Industrialiser avec l'IA, sans lui laisser la main

Contexte

Sur une data plateforme, une grande partie du travail se répète : modéliser une nouvelle source, construire un pipeline d'ingestion, le tester, le documenter. Chaque projet le refait, chaque personne à sa façon. C'est la même démarche que pour rendre le client autonome : notre équipe et celles de nos clients travaillent ensemble, et doivent pouvoir reprendre le travail des autres.

Enjeu

L'IA peut faire gagner beaucoup de temps sur ce travail répétitif. Mais sans cadre, elle produit autant de façons de faire qu'il y a de personnes, et personne ne sait vraiment ce qu'elle a livré. L'enjeu n'était pas d'utiliser l'IA, c'était de l'industrialiser : la mettre au service d'une méthode, pas l'inverse.

Mes décisions

• Traduire la méthode en outillage. Mon rôle : concevoir les outils qui portent notre méthode et nos process, pour qu'ils s'appliquent d'eux-mêmes.
• Des skills pour la modélisation. Les mêmes standards de modélisation sur tous les projets de l'équipe : un patrimoine homogène, plus simple à maintenir et à faire évoluer.
• Des agents pour les pipelines, tests d'abord. Le principe du TDD décliné aux pipelines d'ingestion : on écrit d'abord les tests qui définissent le résultat attendu, puis l'agent construit le pipeline qui doit les passer.
• Toujours un humain dans la boucle. L'IA est un assistant, pas un remplaçant : l'humain fixe les attentes et valide, l'IA exécute.
• Générer de l'outillage plutôt que refaire les mêmes raisonnements. Quand un raisonnement revient, on en fait un outil réutilisable, au lieu de le redemander à l'IA à chaque fois.
• Beaucoup d'expérimentation. Ce qui marche devient un standard, le reste est abandonné.

Équipe et budget

Je conçois les outils et je les fais évoluer. Je les utilise moi-même, comme notre équipe et les équipes de nos clients.

Résultat

• Une modélisation ou un pipeline d'ingestion passe de 3 à 5 jours, selon la complexité, à 0,5 jour.
• Des pratiques uniformes d'un projet à l'autre, d'une personne à l'autre.
• De nouveaux arrivants intégrés plus facilement : les standards sont dans les outils.
• Une équipe qui se concentre sur la valeur, pas sur l'implémentation.

Ce que j'en retiens

• L'IA en assistant, pas à la place. Elle accélère, l'humain décide et valide.
• Industrialiser, c'est capitaliser. Un raisonnement qu'on refait est un outil qu'on n'a pas encore écrit.