L’IA accélère les individus, mais qui protège le collectif ?

Le collectif à l’épreuve des individus augmentés

Assieds-toi deux minutes.

Il y a du café sur l’établi et des cookies dans la boîte en métal. Ne fais pas attention au désordre : ici, on pense avec les mains, on démonte les idées, on regarde si les outils tiennent vraiment, et parfois on se met de la sciure plein la barbe.

Aujourd’hui, j’aimerais parler d’un truc qui gratte un peu.

Dans beaucoup d’équipes, l’IA rend déjà certaines personnes nettement plus rapides. Cet article existe pour poser une question simple : que se passe-t-il quand cette accélération individuelle n’est pas accompagnée par des garde-fous collectifs ? Mon intuition est claire : sans mémoire partagée, sans règles de délégation et sans traces réutilisables, on peut gagner en vitesse locale tout en fragilisant l’équipe.

Elle accélère le développeur qui code, l’architecte qui explore des options, le SRE qui cherche une piste de diagnostic. Elle aide aussi ceux qui écrivent des specs, relisent des PR ou tentent de remettre de l’ordre dans une documentation qui sent déjà un peu le grenier humide.

À l’échelle individuelle, c’est grisant.

On récupère du temps. On débloque des sujets qui traînaient. Certaines tâches pénibles demandent moins de courage pour commencer.

Écrire une première version devient facile.
Explorer trois options devient raisonnable.
Même le fameux “je le ferai quand j’aurai le temps” commence à perdre son pouvoir de nuisance.

Mais dans un atelier, quand chaque castor se met à couper, porter, empiler et colmater deux fois plus vite, une question finit toujours par tomber sur la table :

comment on vérifie que le barrage tient encore ensemble ?

Le débit local ne dit pas si le barrage tient

Dans une équipe, la performance ne se résume pas à la vitesse de production de chaque personne.

Une équipe tient parce que les intentions sont comprises, les décisions circulent, les responsabilités sont claires. Les connaissances passent de main en main. Les erreurs deviennent autre chose que des reproches.

Elles deviennent de l’expérience.

C’est déjà difficile sans IA.

Avec l’IA, ce problème peut changer d’échelle.

Quand une personne produit beaucoup plus vite, elle ne double pas automatiquement la capacité de l’équipe. Elle peut aussi augmenter la charge mentale autour d’elle : revue, intégration, explication, maintenance, documentation.

Le collectif ne se renforce pas par magie parce que les individus deviennent plus efficaces.

Il peut même encaisser le choc assez violemment.

On le voit vite dans les revues de code.

Imagine une pull request préparée avec un assistant. Elle ajoute huit fichiers, deux scripts, une nouvelle configuration et une documentation proprement rédigée. Tout semble sérieux. Pourtant, au moment de la review, une question simple bloque la discussion : pourquoi cette option a-t-elle été choisie plutôt qu’une autre ?

La spec initiale était floue. Le contexte métier est resté dans une conversation privée avec l’assistant. Les risques sont peut-être dans la tête de la personne qui a piloté l’agent, ou noyés dans un échange que personne d’autre ne pourra relire.

Le reviewer ne relit plus seulement du code. Il doit aussi reconstituer une intention.

Et reconstituer une intention coûte cher.

L’IA éclaire nos vieux angles morts

L’IA ne fabrique pas tous ces problèmes. Elle les éclaire, et parfois les amplifie.

Quand une équipe démarre déjà sur des sujets mal cadrés, l’IA permet de partir plus vite dans le brouillard.

Quand la définition du “terminé” reste vague, l’IA aide à livrer des choses qui ont l’air finies, mais que personne ne sait vraiment reprendre.

Quand les décisions vivent dans des discussions Slack, des réunions oubliées ou des souvenirs individuels, l’IA ajoute encore des décisions non tracées dans le tas.

