Concept SDLC Augmenté par l'IA
Le cycle de développement piloté par l'IA : 11 phases, 3 gates humains, 2 capitalisations. L'IA exécute, l'humain encadre, le projet apprend.
Qu'est-ce que le SDLC augmenté par l'IA ?
Le SDLC augmenté par l'IA (ou SDLC piloté par l'IA) est la refonte du cycle de développement logiciel pour l'ère de la production agentique. Greffer l'IA sur un cycle pensé pour des humains ne produit pas un facteur dix, juste un goulot qui répète ses erreurs dix fois plus vite. Le cycle tel que SFEIR le pratique se décompose en onze phases, trois gates humains et deux capitalisations, selon une devise : l'IA exécute, l'humain encadre, le projet apprend.
Les onze phases vont de 0 Setup à 10 Deprecation. Trois gates humains inviolables bornent une exécution massivement automatisée : Define (la spécification), Plan (l'architecture) et Ship (la validation avant livraison). Deux phases ne produisent pas de code mais du capital : les capitalisations Compound-1 et Compound-2, dont les leçons sont rechargées au Plan du cycle suivant. L'article de référence détaille le cycle phase par phase, avec la convergence des cadres qui le valident (ADLC, DORA, Google).
Les quatre temps : amont, cœur, capitalisation, aval
On peut lire ces onze phases en quatre temps. L'amont (Setup, Define, Plan) cadre, contractualise et explore. L'humain y pèse le plus : une idée devient un contrat, puis le Plan ouvre trois explorations parallèles dont l'humain arbitre les conflits avant le code. Le cœur (Build, Verify, Review) construit une tranche à la fois, exécute les tests sous mesure de couverture et consolide plusieurs revues parallèles en un verdict.
La capitalisation (Compound-1 et 2) transforme le travail en savoir réutilisable : leçons statiques avant livraison, leçons runtime en production, toutes deux réinjectées au Plan suivant : « un bug vu deux fois n'est pas un bug, c'est un trou dans le système ». L'aval (Ship, Ops, Deprecation) livre, observe et retire : checklist de mise en production, rollback écrit à froid, déploiement progressif de 5 à 100 %, puis retrait annoncé du code, car le code est une dette.
- Amont : 0 Setup · 1 Define (gate) · 2 Plan (gate)
- Cœur : 3 Build · 4 Verify · 5 Review
- Capitalisation : 6 Compound-1 · 9 Compound-2
- Aval : 7 Ship (gate) · 8 Ops · 10 Deprecation
Trois convictions : l'IA exécute, l'humain encadre, le projet apprend
L'IA exécute, elle n'assiste pas. Un assistant propose une suggestion à valider ligne par ligne ; un exécutant produit des artefacts (code, tests, documentation) sur tout le cycle. Cette autonomie n'a de valeur que sous discipline de preuve : on capture la sortie réelle de chaque étape, jamais la déclaration de l'agent. On ne croit pas un agent sur parole quand il affirme que les tests passent.
L'humain garde le contrôle aux trois gates : l'intention de produit, l'arbitrage d'architecture et l'acceptation d'une modification ne se délèguent pas. Le système apprend du projet : chaque cycle enrichit le suivant, si bien que le centième est meilleur que le premier par construction : environ − 30 % d'itérations de correction après dix cycles chez SFEIR. C'est le cœur de la stratégie AI for IT, le 10x : viser un facteur dix, pas des gains marginaux.
Où il s'applique, où il s'arrête
Le cycle augmenté excelle là où le contexte métier est explicitable (back-offices, APIs, portails, modernisation de legacy), là où le volume est répétitif et traçable (tests, migrations, documentation, conformité), et partout où le résultat se prouve automatiquement.
Il n'a pas sa place, ou pas encore, ailleurs : l'inédit sans spécification reste humain, le safety-critical certifiable (DO-178C, EN 50128) attend que la chaîne d'outils IA soit elle-même qualifiée, et les données non gouvernées sont un préalable, pas un terrain de jeu. L'industrie redécouvre aujourd'hui cette même structure de son côté : l'ADLC, Google (The New SDLC With Vibe Coding), DORA. Ce cycle est donc moins une doctrine maison qu'une propriété du problème.
Questions fréquentes
Quelle est la différence entre SDLC classique et SDLC Augmenté ?
Le SDLC classique distribue l'effort uniformément entre phases. Le SDLC Augmenté concentre 80% de l'effort humain sur la spécification et la revue, délègue l'exécution à l'IA, et s'appuie sur un CI/CD ultra-robuste comme filet de sécurité automatisé.
Quelles sont les 11 phases, les 3 gates humains et les 2 capitalisations ?
Le cycle va de la phase 0 à la phase 10 : 0 Setup, 1 Define, 2 Plan, 3 Build, 4 Verify, 5 Review, 6 Compound-1, 7 Ship, 8 Ops, 9 Compound-2, 10 Deprecation. Les agents exécutent l'essentiel ; l'humain garde la main à trois gates inviolables : la spécification (Define), le plan d'architecture (Plan) et la validation des modifications avant livraison (Ship). Deux phases ne produisent pas de code mais du capital (les capitalisations Compound-1 et Compound-2), dont les leçons sont rechargées au Plan du cycle suivant.
