- ▸ Le mirage du 10x, ou l'art de culpabiliser une équipe
- ▸ Une bonne culture ne se mesure pas en tokens consommés
- ▸ Deux cultures, deux usages de l'IA
- ▸ Ce que les agents IA ne devinent pas tout seuls
Une newsletter spécialisée pour ingénieurs pose une question qui dérange les comités de direction : si l’IA rend vraiment certaines équipes dix fois plus productives, pourquoi la vôtre ne l’est pas ? Ma réponse, après avoir suivi des dizaines d’équipes techniques ces dernières années : l’écart ne se loge pas dans l’outil. Il se loge dans la culture qui l’entoure.
Le mirage du 10x, ou l’art de culpabiliser une équipe
La scène se rejoue dans chaque comité de direction depuis 2025. Quelqu’un brandit un cas d’usage concurrent. « D’autres entreprises sont 10x plus productives en utilisant cet outil IA », lâche-t-on en réunion, selon les témoignages recueillis par la newsletter Engineering Leadership le 24 août 2026. S’ensuit la question qui plombe l’ambiance : « Pourquoi n’avons-nous pas cette même productivité ? »
Cinq mots reviennent en boucle dans les organisations tech : « Vous devez utiliser cet outil IA. » Puis six autres : « Vous devez adopter ce workflow IA. » La direction répète la promesse — « vos ingénieurs devraient être 2x, 5x, voire 10x plus productifs avec l’IA » — sans jamais préciser comment. L’injonction remplace la méthode.
Le problème n’est pas la promesse. C’est son adresse. On la lance à des individus isolés, sommés de « devenir » productifs par eux-mêmes, comme si la productivité était une compétence personnelle qu’on acquiert en cochant une case sur un outil. Elle ne l’est pas. Elle est le produit d’un système.
Une bonne culture ne se mesure pas en tokens consommés
L’auteur de la newsletter Engineering Leadership décrit treize années passées à observer, de l’intérieur, ce que produit une mauvaise culture d’ingénierie : des journées entières perdues à se rejeter la faute, des développeurs qui retiennent l’information par prudence, des décisions reprises trois fois faute d’alignement. Aucun outil ne compense cette friction. Il l’amplifie, en donnant à chacun de nouveaux moyens de produire du travail que personne ne validera correctement.
À l’inverse, une équipe où la confiance circule absorbe un nouvel outil en quelques semaines, parce que la question « comment on fait ici » a déjà une réponse partagée. La différence ne tient pas au modèle utilisé. Elle tient à ce qui existait avant le modèle.
Deux cultures, deux usages de l’IA
- Culture faible : chacun teste un agent seul dans son coin, sans convention commune ; les corrections se multiplient ; la confiance s’érode à chaque code review conflictuelle.
- Culture forte : les décisions passées sont documentées, les conventions sont explicites ; l’agent hérite de ce cadre au lieu de le réinventer à chaque tâche.
- Culture faible : l’IA sert d’argument pour justifier une réduction d’effectifs déjà décidée ailleurs.
- Culture forte : l’IA sert à libérer du temps que l’équipe réinvestit dans ce qu’elle sait déjà bien faire.
Ce que les agents IA ne devinent pas tout seuls
Un agent génère du code sans effort apparent. Sur ce point, personne ne discute plus en 2026. Mais générer n’est pas décider. L’agent ignore pourquoi l’équipe a choisi telle architecture plutôt qu’une autre en 2024, pourquoi tel raccourci a été banni après un incident, pourquoi telle convention de nommage prime sur une autre plus élégante sur le papier.
C’est là que la newsletter Engineering Leadership pose, à mon sens, la bonne question — celle que la plupart des directions n’osent pas formuler : « Comment construit-on une organisation où les meilleures personnes peuvent produire leur meilleur travail, puis utilisent l’IA pour se démultiplier ? » Pas « comment fait-on adopter l’IA à tout le monde ». La nuance change tout : la première question part de l’humain et de son cadre ; la seconde part de l’outil et cherche des utilisateurs à sa hauteur.
