux échanges avec des entreprises, un point ressort systématiquement : celles qui avaient commencé à travailler sur la Developer Experience avant l’arrivée de l’IA ont pris une avance visible. Elles avaient souvent une plateforme interne, des règles, des guides, un outillage. Ce travail, qui pouvait parfois être discret ou peu valorisé, devient aujourd’hui indispensable. C’est un facteur d’attractivité, de productivité, mais aussi de maîtrise de l’IA : un développeur qui arrive dans un environnement structuré utilise mieux l’IA et produit de meilleurs résultats.
Le problème, c’est que toutes les entreprises n’ont pas une équipe DevEx dédiée. Et même lorsqu’elle existe, elle peut être sous-dimensionnée : trois personnes pour trois cents développeurs, ce n’est pas tenable. Le Tech Lead doit donc jouer son rôle dans cette chaîne : participer à la DevEx, transmettre ses pratiques, et intégrer l’IA dans son quotidien comme dans celui de l’équipe.
Nous voyons d’ailleurs une autre réalité : tout le monde n’a pas le temps de tester les outils, de comprendre comment les assistants IA fonctionnent ou comment les plateformes de connaissances évoluent. L’utilisation reste parfois partielle. Le Tech Lead doit justement aider à combler cet écart : créer un cadre, fluidifier les usages et permettre aux développeurs de tirer parti de ce que l’entreprise met à disposition.
Je rejoins donc ce que disait Geoffrey : le rôle du Technical Lead change. Il gagne en coaching, en capacité à guider, en sens de la veille et en responsabilité sur l’expérience développeur. Les intitulés ne changeront peut-être pas immédiatement, mais les compétences, elles, évoluent déjà !
Face à l’utilisation massive de l’IA, quelle organisation, méthodes et outils permettent de soulager durablement les Tech Leads tout en améliorant le DevEx ?
Geoffrey Graveaud :
Le point de départ, c’est de travailler sur l’adoption de l’IA. Nous ne pouvons plus nous contenter d’empiler des outils : il faut comprendre ce qui fonctionne et pourquoi. Le rapport Accelerate 2025 l’explique très bien. C’est un document massif — 142 pages — mais précieux, parce qu’il identifie des pratiques solides et reproductibles avec en particulier les trois piliers pour l’adoption (page 36), et les sept capacités structurantes (page 50). C’est l’un des rares travaux à la fois techniques, sociologiques et soutenus par des preuves mesurées. Chez Inside, nous l’avons lu, décrypté, utilisé en mission et cela fait gagner un temps précieux à nos clients !
Si je dirigeais une entreprise, je commencerais par créer une direction IA ou une équipe transverse capable de lire ces analyses, de tester et de faire avancer la R&D. Et si je n’avais pas les moyens, je m’appuierais sur des consultants qui ont déjà expérimenté ces approches sur le terrain. C’est un investissement qui permet d’orienter l’énergie au bon endroit.
Ce travail de fond soulage directement les Technical Leaders et les Lead Developers. Ils n’ont plus à porter seuls la veille, l’expérimentation et les arbitrages techniques. Ils peuvent se concentrer sur leur rôle : guider l’équipe et sécuriser la qualité.
Arthur Magne :
Je partage complètement cette vision sur le rapport Accelerate. L’IA remet en lumière des sujets que certains DSI considéraient secondaires. L’exemple classique, c’est la documentation : “Est-ce qu’on gagne vraiment quelque chose à investir dedans ?” Oui, et ce n’est plus discutable ! Les retours sont mesurés, documentés, et le contexte de votre entreprise n’est pas différent de celui des organisations qui en tirent déjà les bénéfices.
Pour moi, la première étape, c’est la création d’une véritable démarche DevEx liée à l’IA. Les développeurs ne sont pas naturellement curieux à grande échelle. Il faut donc structurer l’adoption : proposer des use cases pertinents, concrets, qui montrent très vite la valeur et donnent confiance. Une fois cette dynamique enclenchée, on peut travailler sur l’efficience.
C’est là que le contexte engineering devient critique. Comment structurer la documentation, la partager, maintenir un socle commun de prompts, d’instructions et de bonnes pratiques ? Beaucoup d’équipes créent un simple répertoire GitHub de prompts. C’est utile pour commencer, mais insuffisant dès qu’on veut vraiment gagner en efficacité : il manque alors la consolidation, la gouvernance, la mise à jour et la distribution.