Quelles sont les trois convictions du SDLC piloté par l'IA ?
Trois convictions structurent le cycle. D'abord, l'IA exécute, elle n'assiste pas : elle produit des artefacts complets sur tout le cycle, pas des suggestions à valider ligne par ligne. Ensuite, l'humain garde le contrôle aux trois gates, là où se décident l'intention, l'architecture et l'acceptation d'une modification. Enfin, le projet apprend : chaque cycle enrichit le suivant, si bien que le centième est meilleur que le premier par construction : c'est l'effet compound, mesuré à environ − 30 % d'itérations de correction après dix cycles chez SFEIR.
Qu'est-ce que la « discipline de preuve » ?
C'est le principe qui rend l'exécution autonome sûre : on capture la sortie réelle de chaque étape plutôt que la déclaration de l'agent. On ne croit pas un agent sur parole quand il affirme que les tests passent : on capture la sortie d'exécution. C'est une discipline de fonctionnement, pas un indicateur chiffré, et c'est elle qui neutralise à la racine les hallucinations et la complaisance des modèles.
Quelles sont les limites du SDLC piloté par l'IA ?
Certains domaines restent hors périmètre. Le logiciel safety-critical certifiable (avionique DO-178C, ferroviaire EN 50128) attend que la chaîne d'outils IA soit elle-même qualifiée : l'IA y renforce la vérification, mais ne signe pas la certification. S'y ajoutent les données non gouvernées et l'inédit sans spécification, là où il n'existe ni contexte fiable ni critère de vérification objectif.
Articles liés
Un SDLC piloté par l'IA : le cycle SFEIR à 11 phases (et pourquoi l'industrie y converge)
Greffer l'IA sur un cycle pensé pour des humains ne donne pas un facteur 10, juste un goulot qui produit ses erreurs dix fois plus vite. Le SDLC augmenté : 11 phases, 3 gates humains, 2 capitalisations, et la convergence des cadres qui le valident.
Le code est devenu gratuit. Décider quoi construire, jamais.
Quand écrire du code devient gratuit, le risque migre vers l'amont : une idée mal cadrée se propage à la vitesse de l'IA. Define et Plan — les deux gates humains où une idée devient un contrat, et où trois explorations deviennent une décision d'architecture.
« Les tests passent » : pourquoi l'IA exécute (et ne se contente pas d'assister)
Un agent qui annonce « les tests passent » ne prouve rien : il déclare. La conviction 1 du SDLC SFEIR — l'IA exécute, elle n'assiste pas — tient à une discipline simple et non négociable : capturer la sortie réelle de chaque étape, sur tout le cycle, jamais le claim de l'agent.
Compound-1 & Compound-2 : les deux phases où le SDLC piloté par l'IA apprend
Un bug vu deux fois n'est pas un bug, c'est un trou dans le système. Comment le SDLC SFEIR transforme chaque cycle en capital : deux phases de capitalisation — leçons statiques avant livraison, leçons runtime en prod — rechargées au plan suivant. − 30 % d'itérations après 10 cycles.
Le jour où un agent a supprimé la base de production — pendant un gel de code
L'IA accélère la génération de code ; le goulot, lui, se déplace en aval — déploiement, ops, retrait. L'incident Replit l'a montré brutalement. Comment gouverner Ship, Ops et Deprecation : rollback écrit à froid, déploiement progressif 5→100 %, observation 7-14 jours, retrait par flag.
Les limites du SDLC piloté par l'IA : où l'on n'y va pas (encore)
64 % des dirigeants tech veulent déployer des agents, 17 % l'ont fait. L'écart n'est pas un problème de modèle, mais de périmètre. La carte des bons cas — et des trois frontières assumées : l'inédit sans spec, le safety-critical certifiable, les données non gouvernées.
Convergence 2026 : quand l'ADLC et l'industrie redécouvrent le cycle agentique de SFEIR
Sept billets anonymes publiés en 2026 décrivent, trait pour trait, le cycle agentique que SFEIR pratique. ADLC, Lattice, PROJ-AI, DORA, McKinsey : quand des cadres construits indépendamment dessinent le même SDLC, ce n’est plus une mode, c’est une propriété du problème.
Votre vélocité de dev a triplé. Votre coût total, personne ne sait s'il monte ou descend.
La vélocité de vos équipes a triplé, mais vous enrichissez-vous à chaque feature ? Le bon indicateur n'est pas la vitesse, c'est le TCO. Dette cachée du vibe coding (Low CapEx / High OpEx) contre investissement agentic amortissable. Le vibe coding finit 3 à 10× plus cher par feature.
