L'IA accélère tout, y compris vos problèmes de coordination
Le diagramme de Gantt est parfait. Des flèches vertes reliant des boîtes bleues, des jalons clairement identifiés, un outil de gestion de projet qui promet que tout sera livré dans les temps si chacun coche ses tâches.
Six mois plus tard, le projet est en retard. Pas parce que les tâches n'ont pas été cochées. Parce que deux équipes ont découvert en semaine douze qu'elles travaillaient sur le même problème depuis la semaine trois, sans le savoir, depuis des outils différents, avec des définitions différentes du même terme.
Le logiciel n'était pas le problème. La coordination l'était.
J'ai vu cette scène se répéter suffisamment de fois — dans des contextes de compliance, de transformation organisationnelle, de déploiement d'outils — pour comprendre qu'elle n'est pas un accident. C'est un pattern. Et l'arrivée de l'IA générative dans les organisations ne l'a pas corrigé. Elle lui a donné de l'élan.
I. Le paradoxe que les chiffres documentent
Les données existent maintenant. Elles sont dérangeantes.
Le State of DevEx 2025 d'Atlassian, mené auprès de 3 500 développeurs dans six pays dont la France, révèle que 68% d'entre eux rapportent un gain de plus de 10 heures par semaine grâce à l'IA générative. C'est massif. C'est réel. Ce n'est pas du marketing.
Le même rapport documente autre chose, moins cité dans les conférences de vente : ces gains individuels sont en grande partie annulés par l'augmentation des frictions organisationnelles. Les développeurs produisent plus de code, plus vite. Ce code nécessite plus de revues, génère plus de conflits d'intégration, demande plus de temps de coordination sur les décisions d'architecture. Le gain de productivité individuelle devient un coût collectif.
L'étude METR va plus loin : le maniement de l'IA augmente en réalité le temps d'exécution de 19% pour des programmeurs expérimentés. Ils ont l'illusion de travailler plus vite. Ils ne travaillent pas plus vite. La perception de productivité et la productivité réelle divergent.
Ce n'est pas une critique de l'IA. C'est une description précise de ce qu'elle fait et de ce qu'elle ne fait pas.
II. L'optimisation locale et le désordre global
Il y a un résultat connu en théorie des systèmes, documenté depuis les années 1970 par des chercheurs comme Russell Ackoff, que l'industrie technologique continue d'ignorer avec une constance remarquable : l'optimisation locale dégrade souvent la performance globale.
Traduit en termes concrets : si vous améliorez chaque étape d'un processus indépendamment des autres, vous obtenez un ensemble moins performant que si vous aviez optimisé le flux dans sa totalité.
L'exemple classique est celui de la chaîne de production. Vous accélérez la découpe. La découpe produit plus vite que l'assemblage ne peut absorber. Vous créez un stock intermédiaire, une friction, un délai. L'étape accélérée n'a pas accéléré le résultat final. Elle a créé un goulot ailleurs.
Dans une organisation qui déploie l'IA sur des tâches individuelles, le phénomène est identique. Un commercial génère des propositions commerciales deux fois plus vite. Le service juridique, qui n'a pas été augmenté, reçoit deux fois plus de contrats à valider. Le commercial ne vend pas plus vite. Il attend deux fois plus longtemps la validation juridique.
Selon l'étude d'Atlassian, 69% des développeurs interrogés disent perdre huit heures ou plus par semaine à cause de processus inefficaces. Pour une organisation de 500 développeurs, cette perte représente environ 6,9 millions de dollars par an selon les calculs de l'éditeur. Ces processus inefficaces existaient avant l'IA. L'IA les a rendus plus visibles en accentuant les déséquilibres.
III. Ce que coordonner veut vraiment dire
La coordination est le mot que les organisations utilisent pour désigner ce qu'elles font mal et qu'elles espèrent résoudre avec des outils.
Coordonner, dans les discours d'entreprise, signifie généralement : synchroniser des calendriers, assigner des tâches dans un outil de gestion de projet, envoyer des comptes-rendus de réunion. Ce sont des activités de coordination administrative. Elles sont nécessaires. Elles ne sont pas suffisantes.
