Software factory agentique, de l’agent IA à l’usine logicielle augmentée par l’IA

Par Anis Bessa, directeur général de Harington

Une software factory, ou usine logicielle, est l’ensemble des outils, des méthodes et des contrôles qui permettent de produire un produit logiciel de manière industrialisée. Chaque nouvelle version suit le même cycle, avec les mêmes vérifications et ce quelle que soit l’équipe qui la produit (Wikipédia, Usine logicielle).

Pendant de très nombreuses années, la software factory désignait surtout l’automatisation de ce qui se passe après l’écriture du code, à savoir la compilation, les tests automatisés, la mise en production. Le code restait écrit à la main.

Avec les agents IA, tout a changé. Ils peuvent désormais écrire une grande partie du code, des tests et de la documentation. Tout l’enjeu actuel des DSI n’est plus « Comment livrer le code plus vite ? » mais « Comment organiser la production alors qu’une partie est désormais réalisée par des agents, sans perdre la maîtrise ? ». La software factory agentique répond à cela.

Certes, tout va très vite mais toutes les entreprises n’en sont pas au même stade au niveau de l’usage de l’IA dans l’engineering. Dans la réalisé des DSI chez qui nous intervenons chez Harington, nous constatons trois niveaux de maturité.

Niveau 1

Le copilote

Ce que fait l’IAElle propose du code pendant que le développeur écrit
Point de départLe code en cours d’écriture
Qui contrôleLe développeur, au fil de l’eau
Ce qui est accéléréL’écriture du code
Gain constaté chez Harington≈ 30 %

Niveau 2

L’agent « seul »

Ce que fait l’IAElle réalise une tâche complète à partir d’une consigne
Point de départUne consigne écrite par le développeur
Qui contrôleLe développeur, à la fin
Ce qui est accéléréUne tâche
Gain constaté chez HaringtonVariable selon la tâche et le développeur

Niveau 3

La software factory agentique

Ce que fait l’IADes agents produisent sur tout le cycle, encadrés par l’équipe projet
Point de départUn dossier validé : besoin, epics, critères d’acceptation, règles d’architecture
Qui contrôleL’équipe, à chaque étape, avec des contrôles humains et d’autres automatisés
Ce qui est accéléréTout le cycle, du cahier des charges au code validé
Gain constaté chez Harington40 à 60 %

Gains de vélocité constatés sur les projets au forfait de Harington, avec obligation de résultat.

Le passage du niveau 1 au niveau 2 se fait presque tout seul, les outils comme Claude Code, Cursor ou GitHub Copilot proposent tous des agents (notre comparatif). Le passage au niveau 3, lui, ne s’achète pas avec un outil, il demande une vraie réorganisation.

Un agent IA bien utilisé fait gagner du temps à un développeur mais il n’est pas transposable à l’équipe IT.

Selon Bain, écrire et tester du code ne représente que 25 à 35 % du temps entre l’idéation et le lancement du produit. Les assistants de code apportent 10 à 15 % de productivité et c’est déjà bien, mais les entreprises qui transforment tout le processus atteignent 25 à 30 % (Bain, Technology Report 2025). Accélérer le code seul déplace le goulot d’étranglement vers le cadrage, la relecture et les tests.

Le rapport DORA 2025 de Google montre que l’IA accélère la livraison, mais qu’elle augmente aussi l’instabilité en production quand les équipes n’ont pas adapté leurs systèmes de contrôle (Google Cloud, rapport DORA 2025).

Selon l’enquête Stack Overflow 2025, 84 % des développeurs utilisent ou prévoient d’utiliser l’IA, mais 46 % se méfient de l’exactitude des résultats (Stack Overflow Developer Survey 2025). Un agent seul produit plus vite mais il ne permet pas de savoir si ce qu’il a produit respecte bien le besoin, l’architecture et les règles de la DSI.

Ainsi, multiplier les agents dans les équipes ne suffit pas, il faut une chaîne complète qui les encadre.

Une software factory agentique, ce n’est pas empiler des outils. C’est au contraire l’assemblage de cinq briques qui répondent chacune à une problématique de la DSI.

Delivery augmenté par l’IA

La software factory agentique

1

Le cadrage

Un besoin, des epics et des critères d’acceptation validés avant que l’agent ne code

Qui décide de ce que l’agent doit produire ?