Même chose pour la documentation. L’IA peut produire plus de pages, plus vite. Mais plus de documentation ne veut pas dire meilleure mémoire. Une page générée au mauvais endroit, sans lien avec la réalité du système, reste une planche posée de travers.

Le problème déborde largement de la technique.

Il touche l’organisation, la coordination, la mémoire, la responsabilité.

L’IA augmente la capacité d’action individuelle.
Elle n’augmente pas automatiquement la capacité collective d’absorption.

Et ça, dans un atelier, c’est le genre de détail qui finit par faire craquer une poutre.

Produire plus vite peut abîmer la mémoire

Dans une équipe, la mémoire est un actif critique.

Pas la mémoire façon “on a un wiki quelque part”. La vraie mémoire.

Pourquoi a-t-on choisi cette architecture ?
Quelle contrainte a pesé dans cette décision ?
Quel vieux composant ne doit pas être touché sans précaution ?

Et derrière ces trois questions, il y en a vingt autres. Les hypothèses jamais validées, les incidents qui ont changé les habitudes, les conventions qui ne sont écrites nulle part mais que tout le monde respecte parce qu’un jour, quelqu’un s’est brûlé les doigts.

Cette mémoire vit souvent dans les personnes, les tickets, les PR, les runbooks, les ADR, les conversations, les habitudes, les cicatrices de production.

Elle est déjà fragmentée.

Avec l’IA, un nouveau fragment apparaît : la conversation avec l’assistant.

Or cette conversation devient parfois l’endroit où naissent les décisions, les hypothèses, les arbitrages et les explications. Une partie du travail intellectuel se déroule là, dans un petit atelier privé.

Très pratique pour l’individu.

Beaucoup plus risqué pour l’équipe.

Si cette matière ne revient pas dans la mémoire collective, le collectif ne bénéficie pas vraiment de l’apprentissage. Il reçoit le résultat, pas le chemin. Il hérite d’un changement, pas de son histoire.

Au début, ça passe.

Une PR.
Puis deux.
Puis dix.
Puis un projet entier.

Et un jour, quelqu’un demande : “pourquoi c’est fait comme ça ?”

Silence.

On cherche dans les tickets. On fouille dans les PR. On remonte les discussions. On espère que la personne se souvient. On tombe parfois sur une phrase vague, une décision à moitié écrite, un commentaire qui ressemblait à une explication mais qui n’en était pas vraiment une.

La vitesse initiale vient de se transformer en dette cognitive.

La délégation est le vrai sujet

Parler d’IA en entreprise dépasse largement les modèles, les prompts, les tokens, les RAG et les agents.

À mes yeux, on parle surtout de délégation.

Quand je demande à un agent de modifier du code, je délègue. Quand je lui demande de rédiger une spec, d’analyser un incident ou de proposer une architecture, je délègue encore.

Et toute délégation sérieuse ramène quelques questions simples sur l’établi.

Qu’est-ce qu’on confie ?
Jusqu’où l’agent peut-il aller ?
Qui assume à la fin ?

Le reste vient ensuite : les sources autorisées, les preuves attendues, les points d’escalade, la validation humaine. Les copeaux fins.

On peut ignorer ces questions. Beaucoup le feront.

On peut aussi les traiter comme un sujet d’équipe, au même titre que la qualité, la sécurité, l’architecture ou l’exploitation.

Les organisations qui verront l’IA comme un simple accélérateur individuel gagneront peut-être du temps au début.

Celles qui la regarderont aussi comme un sujet de délégation maîtrisée auront de meilleures chances de tenir dans la durée.

Parce que produire plus vite ne suffit pas.

Il faut produire plus vite sans perdre la capacité collective à comprendre ce qui est produit.

Des garde-fous, pas des chaînes

La réponse ne peut pas être : “ralentissons tout le monde”.

Personne n’a envie de transformer chaque prompt en comité de validation. Personne n’a envie d’ajouter trois formulaires et deux réunions pour avoir le droit de demander à un agent de générer un test unitaire.

