Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Ingénierie

Les questions à instruire avant de généraliser le développement assisté par IA

L'essentiel

Le développement assisté par IA désigne l'emploi, par les développeurs, d'assistants fondés sur des modèles de langage qui proposent du code, des tests ou des explications. Management Square présente ici les questions qu'un comité peut instruire avant de le généraliser : tâches confiées, relecture, tests et revue, données transmises, titularité du code et mesures d'un essai.

Sommaire de la page

Prenons un transporteur routier : une équipe interne y développe le logiciel de planification des tournées. Deux développeurs se servent déjà d’un assistant de code, de leur propre initiative, et le responsable de l’équipe demande au comité informatique d’étendre ce développement assisté par IA à tous.

L’expression désigne l’emploi d’assistants fondés sur un grand modèle de langage, qui proposent du code, des tests ou des explications, de la complétion d’une ligne à la réalisation d’une tâche entière par un agent. Avant de généraliser cet emploi, le comité peut instruire, dans l’ordre, les tâches confiées, la relecture, le rôle des tests et de la revue, les données qui sortent, la titularité du code et la manière de juger un essai. Ces questions et leur ordre sont notre proposition ; les sources publiques citées ont été lues le 12 novembre 2026, et aucun gain n’est promis.

Quelles tâches confier à un assistant de code ?

Nous proposons de classer les tâches selon deux critères : l’existence d’un moyen déjà en place pour vérifier le résultat, et le coût d’une erreur passée inaperçue.

Les tâches dont le résultat se vérifie aussitôt se prêtent à l’assistance : code répétitif, conversion d’un format à un autre, explication d’un module inconnu du développeur, ébauche de tests à partir d’une règle écrite.

D’autres reposent sur des raisons et des décisions passées que le contexte transmis à l’outil ne contient pas toujours : le découpage en modules, le modèle de données, une règle de gestion que personne n’a encore écrite. L’assistant peut y proposer des options ; une personne décide et consigne ses raisons.

Une troisième catégorie appelle une relecture renforcée : contrôle d’accès, authentification, chiffrement, calcul d’un montant. Lorsque l’assistant agit comme un agent, la question de ses droits s’ajoute ; elle est traitée dans notre article sur la sécurité des agents IA.

Qui relit ce que l’assistant propose ?

Le développeur qui soumet une modification en rend compte à l’équipe, même lorsque l’outil en a proposé l’essentiel. Une règle d’équipe le traduit : ne soumettre que ce que l’on sait expliquer.

Le Top 10 de l’OWASP pour les applications de LLM et d’IA générative (genai.owasp.org) appuie cette exigence. Sa fiche « Misinformation » (LLM09:2025) décrit la confiance excessive (overreliance) accordée à un contenu généré et cite, parmi ses exemples, la génération de code non sûr : le modèle suggère des bibliothèques non sécurisées ou inexistantes. L’un de ses scénarios met en scène des attaquants qui repèrent les noms de paquets souvent inventés par les assistants, puis publient des paquets malveillants sous ces noms. Toute dépendance nouvelle proposée par l’assistant se vérifie donc avant d’être ajoutée : existence, éditeur, entretien.

La relecture par une seconde personne garde la place que lui donne notre article sur la revue de code. La reprise du code par d’autres, que notre page développement sur mesure traite comme une exigence de conception, ne s’allège pas parce qu’un modèle en a proposé une partie.

Les tests et la revue changent-ils avec le développement assisté par IA ?

Si le nombre ou la taille des modifications soumises augmente, la revue peut devenir le point d’attente de l’équipe. Ses règles de taille et de délai se rappellent avant l’ouverture de l’outil.

Un test que l’assistant tire du code qu’il vient d’écrire vérifie ce code contre lui-même, limite que relève notre page qualité logicielle et tests. Le comportement attendu s’écrit donc d’abord, à partir de la règle ou du critère d’acceptation, par une personne qui connaît le besoin ; l’assistant peut ensuite compléter les cas.

Les contrôles automatiques de la chaîne d’intégration (analyse statique, détection de secrets, analyse des dépendances) s’appliquent au code proposé comme au reste, avant toute relecture humaine.

Quel code et quelles données quittent l’entreprise ?

Pour proposer une suite, l’assistant transmet un contexte au service qui exploite le modèle : selon l’outil, le fichier ouvert, des fichiers voisins, la question posée. Ce contexte peut contenir un algorithme propre à l’entreprise, un mot de passe laissé dans un fichier de configuration, des données personnelles dans un jeu de test. La fiche « Sensitive Information Disclosure » (LLM02:2025) de l’OWASP compte les identifiants de sécurité et les données d’affaires confidentielles parmi les informations sensibles, et recommande des règles claires de conservation, d’usage et de suppression des données.

Le comité demande donc, pour l’outil candidat, ce qui est transmis, où et combien de temps c’est conservé, si les saisies servent à entraîner des modèles et quels sous-traitants interviennent. Les réponses se lisent dans le contrat et la documentation. La documentation de GitHub Copilot (docs.github.com) décrit un réglage qui fait ignorer certains fichiers à l’assistant, et précise qu’il ne constitue pas une frontière de sécurité du système de fichiers. Celle de GitLab Duo (docs.gitlab.com) décrit, dans certains cas d’emploi, le retrait des secrets avant l’envoi du code aux modèles, et indique que ses sous-traitants de modèles ne peuvent pas utiliser les entrées et les sorties pour l’entraînement.

