Un leader en ingénierie de l’IA affirme que les postes dédiés à la gestion de projet vont disparaître
Découvrez comment un leader en ingénierie de l’IA utilise des workflows agents pour accélérer la livraison, réduire les réunions et orienter les équipes vers une collaboration axée sur le jugement.
Impact de l’IA: L’IA modifie considérablement le rôle des ingénieurs IA/ML, en déplaçant l’accent vers la conception et la définition des problèmes.
Automatisation des tâches: L’IA excelle dans l’automatisation des tâches répétitives mais éprouve des difficultés pour celles nécessitant du jugement et la compréhension du contexte.
Rituels de livraison: L’IA permet une définition de projet plus rapide et améliore l’alignement asynchrone, réduisant le besoin de réunions de suivi d’avancement.
Workflows agents: La mise en place de workflows agents rationalise les tâches non liées au codage, permettant de se concentrer davantage sur la prise de décision critique.
Évolution des rôles: Les postes dédiés à la gestion de projet pourraient s’amenuiser à mesure que l’IA prend en charge le suivi, laissant les tâches nécessitant du jugement aux équipes.
Sairam Sundaresan est un leader en ingénierie de l'IA et un éducateur. Il est classé comme le créateur n°1 d'IA sur LinkedIn Inde par Favikon. Il est également l'auteur de « L’IA pour le reste d’entre nous » ainsi que d’une newsletter hebdomadaire intitulée Gradient Ascent.
Nous avons interrogé Sundaresan sur la manière dont l’IA transforme la livraison de projets. Voici ce qu’il avait à dire.
Comment l’IA influence les rôles en ingénierie IA/ML
Je dirige l’ingénierie IA/ML. Lors de la livraison de projets, je suis responsable des décisions d’architecture, de m’assurer que l’approche technique est en adéquation avec le problème métier, et d’identifier suffisamment tôt les risques pour pouvoir les traiter.
Déverrouillez gratuitement
Créez un compte gratuit pour terminer la lecture de cet article et rejoindre une communauté de leaders innovants qui accèdent à des outils, des méthodes et des idées pour prospérer à l’ère de l’IA.
Comment l’IA fait évoluer les tâches et les priorités lors de la livraison de projets
L’IA effectue un bon premier passage sur l’implémentation, les tests et le code générique. Je passe moins de temps à écrire du code à partir de zéro, mais je relis tout de même chaque ligne, comme pour n’importe quel ingénieur de mon équipe. La production du résultat est plus rapide, mais elle reste non supervisée.
Je consacre désormais plus de temps à la formulation du problème, à la conception des systèmes et à anticiper les points de rupture. Ces décisions ont toujours représenté la partie à plus forte valeur ajoutée du métier. Elles occupent désormais une plus grande part de mon temps puisque les tâches répétitives sont accélérées.
Ce qui m’a le plus surpris lors de la mise en œuvre de l’IA, c’est de voir le paradoxe de Moravec à l’œuvre en temps réel. Les tâches que je pensais difficiles à automatiser se sont révélées faciles : génération de code, écriture de tests et résumés. L’IA rencontre des difficultés à traiter ce que j’imaginais trivial : détecter une exigence ambiguë, reconnaître qu’une solution techniquement correcte n’est pas appropriée dans un contexte donné, ou comprendre pourquoi un acteur clé a exprimé une idée en voulant en dire une autre.
Sairam partage
L’IA rencontre des difficultés à traiter ce que j’imaginais trivial : détecter une exigence ambiguë, reconnaître qu’une solution techniquement correcte n’est pas appropriée dans un contexte donné, ou comprendre pourquoi un acteur clé a exprimé une idée en voulant en dire une autre.
Comment l’IA optimise les tâches répétitives dans la livraison de projets
Les parties les plus automatisables de mon travail de livraison sont actuellement les tâches répétitives avec des critères d’acceptation clairs. Génération de tests, structuration du code, rédaction des premiers jets de documentation, comptes-rendus d’avancement, et vérification des dépendances : ce sont des tâches bien définies, sans ambiguïté, où l’IA fournit d’excellents résultats avec une supervision minimale. La mise en œuvre est simple : vous intégrez des agents dans votre pipeline CI/CD, vous leur donnez un périmètre précis et vous construisez des mécanismes de vérification autour de la production.
Les humains restent indispensables pour tout ce qui concerne le jugement dans l’ambiguïté. Cela comprend :
Prioriser quand tout semble urgent
Savoir quel compromis technique est acceptable et lequel vous coûtera cher d’ici six mois
Savoir analyser une situation lors d’une réunion transversale et réaliser que le véritable obstacle est politique.