Remettre des cailloux dans la brouette pour se prouver qu’on travaille sérieusement, ça s’appelle juste de la mauvaise bureaucratie.

Le collectif a besoin de garde-fous visibles, utiles, avec aussi peu de friction que possible. J’utilise ici l’idée d’acceptabilité psychologique dans un sens très simple : un garde-fou que les gens acceptent d’utiliser, même quand ils sont pressés, parce qu’il protège sans transformer le travail en parcours d’obstacles.

Un Definition of Ready adapté au travail avec IA peut empêcher de lancer un agent sur un problème encore trop flou.

Un Definition of Done peut rappeler qu’un travail terminé doit être testable, explicable et reprenable par quelqu’un d’autre.

Un journal de décisions peut éviter qu’un arbitrage important disparaisse dans une conversation privée.

Ces trois outils ne couvrent pas tout. Il faudra aussi parler de RACI, de contrats de délégation IA, de revues anti-dérive et de métriques de flow. Mais chaque chose à sa place. On ne vide pas toute la caisse à outils sur l’établi juste pour montrer qu’on possède des clés de douze.

Ces outils ne brillent pas beaucoup en démo.

Ils ne font pas “waouh”.

Mais ils protègent l’équipe.

Il nous manque un chemin pour déléguer proprement

Dans le Platform Engineering, on parle souvent de golden path.

Un chemin préparé. Bien balisé. Suffisamment confortable pour éviter à chaque équipe de réinventer la plomberie, sans lui interdire de sortir du sentier quand la situation l’exige vraiment.

On a construit ce genre de chemins pour déployer des applications, créer des repositories, exposer des services, gérer des secrets, observer des systèmes.

Il va falloir faire la même chose pour le travail avec l’IA.

Pas juste choisir “l’outil de chat autorisé”.

Un vrai chemin de délégation.

Avec des demandes mieux cadrées.
Des preuves attendues.
Des traces réutilisables.

Et autour de ça, des règles de sécurité, des points d’escalade, des validations adaptées au risque. Rien d’exotique. Juste de quoi éviter que chaque équipe bricole sa propre passerelle au-dessus de la rivière.

Ce chemin doit permettre d’aller vite sans laisser les autres ramasser derrière des branches taillées trop vite, dans tous les sens, sans plan du barrage.

Il nous manque aussi une mémoire vivante

Même avec un bon chemin de délégation, il reste une question.

Où va la connaissance produite ?

Pas seulement le livrable final.
Pas seulement le code.
Pas seulement le ticket fermé.

Où vont les hypothèses, les doutes, les raisons pour lesquelles une option a été écartée ? Où vont les petites explications qui, six mois plus tard, évitent à quelqu’un de refaire la même bêtise ?

Si tout cela reste dans des conversations privées avec des assistants, l’IA aura accéléré les individus tout en appauvrissant la mémoire collective.

Le paradoxe est brutal.

On peut produire plus de texte et transmettre moins de compréhension.
On peut générer plus de documentation et retrouver moins de connaissance utile.
On peut fermer plus de tickets et créer plus d’opacité.

Le collectif a besoin d’une mémoire vivante.

Par mémoire vivante, j’entends une mémoire qui ne se contente pas d’empiler des pages dans un coin. Une mémoire capable de recevoir, organiser, relier, questionner et faire remonter la connaissance utile.

Une mémoire qui accepte que le travail moderne se passe dans plusieurs lieux : code, tickets, PR, incidents, discussions, ateliers, assistants IA.

Une mémoire qui aide à répondre à quelques questions simples : qu’est-ce qu’on sait, pourquoi on le sait, et qu’est-ce qu’on a oublié de vérifier ?

Sans ça, l’équipe continue de produire.

Mais elle désapprend en avançant.

Ranger les outils sur l’établi

C’est là que l’atelier devient utile.

