L’apport des intelligences artificielles génératives dans la conception et le chiffrage des projets logiciels
Les phases amont des projets logiciels – analyse des exigences, conception et estimation – sont parmi les plus déterminantes pour la réussite d’un projet. C’est à ce moment que se définissent les fonctionnalités, l’architecture et les premières estimations de coûts et de délais. Pourtant, ces activités restent souvent longues, incertaines et fortement dépendantes de l’expertise des analystes.
L’émergence des intelligences artificielles génératives (IAG) ouvre aujourd’hui de nouvelles perspectives pour assister les équipes d’ingénierie logicielle dans ces étapes critiques. Grâce aux grands modèles de langage capables d’analyser des documents, de structurer des informations et de générer des artefacts techniques, ces technologies deviennent de véritables assistants pour les analystes, architectes et estimateurs.
Assistance à l’analyse et à la conception
Lors de la phase d’analyse des exigences, les IAG peuvent parcourir rapidement des cahiers des charges, des spécifications fonctionnelles ou des user stories afin d’en extraire les éléments structurants : acteurs, processus métiers, données manipulées et interactions entre systèmes.
À partir de ces informations, elles peuvent proposer une structuration des fonctionnalités, générer des descriptions de processus ou encore produire des modèles de conception tels que des diagrammes UML ou BPMN. Cette capacité permet d’accélérer la compréhension globale d’un système et d’aider les équipes à formaliser plus rapidement une architecture fonctionnelle cohérente.
Les gains sont particulièrement visibles lorsque les projets comportent une documentation volumineuse. L’IA peut en quelques minutes synthétiser des centaines de pages de spécifications et mettre en évidence les principales fonctionnalités et leurs relations.
Accélération du chiffrage des projets
Le chiffrage des projets logiciels constitue une autre activité fortement impactée par les IAG. Traditionnellement, l’estimation repose sur l’identification manuelle des fonctionnalités, la mesure de la taille fonctionnelle (par exemple en points de fonction IFPUG ou COSMIC) puis l’application de modèles d’effort.
Les IAG peuvent aujourd’hui assister ces différentes étapes. Elles sont capables d’identifier automatiquement des processus fonctionnels à partir de descriptions textuelles, de structurer les fonctionnalités d’un système et de préparer les éléments nécessaires à une mesure de taille fonctionnelle.
Cette assistance permet de réduire significativement le temps nécessaire pour produire une première estimation. Là où un analyste devait auparavant analyser manuellement chaque exigence, l’IA peut fournir une première structuration sur laquelle l’expert va ensuite exercer son jugement.
Des gains de productivité mesurables
Les premiers retours d’expérience montrent des gains de productivité significatifs dans les phases amont des projets logiciels.
| Activité | Gain observé |
|---|---|
| Analyse des exigences | 30 à 60 % de réduction du temps d’analyse |
| Identification des fonctionnalités | productivité multipliée par 2 à 4 |
| Production de modèles de conception | 30 à 50 % de gain de temps |
| Mesure de taille fonctionnelle | 40 à 70 % de réduction du temps de mesure |
| Production d’une estimation initiale | 50 à 80 % plus rapide |
Globalement, sur les phases d’analyse, de conception et de chiffrage, les gains de productivité peuvent atteindre 30 à 50 % sur des projets moyens, et parfois davantage lorsque les documents d’entrée sont bien structurés.
Des outils d’ingénierie augmentée
Ces résultats ne signifient pas que l’IA remplace les experts en ingénierie logicielle. Au contraire, son efficacité dépend fortement de la qualité des documents analysés et de la supervision par des spécialistes capables d’interpréter les résultats.
Les IAG doivent donc être considérées comme des outils d’ingénierie augmentée. Elles automatisent certaines tâches d’analyse et de structuration de l’information, tout en laissant aux experts la responsabilité de valider les modèles, d’arbitrer les choix d’architecture et d’affiner les estimations.
À mesure que ces technologies s’intégreront dans les outils de gestion de projets, de gestion de backlog ou d’estimation, elles pourraient transformer en profondeur la manière dont les projets logiciels sont conçus et chiffrés. L’enjeu n’est plus seulement de produire plus vite des estimations, mais aussi d’améliorer leur cohérence et leur traçabilité dès les premières phases du cycle de vie logiciel.