Vos équipes accélèrent avec l'IA, votre entreprise ne livre pas plus vite. Voici pourquoi.

Une scène qui revient dans presque tous mes COMEX en 2026

Il y a six mois, un CIO d'un grand groupe industriel français m'arrête après un Comité de pilotage. Il a une question simple et sincère. « Pierre, on a déployé Copilot sur cinq cents développeurs. Mes managers terrain me disent que c'est génial, que les équipes vont plus vite. Notre Comex me demande où sont les livraisons. Et je suis incapable de répondre. »

Cette scène, je la rejoue presque mot pour mot dans toutes les directions générales que je croise depuis un an. Le décalage entre l'enthousiasme des équipes et la perplexité des dirigeants est devenu un motif récurrent, et il n'est pas anecdotique. Quelque chose se joue au niveau systémique que personne ne sait nommer correctement.

J'ai passé du temps à creuser, à lire les rapports terrain disponibles, à recroiser avec ce que je vois dans mes propres missions. Ce qui en sort est une grille de lecture utile pour les dirigeants qui veulent reprendre la main sur leur delivery sans rejouer la grande messe de la transformation agile classique. C'est cette grille que je propose ici.

Les équipes accélèrent, l'entreprise ne livre pas plus vite

La donnée la plus parlante en 2026 vient de Faros AI, qui a publié un rapport baptisé « Acceleration Whiplash » sur la base de vingt-deux mille développeurs répartis dans quatre mille équipes différentes. La conclusion est nette. L'output individuel augmente massivement, jusqu'à quatre-vingt-dix-huit pour cent de pull requests en plus pour les équipes les plus exposées à l'IA, et vingt et un pour cent de tâches résolues en plus par développeur. Mais les métriques de livraison au niveau entreprise restent plates. Le délai entre une demande utilisateur et sa mise en production ne bouge pas, ou bouge à peine.

Mieux, ou plutôt pire, certaines métriques de qualité se dégradent en aval. Les temps de revue de pull request augmentent. Le nombre d'incidents par pull request monte. La part de pull requests mergées sans revue humaine sérieuse explose. Le rapport formule ça d'une phrase que je trouve très juste : « comme la livraison est intrinsèquement cross-fonctionnelle, accélérer une équipe isolée ne se traduit quasiment jamais en gains au niveau de l'organisation. »

Faros est un éditeur d'outils, donc il faut prendre la lecture avec une marge de prudence. Mais le rapport DORA de Google Cloud sur le développement assisté par IA, publié fin 2025, va dans le même sens. La stabilité de livraison se dégrade quand l'adoption IA monte, et l'IA n'arrange pas une équipe, elle amplifie ce qui existe déjà. Si vous étiez bien organisé, ça va mieux. Si vous étiez mal organisé, ça va plus mal, plus vite.

L'essai randomisé que METR avait publié en juillet 2025 ajoutait une couche intéressante au tableau. Sur une cohorte de développeurs seniors, les chercheurs avaient mesuré un ralentissement de dix-neuf pour cent avec l'IA, alors que les développeurs eux-mêmes se croyaient vingt pour cent plus rapides. L'écart entre la perception et la mesure est central. METR a depuis nuancé son chiffre dans une mise à jour de février 2026 avec une cohorte plus large, mais la dimension perception-réalité reste robuste dans toute la littérature. Vos équipes vous diront sincèrement qu'elles vont plus vite. Le système, lui, ne le confirmera pas toujours.

Enfin, l'enquête Asana publiée fin 2025 sur plus de neuf mille répondants ajoute la dernière pièce. Quatre-vingt-dix pour cent des contributeurs les plus productifs avec l'IA disent que l'IA crée plus de travail de coordination en aval. Et seule une organisation sur cinq a sérieusement repensé ses flux de travail pour absorber cette nouvelle cadence individuelle.

Le décor est planté. Vos équipes accélèrent réellement. Votre entreprise, au sens du système qui livre de la valeur à un client, ne livre pas plus vite. Et ça n'est pas un problème de mesure floue, c'est une réalité documentée.