Pas besoin d’une grande méthode magique avec un logo en dégradé violet et un manifeste de trente pages. On a déjà assez de trucs comme ça dans les tiroirs.

Je préfère prendre les outils un par un, les poser sur l’établi, les regarder sous la lumière, vérifier ce qu’ils protègent réellement, et décider où ils doivent vivre dans le travail de l’équipe.

Le Definition of Ready mérite une deuxième jeunesse quand les agents permettent de partir trop vite.

Le Definition of Done doit probablement apprendre à demander autre chose que “est-ce que les tests passent ?”.

Les ADR doivent sortir de leur image de documents poussiéreux, parce qu’une décision accélérée par l’IA reste une décision à transmettre.

Le RACI, les métriques DORA, les rituels de handover et les revues anti-dérive viendront aussi. Pas tous en même temps. Un atelier se range tiroir par tiroir, sinon on finit assis au milieu des tournevis sans retrouver le marteau.

Et quelque part entre tout ça, il manque deux grands tiroirs.

Un tiroir pour les chemins de délégation : comment on confie du travail à l’IA sans perdre la maîtrise.

Un tiroir pour la mémoire vivante : comment on évite que l’apprentissage collectif se dissolve dans des conversations privées, des tickets fermés et des PR oubliées.

On verra comment les nommer.

Pour l’instant, je veux surtout ranger l’établi.

Accélérer sans désapprendre

Le risque principal est subtil : chacun devient très efficace dans son coin, pendant que le collectif perd sa capacité à comprendre, arbitrer et apprendre ensemble.

Une équipe n’est pas une somme de personnes productives. C’est un système de coordination, de mémoire, de confiance, de confrontation saine et de responsabilité partagée.

Si l’IA augmente les individus, il faut aussi renforcer ce système.

Sinon, on obtiendra des organisations pleines de gens très rapides, capables de produire beaucoup, mais de moins en moins capables d’expliquer ensemble ce qu’elles construisent.

La question n’est donc pas seulement : faut-il utiliser l’IA ?

La vraie question arrive juste derrière, avec ses grosses bottes pleines de boue :

quels outils devons-nous construire pour que cette vitesse ne casse pas ce qui nous permet de travailler ensemble ?

En résumé

L’IA peut augmenter fortement la vitesse individuelle sans améliorer, et parfois en fragilisant, la mémoire, la coordination et la responsabilité partagées. Pour en tirer un bénéfice durable, une équipe doit traiter son usage comme un problème de délégation, de traçabilité et de transmission, pas seulement comme un gain de productivité.

Dans les prochains articles, je vais ouvrir quelques tiroirs de l’atelier.

On y trouvera des chemins de délégation, des garde-fous pour les agents, et peut-être une mémoire plus vivante qu’un vieux wiki qui prend la poussière.

Rien de magique.

Juste des outils.

Mais dans un atelier, les bons outils font parfois toute la différence entre un tas de branches mouillées et un barrage qui tient quand la rivière accélère.

FAQ

Pourquoi l’IA peut-elle fragiliser une équipe si elle rend chacun plus rapide ?

Parce qu’elle peut déplacer une partie du raisonnement dans des espaces privés, accélérer la production plus vite que la transmission, et rendre plus coûteuse la reconstitution des intentions.

Qu’est-ce qu’une dette cognitive dans ce contexte ?

C’est l’écart entre ce qui a été produit et ce que l’équipe est encore capable d’expliquer, reprendre et faire évoluer sans refaire l’enquête.

Pourquoi parler de délégation plutôt que d’outillage ?

Parce qu’un agent ne pose pas seulement une question d’interface ou de modèle. Il pose une question de périmètre, de responsabilité, de preuves attendues et de validation finale.

Quels garde-fous minimaux peuvent aider ?

Un cadrage d’entrée comme la DoR, un cadrage de sortie comme la DoD, et une trace légère des décisions importantes sont déjà de bons premiers garde-fous.

Pour aller plus loin