Tant que l’usage passe par des comptes personnels, ces réponses manquent : c’est la situation que nomme le shadow AI. Un modèle hébergé par l’organisation déplace ces questions sans les supprimer, arbitrage que présente notre page IA générative en entreprise. Les règles d’usage (outils autorisés, données interdites de saisie, signalement) relèvent de la charte IA d’entreprise.

À qui appartient le code produit, et sous quelle licence ?

Nous n’énonçons ici aucune règle de droit : ces points se posent aux juristes de l’organisation.

  • Un code proposé par un assistant puis retenu par un développeur est-il protégé, et qui en est titulaire entre le salarié, l’entreprise et, le cas échéant, un prestataire ?
  • Que prévoient les conditions de l’éditeur sur les contenus produits et sur la réclamation d’un tiers ?
  • Une suggestion peut-elle reproduire un code publié sous une licence dont les obligations s’imposeraient au logiciel ?
  • Les contrats des prestataires disent-ils si l’usage d’un assistant est admis, et à quelles conditions ?

Sur le troisième point, la documentation de Gemini Code Assist (developers.google.com) indique que les produits Google Cloud utilisant Gemini joignent des informations de citation lorsqu’ils citent directement et longuement une autre source, par exemple un code open source, et que la citation peut mentionner une licence applicable ; un réglage écarte les suggestions correspondant aux sources citées. Celle d’Amazon Q Developer (docs.aws.amazon.com) indique qu’une suggestion peut ressembler à du code public, que des références en donnent alors la source et que ces suggestions peuvent être désactivées. Ces réglages renseignent les juristes sans trancher.

Comment saura-t-on si l’essai est concluant ?

Nous proposons de conduire l’essai comme une expérience bornée : une équipe, une application, une durée fixée d’avance, et des mesures relevées sur la même équipe avant l’ouverture de l’outil.

Les mesures d’entrée décrivent ce qui arrive en revue : nombre de modifications soumises, taille de chacune, part de celles où l’assistant a servi. Les mesures de qualité décrivent ce qu’il en advient : délai de première relecture, allers-retours avant intégration, défauts relevés en revue, défauts découverts en production dans le code concerné. S’y ajoute un relevé écrit des développeurs : les tâches où l’aide a servi, celles où elle a fait perdre du temps.

Aucune de ces mesures ne vaut promesse, et aucune ne sert à évaluer une personne. Le comité écrit avant l’essai ce qui conduirait à étendre l’usage, à en restreindre les tâches ou à l’arrêter. À la date prévue, l’équipe présente le relevé, les incidents de confidentialité éventuels et la liste des tâches qu’elle propose d’ouvrir à l’assistant, de lui fermer ou de garder sous relecture renforcée.

Insights

À lire sur le sujet

Tous les insights
Développement sur mesure ou progiciel, comparés sur l'écart au besoin, le coût et la dépendance

Le choix entre développement sur mesure ou progiciel se fait fonction par fonction, entre trois voies : construire un logiciel propre à l'organisation, paramétrer un produit d'éditeur, ou adapter ce produit par du code spécifique. Management Square les compare ici sur l'écart au besoin, le coût dans la durée, la dépendance, le délai et les évolutions, puis décrit la voie mixte.

Lire l'analyse
Que contient un cahier des charges d'application, et qui en valide chaque partie ?

Un cahier des charges d'application peut décrire, dans cet ordre, le contexte et les objectifs, les utilisateurs et leurs parcours, les exigences fonctionnelles et non fonctionnelles, les contraintes et les critères d'acceptation. Management Square présente ici le contenu de chaque partie, ce qui s'écrit autrement en démarche agile, et propose une répartition des validations.

Lire l'analyse
Quels parcours confier à un test end to end, et comment le garder stable ?

Un test end to end (test de bout en bout, ou E2E) déroule un parcours complet d'utilisateur sur l'application déployée, de l'interface à la base de données et aux systèmes voisins. Lent et coûteux à maintenir, il se réserve aux parcours critiques : Management Square décrit ici comment les choisir, préparer les données et l'environnement, stabiliser la suite et la placer dans la chaîne de livraison.

Lire l'analyse

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'est-ce que le développement assisté par IA ?

Le développement assisté par IA est une manière de programmer dans laquelle un outil fondé sur un modèle de langage propose du code, des tests, des explications ou des corrections à partir du contexte du projet. L'aide va de la complétion d'une ligne dans l'éditeur à la réalisation d'une tâche par un agent. Le développeur qui soumet la modification en rend compte à l'équipe : le code proposé est relu, testé et maintenu comme le reste.

Quelle différence entre un assistant de code et un agent de développement ?

Un assistant de code propose : il complète une ligne, suggère une fonction ou répond à une question, et le développeur accepte ou rejette chaque proposition. Un agent agit : à partir d'une consigne, il lit des fichiers, en modifie plusieurs, exécute des commandes et vérifie son travail. La relecture porte alors sur un ensemble de changements, et les droits accordés à l'agent sur le poste et les dépôts deviennent une question de sécurité.

Faut-il signaler le code écrit avec un assistant IA ?

Le signalement du code écrit avec un assistant IA est une règle d'équipe à écrire. Une mention dans la description de la modification renseigne le relecteur et alimente les mesures d'un essai, sans alourdir le code. Dire si une mention est due à un client ou à un tiers revient aux juristes de l'organisation, au vu des contrats.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.