Peut-on développer un
logiciel métier avec l’IA ?
Créer un logiciel métier avec l’intelligence artificielle est aujourd’hui beaucoup plus accessible qu’il y a encore quelques années. Avec des outils comme Claude, ChatGPT ou d’autres assistants de développement, une entreprise peut décrire une fonctionnalité, générer du code, créer une interface ou construire rapidement un premier prototype.
Cette évolution change la manière d’aborder certains projets informatiques. Une entreprise qui aurait auparavant dû faire appel à un développeur dès les premières étapes peut désormais expérimenter elle-même une idée et obtenir rapidement une première version fonctionnelle.
Mais un prototype qui fonctionne n’est pas nécessairement un logiciel métier prêt à être utilisé au quotidien. Entre les deux, il existe un ensemble de problématiques techniques, fonctionnelles et de sécurité qu’une IA ne permet pas de résoudre simplement en générant davantage de code.
Alors, peut-on réellement créer un logiciel métier avec l’IA ? Oui, dans certains cas. Mais il faut surtout savoir jusqu’où aller avec l’IA et à quel moment faire intervenir des compétences spécialisées.
L’IA permet déjà de construire une première version d’un logiciel
Le premier intérêt des outils d’IA générative est leur capacité à accélérer les premières étapes du développement.
Une entreprise peut par exemple expliquer qu’elle souhaite créer un outil interne permettant à ses commerciaux de suivre leurs prospects, générer une interface de connexion, créer des formulaires, enregistrer des informations dans une base de données ou encore afficher un tableau de bord.
L’IA peut alors produire une partie importante du code nécessaire. Elle peut également proposer une structure de projet, expliquer les erreurs rencontrées, modifier une fonctionnalité existante ou aider à connecter différents composants.
Pour un prototype ou une preuve de concept, cette approche peut être particulièrement intéressante. Elle permet de vérifier rapidement qu’une idée est techniquement réalisable et de montrer aux futurs utilisateurs à quoi pourrait ressembler le logiciel.
C’est d’ailleurs là que l’IA apporte une véritable valeur : elle réduit le temps nécessaire pour passer d’une idée à quelque chose de concret. Le problème apparaît lorsque cette première version doit devenir un outil utilisé par une entreprise.
Un prototype fonctionnel n’est pas encore un logiciel métier
La différence entre les deux est essentielle. Un prototype doit principalement permettre de tester une idée. Un logiciel métier doit, lui, fonctionner de manière fiable dans la durée, avec de vraies données, plusieurs utilisateurs et des règles métier parfois complexes.
Prenons un exemple simple. Une entreprise développe avec une IA un outil permettant à ses équipes de saisir leurs interventions chez des clients.
La première version peut très bien fonctionner : un utilisateur se connecte, sélectionne un client, saisit une intervention et enregistre les informations.
Mais que se passe-t-il lorsqu’il faut gérer plusieurs profils d’utilisateurs ? Un responsable doit-il pouvoir modifier les interventions de son équipe ? Un client peut-il consulter certaines informations ? Que se passe-t-il lorsqu’un utilisateur supprime une donnée ? Comment empêcher quelqu’un d’accéder aux informations d’un autre client ? Comment sauvegarder les données ? Comment retrouver une erreur survenue trois semaines auparavant ?
Ces questions ne concernent plus simplement la génération de code. Elles concernent la conception globale du logiciel.
C’est à ce stade qu’un projet réalisé avec une IA peut commencer à montrer ses limites et qu’il faut se tourner vers une agence de développement comme Akelio.
La sécurité ne peut pas être ajoutée à la fin du projet
Pour un logiciel métier, la sécurité est rarement une fonctionnalité supplémentaire que l’on peut simplement demander à une IA d’ajouter à la fin.
Elle dépend notamment de l’architecture du logiciel, de la gestion des comptes et des droits, de la protection des données, des échanges avec les services externes, de la configuration de l’environnement et des méthodes de déploiement.
Une application utilisée uniquement pour tester une idée peut fonctionner avec des données fictives. Une application métier va potentiellement manipuler des informations concernant les clients, les salariés, les fournisseurs ou l’activité de l’entreprise.
Les exigences changent donc complètement.
La CNIL recommande notamment de sécuriser le développement, de contrôler les accès, de vérifier les composants utilisés, de mettre en place des tests robustes et de documenter le fonctionnement du système. Elle insiste également sur la nécessité de connaître les limites d’un système avant son déploiement.
L’IA peut aider à produire du code relatif à ces sujets. Elle ne dispense pas pour autant de vérifier que les choix effectués sont adaptés au logiciel et à son contexte d’utilisation.