Le vrai goulot n'est pas la production, c'est l'absorption

Pourquoi cet écart ? La réponse tient en une phrase, que je dois à Asana et que je trouve cliniquement juste : « le goulot n'est pas la production, c'est l'absorption. »

Imaginez votre dispositif de delivery comme une chaîne. À gauche, des équipes qui produisent. Au milieu, un appareil de coordination qui priorise, arbitre, intègre, valide. À droite, un utilisateur qui reçoit. Avant l'IA, le goulot était souvent à gauche. On manquait de capacité de production. La discipline agile et SAFe, depuis quinze ans, s'est concentrée sur ce point. PI Planning, cadence, équipes pluridisciplinaires, backlog, tout ça vise à augmenter la capacité de production et sa prédictibilité.

Avec l'IA, le goulot s'est déplacé brutalement. La capacité de production individuelle a doublé, parfois plus. Mais l'appareil de coordination au milieu, lui, n'a pas changé. Il continue à fonctionner avec ses cadences trimestrielles, ses comités de pilotage mensuels, ses mécaniques d'arbitrage de portefeuille qui prennent des semaines, ses processus de revue de pull request qui dépendent d'humains avec un nombre fini d'heures dans la journée. Le résultat est mécanique. Plus de code arrive en revue. Les reviewers saturent. La qualité des revues baisse. Les bugs passent. La dette technique s'accumule plus vite. Les équipes qui ont des dépendances entre elles attendent plus longtemps. Le délai entre une demande utilisateur et la mise en production ne se réduit pas, et peut s'allonger.

Ce que l'IA fait, et c'est ce que DORA appelle l'amplification, c'est révéler avec une violence nouvelle les failles de coordination qui existaient déjà mais qui restaient supportables. Tant que la production était lente, l'appareil de coordination avait le temps. Maintenant que la production est rapide, l'appareil de coordination est mis sous tension, et il craque là où il était déjà fragile.

C'est exactement ce que je vois dans mes missions actuelles. Les organisations qui avaient une discipline de portefeuille mûre et un mécanisme d'arbitrage rapide absorbent l'IA correctement. Celles qui géraient leur portefeuille au fil de l'eau, avec des arbitrages tardifs et des sponsors absents, voient l'IA exposer cette absence en quelques mois. Le diagnostic n'est pas IA, le diagnostic est sur la gouvernance.

Il y a aussi un effet plus pernicieux, documenté par la Harvard Business Review dans un article de septembre 2025 sur ce que les auteurs ont appelé le « workslop ». Une étude BetterUp Labs et Stanford Social Media Lab a mesuré que quarante pour cent des salariés américains reçoivent régulièrement du contenu généré par IA qui leur paraît creux ou mal calibré, et qu'ils passent en moyenne deux heures à le retraiter. Le producteur gagne du temps, le receveur le perd. À l'échelle d'une entreprise, ce transfert silencieux représente un coût significatif et invisible dans les tableaux de bord classiques.

Trois angles pour diagnostiquer votre dispositif en quelques jours

Quand un dirigeant me demande comment évaluer où il en est, je propose trois angles d'analyse. Ils ne sont pas exhaustifs, mais ils suffisent à poser un diagnostic en quelques jours et à savoir où porter l'effort.

Le premier angle est le cap stratégique. Combien d'objectifs portez-vous trimestre par trimestre ? Sont-ils mesurables au sens d'un OKR ? Êtes-vous capable, en moins de quinze secondes, de me dire si vous les tenez ? Si la réponse est trois objectifs clairs et mesurés, vous êtes dans la bonne strate. Si la réponse est trente initiatives en cours dont aucune n'a de mesure tranchée, l'IA va aggraver le brouillard, pas l'éclaircir. Les équipes vont produire plus, mais sur quoi exactement, ni vous ni votre Comex ne le saurez vraiment.

Le deuxième angle est le dispositif agile en place. Quelle cadence de livraison réelle tenez-vous, mesurée au sens cycle time et throughput, pas au sens des annonces de PI Planning ? Quelles dépendances inter-équipes traînent depuis plus de deux PI sans être arbitrées ? Quelle qualité de backlog, autrement dit, combien de vos features sont prêtes à être prises par une équipe sans aller-retour ? Si ces indicateurs sont solides, l'IA va vous faire avancer plus vite. Si ces indicateurs sont fragiles, l'IA va exposer la fragilité.

