Un projet avec des agents IA : ce qui change vraiment (et ce qui ne change pas)

C’est une question légitime. L'erreur serait de penser que l'IA change tout. L'erreur serait tout autant de penser qu'elle ne change rien.

Chez SQLI*, nous avons désormais plusieurs mois de recul sur des projets menés sur un modèle de delivery agentique. Il s'agit d'une méthode de gestion de projet logiciel dans laquelle des agents IA spécialisés exécutent les tâches de production (code, specs, tests) sous supervision humaine directe. Nous avons notamment piloté une refonte e-commerce d'envergure (1 200 j/h, 8 mois de planning) pour un groupe média. Voici ce que nous observons concrètement lors de la gestion de projets IA, en distinguant ce qui se transforme en profondeur et ce qui, au contraire, reste fondamentalement stable.

Qu'est-ce qui change concrètement dans un projet delivery agentique ? 

1. Un rythme de production multiplié par 3

C'est le changement le plus visible et le plus mesurable. Sur le projet pilote, après une phase d'appropriation d'environ 3 semaines, la vélocité du développement a été multipliée par 3. Le développement agentique permet d’augmenter significativement la capacité de delivery, mais les gains doivent être mesurés en valeur livrée, en lead time et en qualité, plutôt qu’en simple vélocité. Mais attention, si le développement est fortement accéléré et intensifié, la gestion de projet et la conception demandent proportionnellement plus de temps.

Concrètement, cela signifie que la journée de travail se réorganise autour de deux sessions agentiques de maximum 3h, encadrées par des rituels courts d'alignement, de pause cognitive et de consolidation. Une session produit l'équivalent d'une à deux journée classique, voire plus parfois. Ce rythme n'est pas négociable : il a été défini pour gérer la charge cognitive importante que représente le pilotage continu d'un agent IA, et le maintien de la cohésion d’équipe dans l’accélération.

2. Le rôle des humains évolue : de producteurs à orchestrateurs d’agents IA

Tous les rôles évoluent, mais aucun ne disparaît.

• Le développeur ne tape plus le code ; il pilote, valide, corrige, teste. Sa compétence se transforme pour valider les plans d'implémentation, le prompting structuré et la lecture critique de code généré. 
• Le business analyst (BA) copilote des agents IA pour produire spécifications, User Stories et critères d’acceptation directement poussés dans Jira ou Confluence. Sa qualité d’analyse devient critique : la documentation est désormais la Data, source de vérité du projet, à maintenir à jour, et à faire valider par le client. 
• L'expert technique définit les "zones sûres" de l'IA, valide et coordonne les incréments techniques, et maintient la qualité via des agents spécialisés (développement, revue de code, performance, accessibilité). 
• Le chef de projet devient garant de l'efficience IA, qualifie les tâches générables, suit de nouveaux KPIs (vélocité par session, dérive des prompts, consommation de tokens). Il coordonne davantage l’équipe et le client pour s’assurer de leur alignement dans l’accélération.  
• Le directeur de projet intègre l'IA dans la stratégie de delivery et arbitre le curseur "manuel vs IA".

L’IA ne remplacera pas les développeurs, mais elle remplacera ceux qui ne la maîtrisent pas. Sur notre projet pilote, nous avons d'ailleurs constaté qu'un seul BA ne suffisait plus à alimenter une équipe agentique : le ratio BA/développeurs a dû être renforcé en cours de projet pour tenir la cadence d’alimentation de l’équipe de développement.

3. La cadence change : des sessions « timeboxées » au rythme quotidien des validations

Les rituels classiques (daily, démo et review, rétrospective) ne suffisent plus. Le rythme s'intensifie : deux à trois synchronisations courtes par jour, des validations client jusqu’à toutes les 48h (contractualisées), des démonstrations une à deux fois par semaine. 

Nous avons d'ailleurs dû ajuster nos propres rituels en cours de route, initialement trop denses pour les développeurs, et avons libéré du temps pour la conceptualisation technique amont et la coordination avec le business analyst. L’IA n’allège pas le travail, elle l’intensifie.

