De grandes organisations commencent à s’engager si elles sont à midi en train de le corriger dans l’environnement de la productivité. ¿Más IA implique-t-il automatiquement de générer plus de valeur ? Parece que ce que je suis en train de découvrir est que écrire plus de code n’est pas le même que d’entrer plus de logiciel.
Nous avons l’impression que non, l’intelligence artificielle a été créée dans une époque de changements frénétiques, au niveau social et commercial. Dedans des organisations, nous avons passé à accéder à des modèles LLM pour utiliser des copilotes et intégrer des agents dans nos processus. C’est tout à fait aussi rapide que si par inertie de nombreuses entreprises sont à midi en train d’avancer dans cette technologie avec quelque chose de très simple comme votre utilisation : le nombre d’utilisateurs, d’agents et/ou de jetons consommés.
Et c’est au détriment d’une métrique la plus importante, la productivité, parce que tanto ou que l’IA nous rend plus productifs, nous nous efforçons de méditer avec rigueur. Et quelque chose de plus dangereux, c’est que nous pouvons penser que si l’IA augmente la productivité, tant que l’IA est utilisée, la valeur la plus générée est générée.
Mais les consciences s’emparent du désespoir et commencent à faire apparaître les premiers signaux selon lesquels la réalité est bien plus complexe.
Ce week-end, Andrew Macdonald, directeur des opérations d’Uber, a questionné publiquement la capacité de relationner la consommation d’IA avec de meilleures réelles productivité. En gros, nous confirmons qu’il est aujourd’hui très difficile de démontrer que l’utilisation de ces outils se fait directement dans les plus grandes fonctionnalités utiles aux clients.
Et comme Macdonald, d’autres grandes organisations commencent à s’attendre à ce qu’elles soient midi à le faire correctement. ¿Más IA implique-t-il automatiquement de générer plus de valeur ?
Si nous sommes centraux sur les statistiques que nous avons historiquement utilisées pour gérer l’activité des équipes dans le développement de logiciels – lignes de code, commits, historiques complets ou vitesse d’entrée – nous pouvons affirmer que l’IA en général a disparu. J’ai donc réfléchi à un récent studio élaboré par des chercheurs du MIT et de Wharton, basé sur plus de 100 000 développeurs de GitHub. Il s’agit de confirmer des augmentations spectaculaires de l’activité de programmation grâce aux nouvelles générations d’agents d’IA. Les agents les plus avancés contribuent à augmenter les engagements jusqu’à 180%.
Si nous sommes seuls à cette donnée, nous pourrions constater une révolution de la productivité sans précédent. Mais l’étude va plus loin et révèle quelque chose de plus intéressant. Lorsque les enquêteurs analysent le résultat final et ne se contentent pas de l’activité générée, ils découvrent que cet incrément de 180 % et qu’ils s’engagent à convertir en seulement 30 % plus de sorties ou d’entrées réelles.
Et c’est une grande différence qui manifeste la réalité que beaucoup d’organisations sont en train de découvrir : écrire plus de code n’est pas ce qui permet d’acquérir plus de logiciels.
Entre autres extrêmes, il existe tout un ensemble d’activités qui restent fondamentales : révision, validation, intégration, tests, sécurité, déploiement et contrôle de qualité. Et l’IA n’élimine pas automatiquement tous les cuellos de botella qui existent déjà.
Le nouveau cuello de botella n’est pas dans le code
Et nous sommes ici avec une autre idée qui est répétée dans divers studios récents. L’IA nécessite un contexte, une direction et des critères. Anthropic, par exemple, a analysé des centaines de kilomètres de sessions réelles de Claude Code et a observé que les meilleurs résultats n’obtenaient pas nécessairement ceux qui avaient la plupart des connaissances en programmation, si ceux-ci comprenaient mieux le problème qu’ils avaient l’intention de résoudre.
Parce que, même si l’IA peut réduire le coût de construction, elle augmente également la valeur de décider correctement de construire. Et c’est ce qui a de grandes répercussions sur les organisations, car elles impliquent encore plus d’aspects importants comme la qualité des exigences, la connaissance du commerce, la gestion du produit, l’architecture, la qualité du logiciel ou la capacité de prioriser correctement.
Nous avons appris quelque chose que LedaMC nous a apporté beaucoup de temps pour défendre : la productivité ne dépend pas du code que nous pouvons générer, ce qui est important est la valeur de nos capacités d’achat.
Même si l’IA peut réduire le coût de construction, elle augmente également la valeur de décider correctement ce que construire
Il est habituel que, pendant la première phase d’une révolution technologique, la grande préoccupation de l’adoption, le FOMO soit là et même dans les grandes entreprises qui s’en échappent.
Mais c’est aussi quelque chose de normal qui, après un temps, commence à nous poser des questions si vous êtes vraiment en train de fonctionner.
Et, pour savoir, nous avons besoin de mesures qui vont plus loin pour la consommation d’outils, de licences actives, d’agents épuisés ou de volume d’utilisation. Métriques que nous avons à répondre aux questions les plus pertinentes : Est-ce que vous réduisez le coût de la fonctionnalité entregada ? Est-ce que vous réduisez le temps total d’entrée ? La qualité du logiciel est-elle meilleure ou employée ? La productivité est-elle augmentée de manière durable ou simplement nous générons plus d’activité ?
La réponse à ces questions nécessite encore plus d’observer les jetons ou les lignes de code. Exigez que le produit entreposé, la qualité obtenue, l’espace inversé et la valeur générée pour le commerce.
Lorsque nous sommes arrivés au cours d’une année, nous avons enregistré sûrement la première étape de l’adoption massive de l’IA d’une forme qui nous a permis d’enregistrer d’autres grandes transformations technologiques : une étape d’enthousiasme, d’expérimentation et d’apprentissage accéléré.
Nous espérons cependant qu’ils seront également enregistrés comme le moment où les organisations comprennent que la technologie, en soi, ne garantit pas les résultats.
La véritable vente compétitive ne sera pas celle qui consomme plus de jetons ni celle qui dépense plus d’agents. Vous serez en mesure de démontrer, avec des données objectives, que vous avez entrepris avec plus de valeur, avec la plus grande qualité et de forme la plus efficace.
Nous sommes donc en train de vivre la lumière à la fin du tunnel qui nous amène à la fin du tokenmaxxing et au début d’une nouvelle étape beaucoup plus intéressante : l’ère de la productivité démontrée.
Alexandra Blanco, responsable du contenu de LedaMC