Coordonner au sens profond, c'est construire un modèle mental partagé d'une situation complexe. C'est s'accorder sur ce qui est important, sur ce qui peut attendre, sur qui décide quoi, sur ce qu'on fait quand deux priorités entrent en conflit. C'est un travail cognitif collectif qui prend du temps, qui demande de la confiance, et qui ne se délègue pas à un algorithme.
J'ai vu ce cas se jouer presque à l'identique plusieurs fois. Deux équipes travaillent sur le même module. L'une veut une architecture flexible, évolutive. L'autre veut une architecture stable, optimisée pour les performances. Les deux ont des arguments valables, des contraintes légitimes. À chaque fois, j'ai vu des gens chercher la solution dans un outil — un meilleur ticket, un meilleur tableau, une meilleure réunion. À chaque fois, la solution était ailleurs : c'était une décision politique au sens propre. Qui a le dernier mot. Quel critère prime. Quel risque on accepte de porter.
Aucun outil de gestion de projet ne peut répondre à cette question. Aucun assistant IA ne peut trancher. Seul un humain ou un groupe d'humains, avec la légitimité et les informations nécessaires, peut le faire. Et ce processus prend du temps — un temps qui n'apparaît pas dans les métriques de productivité, qui est invisible pour les dashboards, mais qui détermine entièrement si le projet sera livré dans les temps ou non.
IV. L'illusion du développeur 10x
Le discours tech aime les héros individuels. Le développeur 10x, celui qui produit dix fois plus que ses pairs. L'idée est séduisante. Elle est aussi dangereuse.
Les études sur le développement logiciel montrent une réalité plus nuancée. Les écarts de productivité entre développeurs existent — ils peuvent être significatifs sur des tâches isolées. Mais la productivité individuelle ne se traduit pas mécaniquement en valeur pour l'organisation. Un développeur qui produit dix fois plus de code crée dix fois plus de code à relire, à tester, à maintenir, à documenter. Sa productivité individuelle devient un coût collectif si l'équipe ne peut pas absorber ce flux.
L'étude DORA de Google 2025, menée auprès de 5 000 personnes avec 100 heures d'entretiens de recherche, confirme que si l'adoption de l'IA par les développeurs est passée de 76% en 2024 à 90% en 2025, les problèmes de stabilité, de confiance et d'organisation subsistent. L'accélération de la production n'a pas résolu les problèmes d'intégration et de coordination. Elle les a rendus plus urgents.
La confiance dans les résultats de l'IA elle-même a baissé de dix points en un an chez les développeurs, selon Stack Overflow : 70% avaient une perception positive en 2024, 60% en 2025. Ce mouvement de balancier — enthousiasme initial, désillusion progressive — suit exactement le schéma classique de l'adoption technologique. L'outil ne déçoit pas parce qu'il est mauvais. Il déçoit parce qu'il ne résout pas ce qu'on lui avait demandé de résoudre.
V. Le mythe de l'outil comme solution organisationnelle
J'ai passé assez de temps dans des environnements régulés pour reconnaître une confusion qui revient sans cesse, et que l'IA a aggravée : traiter un problème d'organisation comme un problème technique.
Le réflexe est toujours le même. L'organisation se coordonne mal ? On achète un outil de gestion de projet. Les équipes ne se parlent pas assez tôt ? On achète une plateforme de collaboration. Les décisions d'architecture ne sont pas partagées ? On achète un outil de documentation. Et maintenant : les équipes ne sont pas assez productives ? On achète de l'IA. J'ai vu ce réflexe à l'œuvre dans des dossiers de compliance — où l'on espérait qu'un logiciel réglerait des désaccords humains sur qui était responsable de quoi.
Une étude du MIT publiée en juillet 2025 a révélé que 95% des 300 projets d'IA générative étudiés n'ont pas passé le cap de la production. Seulement 40% sont déployés en phase pilote. Ce n'est pas un problème de technologie — la technologie fonctionne. C'est un problème d'intégration dans des organisations qui n'ont pas clarifié ce qu'elles voulaient réellement transformer.
Les organisations qui réussissent l'intégration de l'IA sont celles qui avaient déjà une capacité de coordination solide avant de l'implémenter. L'IA devient un multiplicateur de force pour elles — parce que les décisions sont prises clairement, parce que les rôles sont définis, parce que les processus sont compris. L'outil amplifie ce qui fonctionne déjà.