4. L'outillage devient une « infrastructure agentique » : corpus, agents spécialisés et connecteurs

Un projet mené sur notre modèle de delivery agentique repose sur une configuration agentique spécifique : un corpus documentaire partagé et enrichi en continu, agents spécialisés (14 sur notre projet pilote), "skills" partagés (8) et commandes normalisées (4), et des connecteurs MCP (Model Context Protocol) pour donner aux agents un accès direct aux outils projet tiers (Jira, Confluence, Figma, Context7…). 

Cet investissement initial est primordial, mais il devient capitalisable : sur la phase TMA suivante, le setup est conservé et s'amortit dans la durée ; il servira aussi de base pour les autres projets de même type

5. La courbe de progression : une phase d’apprentissage avant l’accélération

Sur un projet classique, la productivité d'une équipe progresse lentement et linéairement. 

Sur un projet IA, elle suit une courbe en J : une phase d'appropriation où la vélocité reste modeste (environ 3 semaines sur notre projet pilote), puis une accélération forte une fois le dispositif maîtrisé. Cette courbe est essentielle à intégrer dans le pilotage : il faut accepter une vélocité initiale modérée pour bénéficier de l'envolée qui suit.

Projet IA : quels fondamentaux ne changent pas ?

C'est, paradoxalement, ce qui rassure le plus nos clients quand nous l'expliquons en détail.

1. L’exigence d’un cadrage clair

Un projet bien cadré reste un projet bien cadré, IA ou pas. Les enjeux métier, les contraintes architecturales, les dépendances techniques, les jalons critiques : tout cela continue de structurer le projet. L'IA n'absorbe pas la complexité ; elle la révèle. Une zone grise dans le cahier des charges produit du code plausible mais inadéquat. Un cadrage approximatif amplifie les risques au lieu de les atténuer.

2. La nécessité d'une expertise humaine forte

Loin de remplacer les experts, l'IA les valorise. Sur notre projet pilote, c'est précisément l'expertise des profils seniors qui leur permet de challenger les outputs IA, là où des profils moins aguerris auraient simplement validé. Inversement, les juniors rencontrent une vraie difficulté : la charge cognitive est élevée, la lecture de code généré demande de l'expérience. Les écarts de niveau sont exacerbés, pas gommés. L'IA n'est pas un raccourci pour s'affranchir de l'expertise ; elle exige plus d'expertise, pas moins. L’accompagnement des juniors devient impératif.

3. La gouvernance projet

Pilotage des risques, suivi de l'avancement, communication client, arbitrages contractuels, gestion budgétaire : la gouvernance d'un projet en delivery agentique reste de la gouvernance projet. Les outils changent (KPIs spécifiques, suivi de la consommation de tokens, tagging IA des commits), mais la discipline managériale reste fondamentalement la même.

4. L'implication client

C'est probablement le point le plus contre-intuitif, et le plus structurant. Beaucoup imaginent que l'IA permettrait de "soulager" le client. C'est l'inverse. Plus le rythme de production s'accélère, plus le client doit valider rapidement, fréquemment, précisément. Sur notre projet pilote, nous avons identifié que la disponibilité et la réactivité du chef de projet côté client était le principal facteur de succès. Sans cet engagement, l'accélération technique se transforme en dette fonctionnelle massive en quelques semaines.

5. L'exigence de qualité

Les standards de qualité, couverture de tests, compliance (dont RGAA), performance, sécurité, ne sont pas moindres. Au contraire : sur notre projet pilote, la couverture de tests unitaires automatisés atteint 70 à 80%, l'audit d’accessibilité est intégré au cycle de production, les tests end-to-end sont natifs. Le niveau de service rendu est supérieur à celui d'un projet classique, pas inférieur.

Ce qu'il faut retenir pour un projet qui démarre

Avant de commencer un projet en delivery agentique, voici trois recommandations issues de notre expérience :

1. Anticiper la phase d'appropriation

Ne pas attendre des gains immédiats. Compter environ 3 semaines pour atteindre le rythme de croisière. Cette patience est rentabilisée largement par la suite, mais elle doit être budgétée et expliquée aux parties prenantes.