2

Le contexte

Une base de connaissance de votre SI : architecture, règles métier, historique, conventions

Comment l’agent connaît-il vos applications ?

3

Les points de contrôle

Une validation, humaine ou automatique, à chaque étape du cycle

Qui vérifie, et quand ?

4

L’ouverture

Plusieurs outils et plusieurs modèles d’IA, interchangeables

Que se passe-t-il si un outil ou un modèle change ?

5

La gouvernance

Une consommation d’IA suivie par projet, une piste d’audit, des droits maîtrisés

Comment garder la main sur les coûts, la sécurité et la conformité ?

Sur un socle commun : vos équipes décident, les agents produisent.

Ces cinq briques font toute la différence entre un usage individuel de l’IA et un delivery augmenté par l’IA. C’est aussi ce qui distingue une ESN qui « utilise l’IA » d’une ESN AI-Augmented comme Harington.

Une ESN AI-Augmented est une entreprise de services numériques qui intègre l’IA générative et des agents IA dans chacune de ses expertises et sur tout le cycle de développement logiciel, sous contrôle humain, et qui s’engage sur le résultat plutôt que sur du temps passé. Harington, ESN française indépendante fondée à Paris en 2008, applique ce modèle avec Harry SDLC, sa software factory agentique gouvernée et souveraine.

Harry SDLC est le fruit d’un an et demi de R&D et de delivery au forfait ou en centre de services chez Harington. C’est le socle de notre approche AI-Augmented engineering & delivery, l’IA est présente dans chaque expertise et à chaque étape et nos équipes sont responsables du résultat.

Concrètement, Harry SDLC organise le cycle de développement logiciel en six phases réparties entre deux principaux espaces que sont :

  • L’atelier où les équipes cadrent : le Product Owner cadre le besoin, le business analyst écrit les règles, le tech lead fixe le cadre que le code devra respecter.
  • L’usine où les agents produisent : Ils font le code, les tests et la documentation, chaque livrable est comparé au cahier des charges puis relu et rien n’est mis en production sans l’accord explicite de l’équipe.

Les cinq briques sont intégrées dans Harry SDLC.

  • Le cadrage se fait dans l’atelier avec un assistant IA, et chaque projet est validé avant le passage à l’usine.
  • Le contexte vient du Brain, une base de connaissance construite à partir du code, des tickets et de la documentation de vos applications. Chaque information y est sourcée et datée.
  • Les points de contrôle jalonnent les six phases. La gouvernance se règle selon vos projets, jusqu’à un mode dédié aux projets soumis à DORA, NIS2 ou l’AI Act, avec une piste d’audit complète.
  • L’ouverture : Harry SDLC fonctionne avec plusieurs outils (Claude Code, Codex, et des outils libres) et avec les modèles d’IA de votre choix. Vous changez d’outil ou de modèle sans changer de méthode.
  • La gouvernance : Harry SDLC s’installe sur votre SI, en cloud souverain ou public, ou dans vos centres de données. Votre code reste dans vos dépôts et la consommation d’IA est suivie et plafonnée projet par projet.

Une software factory agentique ne remplace pas les équipes mais elle déplace leur valeur.

  • Les Product owners et les Business Analysts (PO, BA) passent plus de temps sur le cadrage qui devient le point de départ de toute la production. En effet, un besoin mal cadré produit inexorablement un mauvais résultat.
  • Les développeurs et les techs leads passent de l’écriture à la conception, à la relecture et à la validation. Ils fixent les règles que les agents doivent respecter et vérifient ce qu’ils produisent.
  • Les testeurs pilotent des tests générés et exécutés par les agents et se concentrent sur les cas qui demandent leur jugement.
  • La DSI gagne en visibilité car chaque étape est tracée, chaque décision est attribuée et la consommation d’IA est suivie projet par projet.

C’est pour accompagner ce changement que Harington a créé la Harington Academy, qui fait monter les équipes en compétences, de la maîtrise des consignes données à l’IA jusqu’au pilotage d’agents autonomes.