Les données et les intégrations compliquent rapidement le projet
Un logiciel métier sur-mesure fonctionne rarement seul. Il doit souvent communiquer avec le logiciel de comptabilité de l’entreprise, un CRM, un ERP, une plateforme de paiement, une messagerie, un outil de signature électronique ou encore une API développée spécifiquement pour l’entreprise.
À cela s’ajoutent les données existantes qu’il faut parfois importer, transformer ou synchroniser.
Une IA peut aider à développer une connexion avec une API. En revanche, le véritable sujet consiste à déterminer précisément quelles données doivent circuler, à quel moment, avec quelles règles et que faire lorsqu’un service externe ne répond plus.
Ces situations nécessitent une réflexion sur l’ensemble du système, et pas uniquement sur la fonction que l’on cherche à programmer.
Tester un logiciel métier demande plus que de vérifier qu’il fonctionne
Un autre piège consiste à considérer qu’un logiciel est terminé parce que les fonctionnalités principales fonctionnent.
Dans un environnement professionnel, il faut également tester les cas particuliers. Que se passe-t-il si deux utilisateurs modifient la même information simultanément ? Si un fichier importé est incorrect ? Si une connexion est interrompue pendant une opération ? Si un utilisateur n’a pas les droits nécessaires ? Si une API externe change son fonctionnement ? Si la base de données contient plusieurs années d’historique ?
Ces scénarios sont rarement visibles lors des premiers tests d’un prototype.
Le développement professionnel consiste justement à anticiper ces situations et à mettre en place des tests permettant de limiter les régressions lorsque le logiciel évolue.
Et après le développement : l’hébergement et la maintenance
Même lorsque l’application est terminée, le projet ne s’arrête pas au code. Il faut encore choisir et configurer l’environnement d’hébergement, sécuriser les accès, gérer les sauvegardes, surveiller le fonctionnement de l’application et prévoir les mises à jour.
Puis vient la maintenance.
Une bibliothèque utilisée par le logiciel peut évoluer. Une API externe peut être modifiée. Une faille de sécurité peut être découverte. Les besoins de l’entreprise peuvent changer. Une nouvelle fonctionnalité peut nécessiter de revoir une partie de l’architecture.
Un logiciel métier est donc un produit qui évolue dans le temps, et non un fichier de code que l’on termine une fois pour toutes.
Faut-il alors éviter de développer avec l’IA ?
Non. Ce serait probablement tirer la mauvaise conclusion.
L’IA peut être un excellent accélérateur pour un projet logiciel. Elle peut notamment permettre à une entreprise de formaliser une idée, de réaliser un prototype, d’explorer différentes solutions et même de produire une partie du développement.
La véritable question est plutôt de savoir à quel moment le projet change de nature.
Tant que l’objectif est de tester une idée, l’expérimentation avec une IA peut être parfaitement pertinente. Lorsque le logiciel doit devenir un outil métier fiable, connecté au système d’information de l’entreprise et utilisé par plusieurs personnes, les exigences deviennent beaucoup plus importantes.
À ce stade, faire intervenir une équipe spécialisée en développement web ne signifie pas nécessairement abandonner le travail réalisé avec l’IA.
Un projet commencé avec une IA peut être repris par une équipe de développement comme Akelio. Lorsqu’une entreprise a déjà développé une partie de son application avec Claude ou un autre outil, il n’est pas forcément nécessaire de recommencer depuis zéro.
Une première étape consiste à analyser l’existant : architecture, code, base de données, dépendances, sécurité, fonctionnalités déjà développées et état du projet. Cette analyse permet ensuite de déterminer ce qui peut être conservé, ce qui doit être corrigé et ce qui mérite éventuellement d’être reconstruit.
Dans certains projets, quelques ajustements et une véritable structuration suffiront pour poursuivre le développement. Dans d’autres, l’architecture initiale sera trop fragile et une reconstruction partielle ou complète sera plus pertinente.
L’intérêt d’un audit est justement de ne pas prendre cette décision à l’aveugle.
Chez Akelio, nous pouvons intervenir à différents moments d’un projet : depuis la conception et le développement d’un logiciel métier jusqu’à la reprise d’une application existante, son déploiement et sa maintenance.
L’objectif n’est donc pas d’opposer intelligence artificielle et développement traditionnel. Il s’agit plutôt d’utiliser chaque approche là où elle apporte le plus de valeur : l’IA pour accélérer certaines tâches et expérimenter rapidement, et l’expertise d’une équipe de développement pour transformer cette expérimentation en un logiciel réellement exploitable par l’entreprise.