Ce que l’IA change déjà dans la façon de construire du logiciel

Ces deux dernières années, la manière de construire du logiciel a changé plus vite qu’à n’importe quel autre moment du secteur. Les agents IA de codage ne sont plus des gadgets : ils écrivent du code en production, dans de grandes entreprises, à grande échelle. Personne ne sait précisément à quoi ressemblera notre métier dans cinq ans, mais une chose est déjà certaine : tout logiciel conçu aujourd’hui doit être pensé pour ce futur mouvant dès sa conception.

Les agents IA sont devenus nos nouvelles recrues

Un agent de codage bien dirigé se comporte comme un collaborateur junior très rapide : on lui transmet notre connaissance du domaine, on encadre son travail, on relit ce qu’il produit. La différence avec un humain, c’est la disponibilité et la vitesse d’exécution, pas (encore) le jugement.

Les chiffres commencent à confirmer ce que beaucoup d’équipes constatent empiriquement. Une étude interne menée par Microsoft début 2026, portant sur des dizaines de milliers d’ingénieurs ayant adopté Claude Code et GitHub Copilot CLI, a mesuré une hausse de 24 % du nombre de pull requests fusionnées par ingénieur et par jour par rapport aux équipes n’utilisant pas ces outils. Gartner, de son côté, rapporte que 90 % des responsables ingénierie interrogés constatent une amélioration de la productivité, pour un gain net moyen de 19,3 %.

Ces gains ne sont ni automatiques ni garantis : d’autres études montrent des écarts allant d’un ralentissement de 20 % à un doublement de la vitesse, selon le langage, la qualité de la base de code existante et la manière dont l’équipe encadre ses agents. La productivité ne vient pas de l’outil seul, elle vient de la discipline qu’on met autour.

Le paradoxe de la sécurité

Le nombre de failles publiées explose. 48 174 CVE ont été publiées en 2025, soit une hausse de 20,6 % par rapport à 2024, qui affichait déjà un bond de 38 % sur 2023. Selon le rapport M-Trends 2026 de Mandiant, le délai moyen entre la divulgation d’une faille et son exploitation est désormais négatif : l’exploitation commence en moyenne sept jours avant même la publication du correctif.

Dans ce contexte, l’IA est à double tranchant. Elle élargit la surface d’attaque (plus de code généré, plus vite, avec parfois moins de relecture humaine), mais elle offre aussi de nouveaux moyens de défense. Les plateformes de sécurité dites « agentiques » permettent aujourd’hui de trier et qualifier une alerte en environ deux minutes, contre plusieurs heures pour un analyste humain, avec une réduction du bruit revendiquée proche de 99 %. Concrètement : un agent peut surveiller l’infrastructure d’une entreprise pendant la nuit, réagir à une tentative d’intrusion selon des règles définies, puis résumer au matin ce qu’il a observé et les actions à mener pour éviter que cela ne se reproduise. C’est l’un des changements les plus concrets qu’apporte l’IA agentique aux petites structures qui n’ont pas les moyens d’une astreinte de sécurité 24h/24.

Mais ce même contexte rend urgent d’ajouter de l’intelligence artificielle dans les logiciels déjà en production. Et c’est là que le bât blesse : une grande partie du parc logiciel encore utilisé dans les entreprises n’a simplement pas été conçue pour accueillir un SDK de LLM, un agent, ou même une simple API de complétion. Le brancher proprement demande souvent une vraie refonte, pas juste un plugin.

N’adoptez pas un standard parce qu’il est à la mode

Les normes qui définissent comment un agent IA accède à des outils ou à du contexte évoluent à un rythme inédit, et tout ce qui sort de nouveau ne mérite pas d’être adopté immédiatement.

L’exemple le plus net est celui du Model Context Protocol (MCP), poussé par Anthropic comme standard d’accès aux outils pour les agents IA. En mars 2026, lors de la conférence Ask 2026, Denis Yarats, CTO de Perplexity, a annoncé que son entreprise abandonnait MCP en interne pour ses usages critiques, au profit d’API REST et de CLI classiques :

« Le simple chargement des schémas d’outils MCP pouvait consommer jusqu’à 72 % de la fenêtre de contexte disponible, avant même que l’agent ne traite la moindre requête utilisateur. » — Denis Yarats, CTO de Perplexity, conférence Ask 2026

Perplexity n’a pas abandonné MCP partout : l’entreprise continue de le prendre en charge pour des usages comme la recherche en temps réel depuis des outils comme Claude Desktop, mais l’a écarté là où fiabilité et coût comptent le plus.

Même logique du côté des formats qui donnent du contexte métier à un agent (CLAUDE.md, AGENTS.md, les compétences packagées type SKILL.md) : chaque fournisseur a d’abord poussé son propre format, obligeant à dupliquer ou adapter la même documentation pour chaque agent utilisé. Le marché s’est en partie stabilisé depuis. AGENTS.md est aujourd’hui lu par une trentaine d’agents différents, et le format SKILL.md ouvert par Anthropic fin 2025 est déjà supporté par plus de trente outils concurrents, dont Gemini CLI de Google ou Kiro d’AWS. Mais ce qui est devenu un standard commun aujourd’hui a mis moins d’un an à se stabiliser, et rien ne garantit que le prochain format ne repartira pas de zéro. Parier trop tôt sur un format fermé reste un risque.

Concevoir pour un futur qu’on ne connaît pas encore

Personne ne peut prédire précisément à quoi ressemblera le développement logiciel dans cinq ans. Ce qu’on peut en revanche décider dès aujourd’hui, c’est la manière dont on conçoit : des architectures modulaires, des interfaces qui ne dépendent pas d’un seul fournisseur ou d’un seul protocole, une documentation et un contexte métier qui restent lisibles et réutilisables même si le format qui les porte change encore une ou deux fois.

C’est cette conviction qui structure la manière dont nous construisons chez Pabiosoft, pour nos propres produits comme pour ceux de nos clients : partir du problème réel, pas de la norme la plus récente.