Les organisations qui échouent sont celles qui espéraient que l'outil résoudrait leurs problèmes de coordination. Elle les amplifie au lieu de les résoudre. Plus de code produit signifie plus de confusion sur ce code. Plus de documentation générée signifie plus de documentation que personne ne lit. Plus de rapidité d'exécution signifie plus d'urgence sur les décisions que personne n'a pris le temps de clarifier.
VI. Ce que l'IA peut vraiment faire
Soyons précis sur ce que l'IA fait bien, parce que l'essai ne vise pas à minimiser une transformation réelle.
L'adoption généralisée est un fait : 90% des développeurs utilisent l'IA en 2025. Pour les tâches clairement délimitées — génération de code standard, rédaction de documentation, résumé de pull requests, génération de tests unitaires — les gains sont réels et mesurables. Ce sont des tâches répétitives dans un périmètre défini, avec des inputs clairs et des outputs vérifiables. L'IA les fait vite et bien.
Ce qu'elle ne fait pas : comprendre pourquoi ce code doit s'intégrer d'une certaine façon dans l'existant. Anticiper les implications politiques d'une décision technique. Savoir quand il faut arrêter une réunion et en programmer une autre avec les bonnes personnes. Sentir que le consensus apparent cache un désaccord non exprimé.
Ces compétences-là sont de la coordination humaine. Et elles ne sont pas automatisables, pas parce que l'IA n'est pas assez puissante, mais parce qu'elles reposent sur des informations tacites, des relations de confiance, des contextes organisationnels qui ne sont pas entièrement codifiables.
La promesse juste de l'IA n'est pas de remplacer la coordination humaine. C'est de libérer du temps cognitif pour que les humains puissent se concentrer sur cette coordination. Si cette promesse est tenue, l'IA est précieuse. Si elle est détournée pour éviter de faire le travail de coordination, elle crée des problèmes plus graves que ceux qu'elle prétend résoudre.
VII. La coordination comme compétence à construire
Si la coordination est le vrai goulot d'étranglement, alors la question centrale n'est pas "quel outil acheter" mais "quelle capacité de coordination développons-nous".
C'est une compétence organisationnelle. Elle se construit délibérément, elle s'entretient, elle se perd aussi. Une équipe qui a travaillé ensemble développe des raccourcis, des langages communs, des façons de se synchroniser qui ne sont pas documentées mais qui fonctionnent. Une nouvelle équipe, même composée d'individus talentueux, met des mois à développer cette capacité.
En France, cette compétence est structurellement sous-investie, et je l'ai constaté sur le terrain. Le système éducatif forme des experts individuels excellents. Il forme beaucoup moins bien des gens capables de construire un modèle mental partagé, de faciliter une décision collective, de faire circuler l'information pour qu'elle soit comprise et pas seulement transmise. Dans la compliance, j'ai vu des équipes brillantes individuellement échouer collectivement, simplement parce que personne n'avait jamais appris à les coordonner.
Le résultat est prévisible : des organisations qui accumulent des outils sophistiqués pilotés par des équipes qui ne savent pas se coordonner. L'outil achète du temps. Il n'achète pas la compétence.
La compétence s'achète autrement — par de la formation sur les processus de décision collective, par des rituels de synchronisation courts et efficaces, par une culture qui permet de dire "je ne comprends pas" sans perdre la face, par des leaders qui modélisent explicitement comment ils décident et pourquoi.
Ce sont des investissements moins visibles qu'un déploiement d'IA. Ils ne font pas l'objet de communiqués de presse. Ils ne génèrent pas de démos impressionnantes. Mais ce sont eux qui déterminent si l'IA sera un multiplicateur de force ou un accélérateur de désordre.
VIII. La question qui change tout
Avant d'acheter le prochain outil, avant d'implémenter la prochaine solution d'IA, une question suffit : quel problème de coordination essayons-nous de résoudre ?
Si la réponse est vague — "on doit être plus productifs", "on doit aller plus vite" — alors l'outil n'aidera pas. Il ajoutera de la complexité sans adresser ce qui bloque vraiment.
