Le fondateur de l’IA alerte : les chefs de projet doivent adopter les logiciels agents
Henrik Kniberg explique comment les agents IA transforment le développement logiciel, de la gestion des versions automatisée à l'organisation autonome du backlog. Il soutient que les chefs de projet qui ne s'adaptent pas à l'IA deviendront rapidement le goulet d'étranglement.
Impact de l'IA: L'IA révolutionne le développement logiciel, permettant aux équipes de livrer un travail de meilleure qualité plus efficacement.
Évolution de la gestion de projet: Les chefs de projet doivent s'adapter pour intégrer l'IA, au risque de devenir un frein dans le processus de développement.
Pratiques agiles: Maintenir une approche agile est essentiel ; une bureaucratie minimale permet de livrer les projets plus rapidement grâce à l'aide de l'IA.
Utilisation des agents: Les agents IA prennent en charge des tâches telles que la gestion des versions et l'organisation du backlog, libérant les équipes pour se concentrer sur des sujets plus complexes.
Compétences d'avenir: Apprendre à bien gérer le contexte de l'IA est essentiel pour que les chefs de projet restent compétitifs dans un environnement en mutation.
Henrik Kniberg possède une expérience en gestion de projet chez Spotify, LEGO et Mojang. Il est actuellement cofondateur et directeur scientifique chez Abundly.ai. Il est aussi l’auteur de « L’IA Générative en Bref ».
Nous nous sommes entretenus avec lui pour discuter de la façon dont l’IA transforme le développement logiciel — et, par extension, la gestion de projet. Il a affirmé que les chefs de projet doivent s’adapter ou devenir le goulot d’étranglement.
D’un produit à une start-up d’IA
Je suis le cofondateur et directeur scientifique chez Abundly.ai, où je dirige le développement de notre plateforme dédiée aux agents autonomes d’intelligence artificielle.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
J’ai précédemment travaillé comme coach Agile chez Spotify et LEGO, et j’ai participé au développement de Minecraft chez Mojang. D’ailleurs, j’ai réalisé une vidéo intitulée « Culture d’ingénierie chez Spotify », que beaucoup appellent le « Modèle Spotify », qui décrit leur approche du développement produit.
Et je suis l’auteur de « L’IA Générative en Bref ».
Comment l’IA permet aux équipes logicielles de livrer plus avec moins
La gestion de projet pour le développement logiciel peut désormais être réalisée beaucoup plus rapidement grâce à l’aide de l’IA, ce qui transforme radicalement la livraison des projets.
Cela me permet, ainsi qu’à mon équipe, de me concentrer davantage sur l’architecture, le design et l’UX — là où nous devrions consacrer notre temps — et de passer moins de temps à taper et à déboguer des lignes de code.
Le résultat est que nous pouvons livrer plus, avec une meilleure qualité. Et nous le faisons en moins de temps et avec une équipe plus restreinte.
Avec l’IA, nous pouvons livrer plus, avec une meilleure qualité. Et nous le faisons en moins de temps et avec une équipe plus restreinte.
Pourquoi les équipes devraient viser une bureaucratie minimale viable
Nous ne nous éloignons pas des méthodes traditionnelles de gestion de projet — nous ne les avons jamais utilisées au départ.
Nous avons commencé avec des méthodes agiles, et nous nous efforçons de garder une approche agile même en grandissant. Nous travaillons sur un rythme hebdomadaire, où nous nous synchronisons le vendredi pour faire le point sur l’avancement et les priorités. Nous maintenons un tableau Kanban simple avec des limites WIP et une colonne de triage qui fonctionne comme une boîte de réception vidée chaque semaine — chaque élément entre ou sort.
Chaque commit est automatiquement déployé dans un environnement de test partagé. Et nous déployons en production environ deux fois par semaine, ou plus si nécessaire.
Nous faisons aussi une synchronisation informelle la plupart des jours. Nous nous réunissons simplement pour discuter de ce que nous faisons dans la journée.