Je crois que confondre les deux est l’erreur la plus coûteuse que commettent aujourd’hui les organisations tech. Elle transforme un investissement en outillage en pari sur la bonne volonté individuelle — un pari que la culture, seule, peut faire gagner ou perdre.
« On n’a plus besoin d’autant de gens » : la phrase qui casse la confiance
Voici l’objection qu’on m’oppose souvent, et elle mérite d’être prise au sérieux : certaines tâches sont, de fait, automatisables aujourd’hui qu’elles ne l’étaient pas hier. Nier ce point serait malhonnête. La newsletter Engineering Leadership rapporte une phrase entendue dans plusieurs organisations : « C’est très facile à construire maintenant qu’on a l’IA, on n’a plus besoin d’autant de gens. »
Techniquement, l’affirmation peut être vraie tâche par tâche. Culturellement, elle est dévastatrice dès qu’elle devient un discours de direction. Elle glisse en un instant vers « vous n’êtes plus importants, on a l’IA », puis vers l’euphémisme managérial du moment : « remplacer les ingénieurs par l’IA ». Une fois cette phrase prononcée en réunion générale, aucun outil ne répare la confiance qu’elle a entamée. Les meilleurs éléments, ceux qui ont le plus d’options ailleurs, sont aussi les premiers à partir.
Mon désaccord n’est donc pas sur la réalité du gain de productivité. Il porte sur l’usage qu’on en fait publiquement. Une direction peut annoncer un gain d’efficacité sans jamais dire à son équipe qu’elle est devenue superflue. C’est un choix de communication, pas une fatalité technologique.
La couche de contexte, l’avantage que le tableur ne voit pas
Les équipes qui prennent de l’avance en 2026 ne sont pas celles qui ont souscrit à l’abonnement le plus cher. Elles se distinguent par ce que la newsletter Engineering Leadership appelle une « couche de contexte » : un ensemble organisé de conventions, de décisions passées et de règles métier qui donne à l’agent exactement ce dont il a besoin, ni plus ni moins.
Sans cette couche, chaque interaction avec un agent redémarre de zéro. Le résultat n’est pas seulement plus lent — il est plus cher, en boucles de correction et en jetons gaspillés à réexpliquer ce qu’une équipe organisée sait déjà. Avec elle, le même agent produit un travail directement exploitable, parce qu’il s’appuie sur un socle que les humains ont pris la peine de structurer en amont.
Ce socle ne s’achète pas sur catalogue. Il se construit, documentation après documentation, décision après décision archivée, par des équipes qui avaient déjà l’habitude de bien se parler avant l’arrivée du premier agent. La culture précède l’outil. Elle ne le suit pas.
Ce qui reste à décider, pas à subir
Je reviens à la question de départ : pourquoi certaines équipes semblent dix fois plus productives, et pas les vôtres ? Parce que la productivité qu’on observe chez elles n’est pas née le jour où elles ont activé un agent. Elle était déjà là, dans la façon dont l’information circulait, dont les erreurs se traitaient sans procès, dont les décisions restaient traçables. L’IA n’a fait qu’appliquer un multiplicateur à un chiffre qui existait avant elle.
À retenir pour les mois qui viennent : – Avant tout achat d’outil IA, auditer la « couche de contexte » existante : conventions, décisions archivées, standards documentés — ou leur absence. – Bannir des discours internes toute phrase qui présente l’IA comme un substitut aux personnes plutôt que comme un multiplicateur de leur travail. – Mesurer le gain réel non pas en licences activées, mais en boucles de correction évitées — l’indicateur que la newsletter Engineering Leadership propose de suivre en priorité.
La question n’est plus de savoir si l’IA multiplie le travail. Elle le fait, à des degrés variables selon les tâches. La question qui reste ouverte, et qui le restera tant que les directions n’y répondront pas franchement, est celle-ci : multiplie-t-on une équipe qu’on respecte, ou multiplie-t-on l’excuse pour s’en séparer ? La réponse ne se lit pas dans un tableau de bord d’usage de l’IA. Elle se lit dans la culture qui précède, accompagne et survit à l’outil.
Cet article est une tribune et reflète l’opinion de son auteur.
