Comment un grand assureur américain déploie l’IA à grande échelle tout au long du cycle de développement logiciel

Le défi

Dépasser le stade de l’expérimentation avec l’IA

L’assureur avait décidé d’investir très tôt dans des outils de développement basés sur l’IA, mais peinait à répondre à plusieurs questions fondamentales :

• Où et quand l’IA doit-elle être déployée tout au long du SDLC ?
• Comment répondre aux exigences de l’entreprise en matière de sécurité, de conformité, de réglementation juridique et de sourcing une fois les outils sélectionnés ?
• Comment mesurer les améliorations sur l’ensemble du SDLC ?
• Comment convertir ces améliorations en gains tangibles ?

La réussite des programmes SDLC basés sur l’IA nécessite bien plus qu’un simple déploiement technologique. Elle exige un cadre de transformation qui relie directement les initiatives d’IA aux objectifs métier et à des résultats mesurables.

Le processus

Six chantiers qui ont accéléré la transformation du SDLC par l’IA

Wavestone a travaillé avec l’assureur pour définir et lancer six chantiers. Leur conception tenait compte de l’environnement réglementaire de l’organisation, de son modèle de sourcing et de son empreinte en matière d’ingénierie. Ces chantiers se sont révélés transposables à d’autres grandes entreprises, même si leur importance varie selon les organisations.

Le programme s’est appuyé sur des enseignements tirés du terrain. Un pilote de 12 semaines réunissant plus de 30 participants a permis d’évaluer GitHub Copilot et Amazon Q, aux côtés de MS 365 Copilot et SeaLights. Chaque recommandation a été validée à partir de l’expérience concrète de ces équipes.

Comment l’IA était utilisée au quotidien

Les principaux cas d’usage déployés au sein des équipes de développement concernaient la génération de code, la génération de tests unitaires, le refactoring, l’optimisation des performances, le débogage, la compréhension du code et la documentation. La valeur provenait de la combinaison de ces capacités plutôt que d’une capacité prise isolément.

Les résultats

Des gains de productivité aux résultats métier

Pour cet assureur, les principales opportunités de création de valeur ont été identifiées dans quatre phases : la planification, les exigences, le développement et les tests. Le programme s’est concentré sur ces phases plutôt que de chercher à transformer l’ensemble du cycle de vie en une seule fois. Wavestone a constaté une concentration similaire dans d’autres grandes organisations d’ingénierie, même si la répartition varie en fonction de la maturité des outils et de l’emplacement des principaux points de blocage dans la chaîne de delivery.

La productivité n’était qu’un point de départ. L’assureur a converti ces gains à travers deux leviers.

Levier 1 : Avantage concurrentiel grâce à un meilleur levier opérationnel

L’IA a permis à l’assureur d’accomplir davantage avec ses équipes internes existantes :

• Environ 30 % de gain de temps moyen par développeur
• Première valeur mesurable en environ 4 jours ouvrés d’expérimentation, ce qui a rapidement levé les objections liées au délai de création de valeur
• Plus de 80 cas d’usage métier qualifiés identifiés
• Plus de 100 collaborateurs formés, avec une dynamique d’adoption positive mesurée à l’aide du Net Promoter Score

Plutôt que de réduire les effectifs, l’assureur a réalloué les capacités à la modernisation de l’architecture, à la réduction de la dette technique, aux initiatives d’innovation, à la résolution de problèmes complexes et à l’accélération de la mise sur le marché des produits.

Levier 2 : Optimisation des coûts grâce à la réduction des coûts de delivery

L’IA a également créé des opportunités d’optimisation des dépenses externes liées au delivery :

• Entre 3 et 5 M$ d’économies estimées sur une sélection d’initiatives futures
• Des opportunités émergentes de réaliser 10 à 30 % d’économies lors du renouvellement des contrats de services IT
• Implication des prestataires de services managés dès le début afin de tirer directement parti des enseignements de leurs équipes

À mesure que les gains de productivité se sont consolidés, l’assureur a repensé ses relations avec ses fournisseurs en réajustant les contrats, en optimisant les périmètres, en mettant en place des modèles de partage des gains et en améliorant l’efficacité du delivery. Le résultat est un impact financier mesurable qui se traduit dans les marges opérationnelles et renforce l’accent mis sur un modèle de delivery fondé sur les résultats plutôt que sur les capacités.

Ce que cela signifie pour les autres organisations

Le déploiement d’assistants de codage basés sur l’IA n’est qu’un point de départ. Le véritable enjeu consiste à mettre en place un programme de transformation structuré qui améliore systématiquement la manière dont les logiciels sont planifiés, développés, testés et livrés.

La planification, les exigences, le développement et les tests sont également les phases que les outils agentiques commencent déjà à transformer, ce qui modifie les leviers de création de valeur. L’enjeu n’est plus la vitesse individuelle des développeurs, mais l’orchestration : comment le travail est réparti entre les agents, comment les résultats sont vérifiés avant leur passage en production et où le jugement humain reste indispensable. La capacité de revue devient alors la contrainte, plutôt que la capacité de production.

Lorsque les systèmes d’IA exécutent des tâches en plusieurs étapes avec moins de supervision, les organisations qui en tirent parti savent déjà comment mesurer les résultats, gouverner le déploiement, maîtriser le coût en tokens lié à l’exécution d’agents à grande échelle et favoriser l’adoption auprès d’importantes populations d’ingénieurs. Sans maîtrise, ces dépenses de calcul érodent les économies que le programme devait générer. Les capacités développées pour les outils d’assistance sont précisément celles qui permettent de déployer les outils agentiques à grande échelle en toute sécurité, laissant les organisations encore au stade des pilotes en retard avant même que cette transition ne s’impose.

Chaque nouvelle vague d’IA dans le développement logiciel déplace le goulet d’étranglement. Le prochain déplacement concerne la spécification et la vérification. L’avantage ira aux organisations capables d’identifier en premier où la contrainte s’est déplacée et de se réorganiser en conséquence.