De manière générale, nous essayons de maintenir une bureaucratie minimale viable. Et l’IA nous aide à y parvenir.
Nous essayons de maintenir une bureaucratie minimale viable. Et l’IA nous aide à y parvenir.
Comment les agents transforment la gestion des versions et des changements
Nous expérimentons quotidiennement avec des workflows agentiques, car c’est notre cœur de métier.
Par exemple, nous avons développé un agent gestionnaire de déploiement. À chaque fois que nous voulons déployer en production, ce qui arrive environ deux fois par semaine, nous contactons cet agent, soit via Slack, soit dans notre application.
Lorsqu'il est sollicité, l'agent vérifie les derniers changements apportés à notre branche de test, analyse les commits, et génère puis publie deux versions des notes de publication — une pour un usage interne, et une pour l'externe qui omet les changements non pertinents pour les clients. Il analyse ensuite notre site de documentation pour voir si des mises à jour sont nécessaires et crée une Pull Request pour toute modification requise.
Nous ajustons en permanence les instructions de cet agent. Le dernier ajustement concernait la vérification des problèmes de sécurité.
Un autre exemple sur lequel nous travaillons actuellement est un agent chargé de gérer les demandes de modification du produit en interne. Lorsqu'un intervenant signale un problème ou demande une fonctionnalité, l'agent évalue automatiquement la priorité, examine le code pour estimer la complexité du changement et publie une analyse sur Slack. Il détermine ensuite s'il doit corriger le problème de façon autonome et soumettre une PR, ou s'il est incertain et doit alors nous consulter en priorité. Il crée également un ticket dans notre backlog pour suivre la progression. Et lorsqu'il effectue un changement de manière autonome, il teste la modification dans un navigateur pour évaluer l'impact sur l'interface, ajoute des captures d'écran à la PR, et vérifie la qualité du code.
Le but de cet agent est de gérer automatiquement toutes les tâches simples, afin que mon équipe puisse se concentrer sur les tâches plus complexes. Même si, pour être honnête, nous réalisons aussi les tâches complexes avec l'aide de l'IA !
Parmi nos autres cas d'usage : la recherche, le tri, les audits de conformité, la gestion documentaire, et plus encore.
Pourquoi les humains doivent-ils rester impliqués dans l'ingénierie pilotée par l'IA ?
Nous essayons donc d'intégrer l'IA à chaque processus. Par exemple, l'IA appliquée à la gestion du backlog peut traiter certains tickets et assurer la gestion des versions.
Nous essayons donc d’intégrer l’IA à chaque processus. Mais nous gardons un humain dans la boucle lorsque cela est nécessaire.
Mais il est important de garder un humain dans la boucle lorsque c'est pertinent.
Bien que nous utilisions l'IA pour le développement, c'est plutôt comme un partenaire de programmation en binôme que comme l'externalisation dans une société offshore. Autrement dit, nous restons fortement impliqués dans le code — nous laissons juste l'IA en écrire la majeure partie.
Comment fonctionne une stack d'ingénierie pensée IA avant tout ?
Côté développement, nous utilisons Cursor avec Claude Opus. Et nous expérimentons aussi Claude Code.
Cursor + Claude est une combinaison incroyablement puissante, c'est comme programmer en binôme avec un collègue génial et ultra-rapide. Et nous avons constitué un ensemble très complet de documents de règles pour fournir du contexte au modèle d'IA.
Notre produit est déployé sur Google Cloud Run et Vercel, avec une livraison continue, donc il suffit de faire une PR et de fusionner sur Main — ou de demander à un agent de le faire — pour passer en production. Notre code est en Typescript, autant côté frontend que backend.
Avoir le même langage sur toute la stack facilite la vie pour nos agents comme pour nous.
Avoir le même langage sur toute la stack facilite la vie à la fois pour nous et nos agents.
Tous nos codes sont centralisés dans un monorepo, c'est-à-dire que les différents projets, applications et bibliothèques sont réunis dans le même dépôt. Cela simplifie aussi les choses, puisqu'un seul commit peut comporter à la fois des modifications côté frontend et backend. Cela rend aussi la gestion des dépendances plus simple.