Comment l’IA redéfinit les rituels fondamentaux de delivery et l’alignement
En ce qui concerne les rituels, l’IA prend en charge une grande partie du travail intense.
La définition du périmètre est plus rapide car l’IA génère un premier brouillon à partir d’une conversation ou des exigences, que j’édite ensuite. Je ne fais plus face à une page blanche. Mais je suis toujours celui qui tranche sur ce qui entre ou non dans le périmètre.
L’alignement est plus asynchrone. Plutôt qu’une réunion pour aligner tout le monde, je rédige un court document, l’IA m’aide à l’affiner, puis les personnes commentent. Nous ne nous réunissons que lorsqu’il y a un véritable désaccord à trancher.
La validation est ce qui a le plus changé. L’IA génère du code, donc j’ai désormais besoin de tests et de garde-fous pour détecter les types particuliers d’erreurs des agents.
La gestion de l’exécution est allégée. Les outils fournissent l’état d’avancement directement. Je consacre moins de temps à demander des mises à jour et plus de temps à décider de la suite.
L’alignement se fait de manière plus asynchrone. Au lieu d’une réunion pour aligner tout le monde, j’écris un court document, l’IA m’aide à l’affiner, et chacun commente. On ne se réunit que lorsqu’il faut résoudre un désaccord réel.
Pourquoi les workflows agentiques améliorent l’efficacité de livraison
Personnellement, j’utilise les workflows agentiques au quotidien. Mon organisation fait appel à Claude Code pour orchestrer l’essentiel de mon travail non-codé : recherche, synthèse documentaire, planification et relecture. Pour le code, Codex prend en charge l’implémentation et je relis le résultat.
J’ai d’abord cherché à automatiser les aspects de la livraison qui prenaient du temps sans exiger de jugement. Rédaction de documents, synthèse de contexte, génération de tests, et consolidation du statut à partir de sources multiples. Ce sont des tâches fréquentes à faible ambiguïté. Des victoires faciles.
La qualité est suffisante pour que j’aie seulement à éditer le travail, pas à le refaire. J’utilise le temps gagné pour prendre les décisions qui comptent vraiment. La principale leçon : soyez précis sur le périmètre. Les agents sont efficaces avec des frontières claires. Si vous leur donnez une intention ambiguë, vous revenez à les surveiller constamment.
Pourquoi Codex et Claude Code sont des outils indispensables pour les développeurs
Codex est actuellement mon principal outil de codage. Quand j’utilise Claude pour coder, Codex agit comme mon partenaire pour la revue de code. Cependant, ce rôle évolue avec l’évolution du secteur.
Claude Code prend en charge tout ce qui concerne le développement : réflexion architecturale, documentation, cadrage des problèmes, recherche et relecture. Il exécute aussi parfois un peu de code directement. J’utilise Linear pour le suivi des projets. L’outil est épuré, rapide, et ne gêne pas le processus.
Pourquoi l’IA pourrait faire disparaître les postes dédiés à la gestion de projet
C’est peut-être un peu controversé, mais je prédis que la plupart des postes dédiés à la gestion de projet vont quasiment disparaître, car tout le monde va finir par gérer des projets. L’IA gère le suivi, la centralisation des états et la planification. Ce qu’il reste, c’est le jugement, et cela se partage dans l’équipe.
Actuellement, tous les métiers se mélangent. On ne peut plus être uniquement ingénieur qui code, ou designer qui ne fait que du design. Les équipes sont plus petites, l’IA offre plus de levier, et chacun couvre un périmètre plus vaste.
Ceux qui s’en sortent le mieux sont ceux qui n’ont jamais été une seule chose.
Les réflexions de Sairam
Ceux qui réussissent sont ceux qui n’ont jamais été limités à une seule chose. Cessez de ne recruter que pour une spécialisation étroite. Cherchez des profils capables de gérer plusieurs contextes à la fois. Cette capacité compte davantage que n’importe quelle compétence unique.
Pourquoi les responsables delivery doivent adopter les outils et compétences liés à l’IA
Mettez-vous en pratique avec ces outils. Ne déléguez pas votre compréhension de l’IA à quelqu’un d’autre dans votre équipe. Il faut sentir par soi-même où cela fonctionne bien et où cela présente des faiblesses.
Puis, supprimez sans pitié les processus qui n’existaient que parce qu’il était coûteux de transmettre l’information. L’IA vous offre désormais cette possibilité gratuitement.