2. Renforcer les rôles structurants en amont

business analyst, expert technique, chef de projet : ces rôles sont plus sollicités, pas moins. Sous-staffer en pensant que "l'IA fera le reste" est la principale cause d'échec que nous observons.

3. Contractualiser l'engagement client

Les validations jusqu’à toutes les 48h ne sont pas un confort méthodologique, c'est une condition de succès. Mieux vaut une discussion franche en amont avec le client sur sa disponibilité que de découvrir le problème en cours de projet.

Conclusion : l’IA apporte une nouvelle façon de délivrer, avec les mêmes fondamentaux

Un projet delivery agentique n'est pas un projet classique en plus rapide. C'est un projet différent, qui exige une organisation, une gouvernance et une discipline adaptées. Mais ce n'est pas non plus une rupture totale : les fondamentaux du métier, le cadrage, l’expertise, la gouvernance, l’implication client, qualité, restent intact. Mieux : ils deviennent plus importants, parce que leur défaillance se paie plus vite et plus cher avec des impacts immédiats

Chez SQLI, nous croyons que c'est précisément cette articulation entre transformation profonde et continuité des fondamentaux qui rend la delivery agentique fiable et reproductible. Pas de magie. Pas d'effet de mode. Une démarche structurée, mesurée, pilotable, et désormais éprouvée sur des projets d'envergure.

Le futur de la delivery, c'est maintenant. À condition de le piloter et l’orchestrer avec lucidité.

* Données issues d'un retour d'expérience SQLI, projet mené entre janvier et mai 2026, équipe de 7 personnes.

À retenir

L'IA agentique transforme profondément la manière dont les projets digitaux sont délivrés, mais elle ne change pas les fondamentaux du management de projet. 

Les principales évolutions observées sur les projets menés en delivery agentique sont :

• Une capacité de delivery significativement augmentée grâce à l'automatisation de certaines tâches de production (spécifications, développement, tests, documentation).
• Une évolution des rôles vers davantage d'orchestration, de validation et de supervision des agents IA.
• Des cycles de décision et de validation plus courts nécessitant une collaboration renforcée entre les équipes et les parties prenantes.
• Une importance accrue de la qualité du cadrage, de la documentation et du contexte fourni aux agents IA.
• Une nouvelle infrastructure projet composée d'agents spécialisés, de référentiels documentaires et de connecteurs vers les outils de delivery.

En revanche, les fondamentaux restent inchangés : l'expertise humaine, la gouvernance, la gestion des risques, la qualité et l'implication du client demeurent les principaux facteurs de réussite.

L'IA n'est pas un raccourci pour s'affranchir de l'expertise ou du cadrage. Elle exige plus de rigueur, pas moins, mais elle rend cette rigueur beaucoup plus productive. Les équipes qui réussissent sont celles qui la pilotent, la maîtrise et l’orchestre.

FAQ

Qu'est-ce qu'un projet en delivery agentique ?

Un projet en delivery agentique repose sur l'utilisation d'agents IA spécialisés capables d'exécuter certaines tâches de production, comme la génération de code, la rédaction de spécifications ou l'automatisation des tests, sous supervision humaine.

L'IA remplace-t-elle les développeurs et les chefs de projet ?

Non. Les rôles évoluent mais ne disparaissent pas. Les développeurs, Business Analysts, experts techniques et chefs de projet consacrent davantage de temps au cadrage, à la validation, à l'orchestration et à la qualité des livrables produits par les agents IA.

Quels sont les gains observés sur un projet piloté avec l'IA ?

Les gains concernent principalement la vélocité, les délais de livraison et l'automatisation des tâches répétitives. Sur notre projet pilote, la capacité de delivery a été multipliée par trois après la phase d'appropriation des outils et méthodes.

Quels sont les prérequis pour réussir un projet en delivery agentique ?

Un cadrage précis, une documentation à jour, une expertise humaine forte, des processus de gouvernance adaptés et une implication régulière du client sont indispensables pour tirer pleinement parti de l'IA.

L'IA réduit-elle les exigences de qualité ?

Au contraire. Plus la production s'accélère, plus les mécanismes de contrôle deviennent importants. Les tests, la sécurité, la performance, l'accessibilité et les revues de code restent essentiels pour garantir la qualité des livrables.