Pour la gestion de projet, nous utilisons un tableau Kanban dans Notion pour organiser et visualiser notre travail et nos priorités. Et nous avons mis en place un agent pour interagir avec lui. Voici un scénario typique : Quelqu'un soulève un problème sur Slack, et après quelques échanges, quelqu'un écrit : « Hey @backlogger ajoutes un ticket pour ça ». L'agent interprète la discussion sur Slack, recherche des tickets similaires sur notre tableau Kanban, et soit met à jour un ticket existant, soit en crée un nouveau en y rattachant le contexte pertinent et des captures d'écran issues de Slack. Vraiment pratique !
Nous utilisons cet agent tous les jours. Nos réunions de planification sont désormais beaucoup plus rapides, car chaque ticket comporte une description très claire, une capture d’écran et un lien vers le fil Slack. À l’avenir, nous allons étendre cela pour que l’agent puisse aussi suggérer des priorités et corriger automatiquement les problèmes simples.
Comment Claude Opus 4.5 a changé la donne
Dans l’ensemble, je suis constamment surpris par la rapidité avec laquelle les outils et les modèles évoluent et s’améliorent. Cela nous oblige à constamment évaluer les dernières nouveautés.
Récemment, Claude Opus 4.5 a été lancé, et il est vraiment efficace pour effectuer des modifications de code plus complexes. Grâce à cela, nous résolvons désormais plus souvent les problèmes en une seule fois – c’est-à-dire que nous rédigeons une demande détaillée – plutôt que de travailler par petites étapes nécessitant une intervention humaine à chaque étape.
En gros, nous lui demandons de résoudre un problème complexe pendant que nous allons déjeuner.
C’est étonnamment efficace. Nous devons toujours relire le code, mais la plupart du temps, il est correct.
Pourquoi les chefs de projet doivent apprendre à travailler avec les agents IA
À l’avenir, les chefs de projet devront s’habituer à travailler au sein d’une équipe composée de collègues humains et d’IA. Cela veut dire vous.
Vous, en tant que chef de projet, devez vous habituer à collaborer avec des agents IA comme avec des collègues. Sinon, vous deviendrez le goulet d’étranglement du processus. Tout avancera à un rythme auquel vous ne pourrez pas suivre.
Ne pas savoir utiliser l’IA efficacement sera comme ne pas savoir utiliser internet efficacement. Certes, vous pouvez toujours gérer des projets sans internet. Mais vous serez gravement désavantagé, et vos perspectives professionnelles seront sombres.
Ne pas savoir utiliser l’IA efficacement sera comme ne pas savoir utiliser internet efficacement.
Comment une meilleure gestion du contexte permet des résultats plus fiables avec l’IA
Le domaine évolue constamment, donc l’essentiel est d’expérimenter.
Expérimentez avec différents outils IA et cas d’usage. Développez vos compétences en tant qu’utilisateur et ingénieur du contexte. Observez ce sur quoi vous et votre équipe passez du temps — où l’IA peut-elle faire gagner du temps ou améliorer la qualité ?
Au-delà de l’expérimentation, la gestion du contexte – comprendre comment les LLM traitent le contexte – est cruciale. Si vous vous y intéressez, vous pourrez choisir et utiliser les outils IA plus efficacement. La plupart des échecs de l’IA sont dus à une mauvaise gestion du contexte. En d’autres termes, elle échoue parce qu’elle ne dispose pas des informations nécessaires.
Nul ne sait ce que l’avenir nous réserve, mais si vous êtes compétent dans l’utilisation de l’IA générative, vous serez mieux armé pour faire face à tout ce qui pourra arriver.
À suivre
Vous pouvez suivre Henrik Kniberg alors qu’il repousse les limites de l’agenticité en gestion de projet sur YouTube, LinkedIn, et X. Et ne manquez pas son produit, Abundly.ai.
D’autres interviews d’experts à venir sur The Digital Project Manager !