  1. 1
    Faites l’état des lieuxQuels outils d’IA vos équipes utilisent-elles déjà, sur quels projets, avec quelles règles ?
  2. 2
    Choisissez un projet piloteUne epic réelle de votre feuille de route, avec une équipe volontaire et des indicateurs définis à l’avance (délai, qualité, coût).
  3. 3
    Posez le cadre avant d’ajouter des agentsCadrage, contexte, points de contrôle : ce sont eux qui transforment la vitesse apportée par les agents en résultat fiable et industrialisable.
  4. 4
    Gardez la main sur les choix techniquesAssurez-vous de pouvoir changer d’outil et de modèle, et de garder votre code et vos données sur votre SI.
  5. 5
    Mesurez, puis étendezLe gain se constate sur vos projets. Une fois mesuré, il s’étend équipe par équipe.
  1. Voir. Inscrivez-vous au webinar du 8 décembre ou demandez une démo live.
  2. Essayer. Un pilote sur une epic de votre roadmpa, avec vos outils, vos équipes et le modèle de votre choix.
  3. Industrialiser. Le passage à l’échelle, au forfait ou en centre de services, avec la Harington Academy pour accompagner vos équipes.

Questions fréquentes

Qu’est-ce qu’une software factory ?

Une software factory, ou usine logicielle, est l’ensemble des outils, des méthodes et des contrôles qui permettent de produire du logiciel de manière industrielle et maîtrisée. Chaque release entre dans le même process avec les mêmes vérifications.

Qu’est-ce qu’une software factory agentique ?

C’est une software factory dans laquelle des agents IA prennent en charge une partie de la production (code, tests, documentation) pendant que les équipes IT cadrent, décident et valident à chaque étape. Elle organise tout le cycle de développement autour des agents et pas seulement l’écriture du code.

Quelle différence entre un agent IA de codage et une software factory agentique ?

Un agent de codage réalise une tâche à partir d’une consigne, sous le contrôle d’un développeur. Une software factory agentique encadre plusieurs agents sur tout le cycle, avec un cadrage validé en amont, une base de connaissance du SI et des points de contrôle à chaque étape.

Une software factory agentique remplace-t-elle les développeurs ?

Non. Elle déplace leur rôle vers la conception, la relecture et la validation. Les décisions restent humaines et aucun code n’est mis en production sans l’accord de l’équipe.

Peut-on garder son code et ses données sur son SI ?

Oui, si la software factory le permet. Harry SDLC s’installe sur le SI du client, en cloud souverain ou public, ou dans ses centres de données, et le code reste dans ses dépôts.

Quel gain attendre d’une software factory agentique ?

Sur les projets menés par Harington, un cycle complet augmenté par l’IA apporte de 40 à 60 % de vélocité, du cahier des charges au code validé, contre environ 30 % avec un copilote seul. Le gain se mesure sur chaque projet, avec des indicateurs définis à l’avance.


Pour aller plus loin : Qu’est-ce qu’une ESN AI-Augmented ? | SDLC : les 6 phases du cycle de développement avec l’IA | Claude Code, Cursor ou Copilot : quel outil d’IA pour coder en entreprise ? | Harry SDLC, la software factory agentique de Harington | Webinar du 8 décembre


 

En savoir plus

Software factory agentique, de l’agent IA à l’usine logicielle augmentée par l’IA

Qu’est-ce qu’une software factory, et que change l’arrivée des agents IA ? Définition, trois niveaux d’usage de l’IA (copilote, agent seul, software factory agentique), les cinq briques à réunir, et comment passer de l’agent seul à l’usine logicielle augmentée par l’IA.

Lire

Webinar Software factory Agentique & Démo Harry SDLC

Webinar le mardi 8 décembre, de 11h30 à 12h30 : l’état de l’art du développement agentique et une démo en direct de Harry SDLC, la software factory agentique de Harington, souveraine, agnostique et sous contrôle humain. Gratuit, en ligne sur Teams.

Lire

Claude Code, Cursor ou Copilot : quel outil d’IA pour coder en entreprise ?

Claude Code, Cursor ou GitHub Copilot : lequel choisir en entreprise ? Comparatif des trois outils (agents, modèles, offres entreprise, données), ce que disent les études de productivité, et pourquoi le cadre compte plus que l’outil.

Lire

Un projet ? Parlons-en.