- L’article souligne une lacune majeure dans la vague d’IA en entreprise : la direction élabore la stratégie IA, les ingénieurs sont enthousiastes à l’idée d’utiliser de nouveaux outils, mais ce sont les responsables ingénierie (Engineering Managers – EM) qui doivent transformer le tout en processus opérationnels réels.
- L’auteur Vignesh Durai relate une conversation avec six EM lors d’une conférence de développeurs. Tous rencontraient le même problème : l’entreprise se déclare « AI-first », mais il n’y a ni politique, ni budget, ni guide spécifique pour la mise en œuvre.
- Các Engineering Managers doivent répondre eux-mêmes à des questions cruciales : le code généré par l’IA peut-il être mis en production, qui est responsable de la revue, et comment mesurer la performance quand l’IA écrit du code rapidement mais que le temps de test s’allonge.
- Selon l’article, le management intermédiaire devient le « traducteur de la stratégie IA » entre la direction et les équipes d’ingénierie, bien que ce rôle n’ait jamais été conçu pour une telle responsabilité.
- Cette situation est généralisée dans des secteurs comme la santé, la finance et le SaaS. De nombreux managers doivent construire eux-mêmes les processus de gouvernance de l’IA car les équipes juridiques ou la direction n’ont pas de réponses claires.
- Les tâches émergentes incluent la rédaction de guides internes d’utilisation de l’IA, la refonte des processus de revue de code pour les pull requests générées par l’IA et le soutien psychologique des ingénieurs face aux évolutions de carrière.
- Malgré une forte augmentation de la charge de travail, ils sont toujours évalués selon d’anciens KPI tels que la vitesse de sortie des produits, la rétention du personnel et la stabilité des sprints.
- L’auteur avertit d’un risque stratégique lorsque les entreprises ne soutiennent pas cette couche de « traduction stratégique » : chaque équipe déploie l’IA différemment, entraînant une incohérence dans la qualité et la gouvernance.
- L’article souligne également le risque de fuite des talents lorsque les bons managers sentent que leur travail s’étend sans être reconnu ou soutenu officiellement.
- Un autre risque concerne la responsabilité juridique et la qualité du produit : si un code généré par l’IA cause une erreur en production, l’EM est généralement celui qui « trinque », bien qu’il n’ait jamais reçu de pouvoir d’approbation clair.
- L’auteur propose 3 solutions urgentes : établir une politique IA avant d’acheter des outils, reconnaître officiellement le rôle de « traducteur stratégique » des EM et créer une communauté de partage d’expérience sur l’adoption de l’IA entre managers.
- Un exemple concret est cité : un responsable ingénierie a créé de lui-même un groupe d’échange interne sur la gouvernance de l’IA malgré l’absence de budget ou de directives de sa hiérarchie.
📌 Conclusion : Un problème se propage dans les entreprises déployant l’IA : la stratégie est annoncée par la direction, mais la partie la plus difficile — transformer l’IA en processus techniques sûrs et efficaces — est repoussée vers le management technique sans aucun soutien. Les Engineering Managers doivent désormais gérer simultanément la gouvernance, les revues de code, la formation des équipes et les risques opérationnels, alors que leurs KPI restent inchangés. Si les entreprises ne formalisent pas ce rôle, l’adoption de l’IA risque d’être incohérente, d’augmenter les risques qualitatifs et de provoquer le départ des meilleurs managers.