CI/CD ultra-robuste : le filet de sécurité du développement 10x
Le paradoxe du développement augmenté Il y a une tension au cœur de la révolution IA que peu d'équipes techniques prennent le temps d'articuler clairement. D'un côté, les promesses sont réelles : générer du code plus vite, réduire la friction, atteindre un facteur de pro...
Claude Code : l'agent de développement qui change la donne
De l'assistant au agent : une rupture qui redéfinit le développement logiciel Pendant des années, l'IA dans le développement logiciel a joué un rôle bien délimité : celui du copilote. Un outil intelligent, certes, capable de compléter une ligne de code, de suggérer une fonction...
Compound Engineering : comment chaque cycle rend le suivant plus facile
Le paradoxe du prompt vide : pourquoi votre IA recommence toujours de zéro Imaginez embaucher un développeur senior chaque matin, lui expliquer l'intégralité de votre projet, vos conventions, votre architecture, vos décisions passées — puis le voir partir à 17h sans laisser la m...
Data Shift Left : intégrer la donnée dès la conception
Quand la donnée cesse d'être une afterthought Pendant des années, la donnée a vécu dans les marges du développement logiciel. On construisait d'abord, on pensait à la donnée ensuite — au moment de brancher la base de données, d'écrire les migrations, ou pire, au moment o...
DataOps : CI/CD pour les pipelines de données
De la donnée artisanale à l'ingénierie industrielle : pourquoi le DataOps s'impose Pendant longtemps, les pipelines de données ont été traités comme des objets à part dans le système d'information : écrits rapidement, documentés de façon lacunaire, déployés manuellement...
Écrire du code est un anti-pattern : la provocation qui change tout
La provocation qui remet tout en question « Écrire du code est désormais un anti-pattern. On ne doit plus produire de code manuellement. » Cette phrase, prononcée par Didier Girard, a de quoi faire bondir n'importe quel développeur. Elle semble absurde, voire pro...
Gestion des changements à grande échelle : ITIL augmenté
De la gestion des changements à l'orchestration intelligente : pourquoi ITIL doit évoluer Pendant des décennies, ITIL a constitué le socle de référence pour la gestion des services informatiques. Ses processus bien huilés — Change Advisory Board, gestion des incidents, c...
Infrastructure as Code : le fondement du multiplicateur DORA
Quand l'IA rencontre l'infrastructure : le moment de vérité Le rapport DORA 2025 l'affirme sans détour : 90% des développeurs utilisent désormais l'IA au quotidien, une progression de 14 points en un an, soit l'accélération d'adoption la plus rapide jamais mesurée pour u...
Du Spec-Driven à l'Issue-Based : l'évolution du développement IA
Le code comme anti-pattern : un changement de paradigme radical Il y a quelques années, optimiser le cycle de développement logiciel signifiait gagner quelques pourcents de productivité ici et là : meilleurs outils, meilleures pratiques, CI/CD plus rapide. Aujourd'hui, c...
Stack AI-Ready : pourquoi TypeScript et le trunk-based dev sont essentiels
Le code manuel est mort. Vive le contexte engineering. C'est une phrase qui dérange, qui bouscule les certitudes de toute une profession : « Écrire du code est désormais un anti-pattern. » Pourtant, c'est précisément ce qu'affirme Didier Girard, et c'est la thèse centrale que no...
Tests automatisés : le multiplicateur DORA que personne ne peut ignorer
L'IA code plus vite que vous ne pouvez relire : bienvenue dans l'ère de l'amplification Un chiffre, d'abord. Selon le rapport DORA 2025, 90 % des développeurs utilisent désormais l'IA au quotidien. Ce taux a progressé de 14 points en un an — l'accélération la plus rapide...
Trunk-based development et l'IA : pourquoi les feature branches freinent
Le paradoxe de la branche feature : quand l'organisation freine la machine Pendant des années, le modèle feature branch a représenté une bonne pratique presque incontestée du développement logiciel moderne. Chaque développeur part sur sa branche, travaille en isolation, ouvre un...
TypeScript : le langage AI-Native par excellence
Quand l'IA choisit son langage de prédilection Il y a quelque chose de fascinant à observer comment l'écosystème du développement logiciel se réorganise autour de l'intelligence artificielle agentique. Parmi tous les signaux que nos équipes ont captés pour les Tech Trend...
Pourquoi le temps passé et les ETP sont des indicateurs obsolètes
Avec l'IA générative, le volume de code n'est plus corrélé à l'effort humain. Mesurer la valeur au temps passé revient à pénaliser l'efficacité. Il est temps de passer à l'engagement de résultats.
Harness Engineering : le modèle compte moins que le harnais
Même modèle, 58% vs 81,8% de réussite. La variable décisive n'est pas l'IA — c'est le système qui l'entoure. Bienvenue dans l'ère du harness engineering.
AI4IT d'abord : pourquoi l'IA pour le SI précède l'IA pour les métiers
AI4IT d'abord, AI4Business ensuite : pourquoi l'IA pour le build et le run du SI passe avant l'IA pour les métiers dans la fenêtre 2026-2027.