Si la réponse est précise — "nos équipes de développement et de production ne se parlent pas assez tôt dans le cycle de livraison", "nos décisions d'architecture ne sont pas documentées et comprises avant l'exécution", "nos priorités changent trop vite sans que l'information ne redescende aux équipes en temps utile" — alors il devient possible de chercher un outil qui adresse spécifiquement ce point de friction, de mesurer s'il le résout, et d'ajuster si ce n'est pas le cas.
La première approche part de la solution et cherche un problème. La seconde part du problème et cherche une solution. Ce n'est pas la même chose. Et dans les organisations, la différence se mesure en projets livrés ou non, en équipes qui fonctionnent ou qui s'épuisent.
IX. Ce que le contre-argument dit
Cet essai plaide pour l'importance de la coordination humaine face à l'enthousiasme pour l'IA. Voici ce qu'il ne dit pas.
L'IA est réelle. Ses gains sont réels pour qui sait les utiliser. Les organisations qui ignorent cette transformation se mettent en difficulté compétitive — pas immédiatement, mais progressivement, à mesure que celles qui l'intègrent bien s'accélèrent.
La critique que je fais n'est pas contre l'IA. Elle est contre une façon spécifique de l'introduire — en espérant qu'elle résoudra des problèmes humains qu'elle ne peut pas adresser par nature.
Il y a des organisations qui font les deux choses en même temps : elles investissent dans l'IA et elles investissent dans leur capacité de coordination. Elles traitent les deux comme des problèmes séparés qui demandent des approches séparées. Elles réussissent mieux que celles qui espèrent que l'une résoudra l'autre.
Le défi, en France, est culturel autant que technique. L'achat d'un outil est une décision simple — une réunion, un budget, un contrat. Investir dans la capacité de coordination d'une organisation est un projet plus long, plus incertain, qui demande de changer des comportements plutôt que des systèmes. C'est moins confortable. C'est plus difficile à mesurer. C'est ce qui marche.
X. Retour au diagramme de Gantt
L'écran affiche toujours le diagramme parfait. Les flèches vertes, les boîtes bleues, les jalons.
Ce que le diagramme ne montre pas : les vingt minutes de couloir où deux chefs de projet ont aligné leurs équipes sur une décision qui n'était inscrite nulle part. La conversation informelle entre un développeur senior et un architecte qui a évité trois semaines de refactoring. La réunion qui a failli ne pas avoir lieu et qui a débloqqué une dépendance critique.
Ces moments de coordination ne sont pas dans le logiciel. Ils ne sont pas mesurés. Ils sont pourtant ce qui détermine si le projet arrive à destination.
L'IA de code a ralenti les développeurs expérimentés de 19% dans certaines études — non pas parce qu'elle est mauvaise, mais parce que le temps gagné sur la génération a été perdu sur la coordination de ce qui avait été généré. Le problème n'est pas l'outil. C'est l'attente qu'on place en lui.
L'IA peut générer le code plus vite. Elle ne peut pas décider quelle architecture adopter quand deux options sont valables. Elle peut rédiger la documentation. Elle ne peut pas s'assurer que tout le monde l'a comprise. Elle peut optimiser chaque tâche. Elle ne peut pas optimiser le flux global si le flux global est une négociation continue entre des humains avec des priorités différentes.
Ce n'est pas une limitation temporaire qu'une prochaine version corrigera. C'est une description de ce qu'est la coordination : un problème humain, politique, cognitif, qui ne se résout pas avec du calcul.
Ce qui est rassurant dans ce constat — si on accepte de l'être — c'est que la solution est entre vos mains. Pas dans le catalogue d'un vendeur.
Sources principales utilisées dans cet essai : — State of DevEx 2025, Atlassian — via LeMagIT — State of DevEx 2024, Atlassian — via LeMagIT — DORA 2025, Google — via LeMagIT — Stack Overflow Developer Survey 2025 — via LeMagIT — IA agentique dans les entreprises françaises, LeMagIT — Comment mesurer la productivité des développeurs, LeMagIT — [Russell Ackoff, travaux sur l'optimisation systémique et la pensée systémique, 1970–2000]