Le troisième angle est spécifique à 2026, et c'est celui de la dette de coordination IA proprement dite. Vos développeurs utilisent-ils l'IA, et si oui, comment ? Avez-vous un cadre de gouvernance sur les agents en production, qui décide d'en lancer un nouveau et qui paie sa facture d'inférence ? Mesurez-vous l'écart entre le code produit et la valeur livrée à l'utilisateur final ? La plupart des organisations que je croise n'ont pas commencé ce travail. Elles ont laissé l'IA se diffuser, c'est très bien, mais elles ne l'ont pas encore gouvernée comme un dispositif de production à part entière. C'est ce travail qui distingue les entreprises qui tireront un retour mesurable de leur investissement IA des autres.

Ce que l'IA ne change pas, et ce qu'elle change vraiment

L'IA ne change pas les principes systémiques du delivery à l'échelle. Loi de Little, théorie des contraintes, dynamique des files d'attente, tout ce que les vieux praticiens du Lean ont appris depuis trente ans reste valable. Une chaîne va à la vitesse de son goulot, et accélérer une étape qui n'est pas le goulot ne fait pas avancer la chaîne, ça crée du stock. C'est exactement ce qu'on observe avec l'IA aujourd'hui : du stock de code en revue, du stock de features en attente d'intégration, du stock de demandes utilisateur qui empilent.

L'IA change deux choses, et seulement deux choses fondamentales. D'abord, elle déplace le goulot. Là où le goulot était la production en 2020, il est désormais l'absorption en 2026. Cette bascule oblige à repenser sur quoi on met l'énergie. Les rituels qui marchaient quand le goulot était la production sont sans doute mal calibrés pour le nouveau goulot. Ensuite, elle accélère la vitesse à laquelle les défauts deviennent visibles. Ce qu'une organisation pouvait camoufler pendant deux ans avec de la bonne volonté individuelle se voit en trois mois quand la production accélère et que l'absorption ne suit pas.

Cette deuxième dimension est, paradoxalement, une bonne nouvelle pour les organisations honnêtes. Les défauts de gouvernance, de portefeuille et de coordination qui restaient implicites deviennent enfin lisibles, mesurables, arbitrables. Pour la direction générale qui veut voir clair, l'IA est en train de devenir un révélateur précieux. À condition d'accepter ce qu'elle révèle.

Trois pistes d'action pour un dirigeant en 2026

Quand un Comex me demande quoi faire, je propose trois mouvements, dans cet ordre.

Premier mouvement, mesurer en système, pas en équipe. Arrêtez de regarder les métriques de productivité par équipe ou par développeur, parce qu'elles vont vous mentir en 2026. Mesurez le temps entre une demande utilisateur priorisée et sa mise en production effective. Mesurez la part des features promises au trimestre qui sont effectivement livrées. Mesurez le taux d'incidents en production. Ces trois indicateurs disent la vérité sur votre dispositif. Ils ne sont pas affectés par l'IA, ils en mesurent l'effet net.

Deuxième mouvement, re-priorisation continue plutôt que budgétisation annuelle. Si votre Comex arbitre le portefeuille une fois par an, ou pire en début d'exercice avec révision en juin, vous êtes en 2026 dans une posture intenable. La cadence de production a doublé, vos arbitrages doivent suivre. Cela ne veut pas dire arbitrer chaque semaine, ça veut dire instaurer un rituel mensuel léger de Strategic Portfolio Review qui regarde les engagements pris, les engagements tenus, les sujets à réorienter. C'est exactement ce que SAFe propose dans Lean Portfolio Management, mais peu d'organisations le mettent vraiment en place, alors qu'elles l'affichent dans leurs slides.

Troisième mouvement, investir dans la coordination plutôt que dans plus d'agents. L'erreur classique en 2026 est de répondre à une accélération de la production par plus d'IA, plus d'agents, plus de licences Copilot. C'est ajouter de l'eau dans un seau percé. La vraie réponse est d'investir dans le tuyau de coordination qui se trouve juste en aval de la production. Renforcer la fonction RTE ou équivalent. Outiller le PI Planning. Industrialiser les revues de code. Cadencer les System Demos. Donner au Comex de la visibilité fine sur les engagements en cours. Ce sont des investissements moins glamour que le déploiement de la dernière génération d'agents, mais ce sont eux qui débloquent le système.