C’est précisément pour répondre à ce besoin que Packmind évolue. Notre approche reste open source, pour laisser les équipes capturer, partager et mettre à jour leurs standards et leurs modes opératoires : comment produire du code, comment tester… La documentation ne concerne plus seulement les développeurs : elle s’étend aux testeurs, aux Lead Dev, aux DevOps, aux designers, chacun avec ses propres personas et ses propres assistants IA.
Et un point nous tient à cœur : rester agnostiques. Chaque entreprise a ses outils, ses modèles, ses contraintes. Ce qui compte, c’est l’expérience des équipes et la capacité à diffuser les bonnes pratiques sans être enfermé dans un outil ou un fournisseur.
Geoffrey Graveaud :
Ce que j’observe sur le terrain va dans ce sens. Certaines personnes étaient réfractaires à Packmind au début. Six mois plus tard, à mesure que les enjeux IA + Craft + métriques deviennent concrets, ces débats disparaissent d’eux-mêmes ! Et dans trois mois, beaucoup de choses auront encore évolué. L’important, c’est d’avoir une organisation, une culture DevEx et des outils capables d’accompagner cette vitesse.
Quel message de conclusion aimeriez-vous adresser aux équipes pour les aider à traverser sereinement cette transition vers l’IA générative ?
Arthur Magne :
Je reviens toujours à la même idée : context is king ! Sans un contexte clair — métier et technique — il est impossible de tirer le meilleur de l’IA. Beaucoup parlent de SDD (Specification-Driven Development) ou de nouveaux outils, mais ces approches ne fonctionnent que si la base est déjà structurée. Le contexte engineering est la condition pour que l’IA devienne un amplificateur plutôt qu’un multiplicateur de dettes.
Le second point essentiel, c’est que toutes les pratiques Craft et Lean, que nous défendons depuis des années, deviennent aujourd’hui incontournables ! Avant l’IA, convaincre les entreprises d’y investir n’était pas toujours simple. Aujourd’hui, tout change. On a besoin de plus d’ingénierie, plus d’expérience, plus de Craft.
La dernière conviction que je veux appuyer c’est que l’IA n’implique pas d’opérer une révolution radicale. Il faut investir dans sa fabrique logicielle, étape par étape : ajouter plus de contexte, mieux capitaliser, partager des prompts, transmettre des agents, industrialiser progressivement. Ensuite seulement, on peut commencer à imaginer du SDD ou des usages IA sur l’ensemble de la chaîne. Il faut aussi rester lucide : la technologie évolue actuellement beaucoup plus vite que les pratiques !
Geoffrey Graveaud :
Je partage cette vision, et j’ajoute deux éléments qui me semblent essentiels.
Le premier, c’est que les Tech Leads & Lead Devs ne pourront pas tout absorber seuls sans faire évoluer la culture. La vitesse à laquelle l’IA avance dépasse la vitesse d’apprentissage individuelle. Le rôle doit s’ouvrir : plus de coaching, plus de mentorat, plus de transmission. On ne gagne plus uniquement en “expertise code”, mais en capacité à guider les développeurs, à lire vite, à prioriser ce qui compte et à poser des limites claires.
Le second point concerne le Craft et Accelerate. Tout ce qui relève de la qualité — tests, revues, lisibilité, patterns, conventions — n’a jamais été aussi important. L’IA amplifie tout : le bon comme le mauvais. Les entreprises qui mettront de l’énergie dans ces pratiques, dans la Developer Experience, dans la veille technique et dans l’accompagnement, prendront une longueur d’avance. Cet investissement n’a jamais eu autant de sens dans l’histoire du développement !
Inside × Packmind : deux approches, une même conviction
Inside accompagne les DSI et les équipes tech dans l’évolution de leurs pratiques de développement, la montée en compétence, la qualité logicielle et l’adoption maîtrisée de l’IA.
Packmind fournit une plateforme open source pour capturer, structurer et diffuser le contexte, les standards et les bonnes pratiques qui guident les équipes… et désormais les agents IA.
Nos métiers sont différents, mais la conviction est la même : l’IA amplifie tout. Pour en tirer de la valeur, les fondations doivent être solides — culture, Craftsmanship, contexte, Developer Experience et transmission.
Ce sont ces principes que nous défendons chacun à notre manière, et qui deviennent aujourd’hui indispensables pour construire une fabrique logicielle capable d’évoluer avec l’IA plutôt que de la subir !