- Développement
- IA
Retour sur un an d’efficience en développement logiciel propulsée par l’IA
30 octobre — 2025
Il y a un an, en novembre 2024, nous avons publié ce texte qui annonçait une prise de position forte pour Mirego par rapport à nos pratiques de développement logiciel : l’adoption généralisée des outils IA de développement dans tous nos projets, pour tous nos clients.
Énormément de choses ont changé au cours des 12 derniers mois.
Cursor, Claude Code, OpenAI Codex et OpenCode ont émergé comme étant la nouvelle nouvelle génération d’outils. Les bonnes pratiques d’utilisation se sont raffinées au sein de Mirego (et de toute la communauté de développement). Nous avons même organisé un événement pour la communauté dédié au partage de connaissances et à l’expérimentation de ces outils.
Faisons un retour sur les changements qui sont survenus depuis novembre 2024, nos apprentissages ainsi que notre perspective pour le futur.
Enjeux similaires
Les deux principaux enjeux que nous souhaitions adresser en 2024 avant de nous lancer tête première dans ce mouvement étaient :
1
La gestion et la protection de la confidentialité des données et du code source de nos clients.
2
La gestion du risque de diminution des aspects primordiaux de qualité (maintenabilité à long terme, sécurité, accessibilité) des projets que nous livrons.
Bien que le premier enjeu soit toujours présent, son importance est demeurée sensiblement la même qu’il y a un an et les façons de le mitiger sont constantes : utiliser des services et outils qui possèdent des termes et conditions d’utilisation très clairs sur l’utilisation des données qui y sont soumises afin de s’assurer que celles-ci soient compatibles avec les exigences de nos clients.
Par contre, avec la montée en popularité du vibe coding, force est d’admettre que le deuxième est toujours autant, sinon plus, d’actualité en 2025.
L’évolution de ces outils d’IA, les faisant passer de simples générateurs de code à des agents capables d’exécuter des tâches complexes et complètes, combinée à l’amélioration continue des différents modèles LLMs (notamment Claude Sonnet 4.5 et GPT-5-Codex) a ouvert les portes à un nouveau paradigme d’utilisation → confier une tâche à un agent et le laisser la réaliser de A à Z.
« Le paradoxe, c'est que plus l’IA facilite le développement, plus le jugement du·de la développeur·euse prend de la valeur. [...] Plus on peut avancer vite, plus on a besoin de quelqu’un·e aux commandes. »
Ces modèles d’IA sont puissants mais demeurent imprévisibles. Avec un·e développeur·euse expert·e aux commandes, ils sont réellement redoutables.
Dans un contexte où les enjeux de qualité, maintenabilité, sécurité, accessibilité, etc. sont toujours primordiaux, nous croyons plus que jamais qu’au-delà des outils eux-mêmes, le plus important est d’avoir la meilleure équipe qui maîtrise ses outils et qui est capable d’en tirer le maximum, sans compromis.
Comme nous le mentionnions en 2024, les processus SDLC qui s’appuient sur des outils déterministiques (eg. analyses statiques de code, balayages de vulnérabilités, tests automatisés) sont cruciaux dans l’utilisation d’outils d’IA. Ils le sont maintenant encore plus dans le contexte des boucles de rétroaction agentiques.
Évolutions et apprentissages en continu
Une des leçons que nous avons apprise en tant qu’équipe est que, pour encore plusieurs années probablement, nous nous devons d’être dans un constant mode d’apprentissage et de raffinage de nos pratiques.
Les outils et les modèles évoluent. Ce qui était bon il y a trois mois n’est peut-être plus autant efficace aujourd’hui. Ce qui fonctionnait de manière peu fiable il y a trois mois fonctionne peut-être très bien maintenant. Nous devons donc continuer à mettre toujours plus d’efforts sur le partage de connaissances.
Une autre leçon apprise est que nous devons être plus intentionnel sur la mesure de l’impact concret de l’utilisation de l’IA dans nos processus.
« Sans données, vous n’êtes qu'une personne de plus avec une opinion. »
L’IA a souvent la fâcheuse tendance de nous donner l’impression d’être extrêmement productif à court terme, mais nous fait oublier les dizaines d’ajustements subséquents qui doivent être réalisés pour atteindre le résultat souhaité. Ces ajustements sont d’une importance capitale; ils doivent être mesurés et valorisés.
Des résultats concrets
Ces apprentissages se sont définitivement matérialisés en résultats concrets dans nos projets. En mettant l’emphase sur la réflexion et en rédigeant des prompts techniques, clairs et précis, notre équipe a réalisé de nombreux gains d’efficience dans tous nos projets, tout en évitant de tomber dans certains nouveaux pièges.
Nous avons réalisé que plutôt que de fournir de longues instructions à un outil d’IA pour implémenter une fonctionnalité et lui laisser prendre les dizaines de micro-décisions d’implémentation, qu’il valait souvent mieux passer de longues minutes (ou même heures) à raffiner un plan de match technique extrêmement précis et structuré qu’il devra ensuite exécuter de manière autonome.
Fait intéressant, certains résultats n’ont pas toujours eu l’ampleur souhaitée. Dans le cas spécifique d’un ensemble de fonctionnalités complexes à développer dans un projet, un membre de notre équipe a passé 6 heures à rédiger méticuleusement un prompt technique détaillé qui lui a permis de générer l’équivalent d’une quinzaine de jours de développement; à première vue, un multiplicateur de productivité hautement impressionnant.
Mais plus le membre de l’équipe plongeait dans le code pour effectuer les derniers ajustements, plus il s’est aperçu que des décisions discutables avaient été prises par l’outil IA et s’est retrouvé à finaliser manuellement l’ensemble des fonctionnalités pendant une dizaine de journées de développement supplémentaires.
Bref, il est facile d’être initialement impressionné par les prouesses de ces outils IA. Mais il demeure toujours primordial pour nous de les approcher de manière pragmatique et rigoureuse en mesurant leur impact concret par rapport aux estimations de travail initiales.
Toujours vers le futur
Aujourd’hui en novembre 2025, nous croyons toujours que ces outils sont le futur du développement logiciel.
Nous sommes convaincus qu’il est possible pour des équipes de développement de les maîtriser pour maximiser leur efficience et livrer plus de valeur sans compromettre la maintenabilité à long terme d’un projet. C’est ce que nous faisons au quotidien et allons continuer de faire chez Mirego.
Plutôt que d’envisager un futur où les développeur·euse·s agissent en « gestionaires d’agents IA » qui coordonnent une multitude d’agents travaillant en parallèle sur plusieurs tâches, notre vision s’apparente plus à celle des chirurgien·ne·s qui passent la majorité de leur temps sur des tâches extrêmement complexes et où leur expertise est nécessaire. Les tâches répétitives et à moindre valeur peuvent être rapidement déléguées à l’IA pour que les développeur·euse·s puissent focuser sur ce qui compte réellement.
À travers tous les changements, toutes les évolutions et tous nos apprentissages, le seul élément qui n’a pas changé entre novembre 2024 et novembre 2025 est notre principe non-négociable : nous bâtissons des produits de qualité (autant au niveau UI/UX pour nos produits qu’au niveau maintenabilité pour notre code) qui ont de l’impact.
Une chose est certaine pour nous → les outils IA de développement ne doivent jamais remettre en question ce principe.