Trois cas vécus, trois mécaniques différentes

Un grand groupe industriel européen avait déployé Copilot sur quatre cents développeurs début 2025. Six mois après, le CIO ne savait pas dire ce que ça avait changé en livraison. On a posé un audit flash de cinq jours, et on a découvert que le PI Planning, lui-même affiché comme rituel central depuis trois ans, n'était plus suivi par les sponsors business. Le Comex arbitrait au fil de l'eau, les équipes faisaient ce qu'elles pouvaient. L'IA avait juste rendu le bruit plus dense, sans rendre le signal plus clair. On a recentré le travail sur la qualité du PI Planning et la présence des sponsors. Trois mois après, le cycle time avait baissé de trente pour cent. L'IA n'avait rien à voir avec ce gain. La gouvernance, tout.

Un éditeur de logiciels financiers avait deux trains SAFe qui produisaient bien, mais qui se marchaient sur les pieds. Avec l'IA, les équipes de chaque train accéléraient localement, mais les features cross-trains attendaient toujours autant, parfois plus, à cause d'un mécanisme de coordination inter-trains qui n'avait jamais été cadré. On a mis en place un Solution Train Engineer dédié à la coordination, plus un rituel mensuel d'arbitrage cross-trains. La fluidité a été immédiate, et l'investissement IA précédent a soudainement commencé à produire des résultats visibles côté client.

Une direction métier d'une grande institution financière avait un dispositif agile mature, mais une dette de coordination IA spécifique. Une dizaine d'agents en production lancés par différentes équipes, sans gouvernance commune, avec des coûts d'inférence en hausse rapide. On a posé un cadre simple de revue mensuelle des agents en production, avec un sponsor exécutif unique. Pas de transformation, juste un rituel léger et un propriétaire identifié. En six mois, deux agents ont été décommissionnés, trois ont été consolidés. Les coûts ont baissé de quarante pour cent, et personne n'a perdu en valeur livrée.

Ce que je propose

L'IA en 2026 n'est plus un sujet d'expérimentation. Elle est dans vos équipes, elle accélère réellement la production, et elle est en train d'exposer mécaniquement les défauts de coordination et de gouvernance que vous portiez avant elle. La bonne nouvelle est que vous ne devez pas rejouer une transformation. La bonne nouvelle est que vous avez maintenant des indicateurs naturels qui distinguent ce qui marche de ce qui ne marche pas dans votre dispositif. La moins bonne nouvelle est que l'attente est coûteuse. Chaque trimestre passé sans avoir réoutillé votre absorption laisse votre Comex avec moins de lisibilité, vos équipes avec plus de frustration, et vos investissements IA avec moins de retour mesurable.

Si vous reconnaissez tout ou partie de ce diagnostic dans votre propre dispositif, vous trouverez sur ce site trois interventions différentes pour reprendre la main : un audit flash de cinq jours pour ouvrir le capot et restituer un plan signable, une mission de relance de train pour les dispositifs SAFe qui se sont essoufflés, et un accompagnement Codir-Comex sur six à douze mois pour ceux qui veulent travailler la gouvernance dans la durée. Et avant toute mission, je propose un appel diagnostic gratuit de trente minutes pour cadrer ensemble votre situation et déterminer si l'un de ces formats vous serait utile, ou si une autre voie est meilleure pour vous.

La question que je laisse ouverte est celle-ci. Si l'IA est en train d'exposer ce que votre dispositif portait déjà, qu'est-ce que vous décidez de faire avec ce que vous découvrez ?

---

Sources citées

• Faros AI, « Acceleration Whiplash », 2026. Disponible sur faros.ai/research/ai-acceleration-whiplash.
• Faros AI, « AI Productivity Paradox », 2025. Disponible sur faros.ai/ai-productivity-paradox.
• METR, « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », essai randomisé publié en juillet 2025. Disponible sur metr.org. Mise à jour de février 2026 avec cohorte élargie.
• DORA (Google Cloud), « State of AI-assisted Software Development », 2025. Disponible sur dora.dev/dora-report-2025.
• Asana, « AI Super Productivity Paradox », 2025. Enquête sur plus de neuf mille répondants. Disponible sur asana.com/resources.
• Harvard Business Review, « AI-Generated Workslop Is Destroying Productivity », septembre 2025. Étude BetterUp Labs et Stanford Social Media Lab sur 1 150 salariés américains.
• GitClear, étude 2025 sur 211 millions de lignes de code. Disponible sur gitclear.com.