Résumé exécutif

À mesure que l’AI passe de l’assistance aux équipes au co-développement logiciel, la vraie question d’entreprise n’est plus la vitesse, mais le contrôle. Les logiciels produits conjointement par des équipes humaines et des agents autonomes doivent être coordonnés, régis et audités, et des outils adoptés de façon isolée ne le permettent pas. Ils fragmentent la livraison et introduisent de nouveaux risques en matière de conformité, sécurité et gouvernance. Pour les organisations, la pression visant à réduire les cycles, atteindre les indicateurs de vélocité et diminuer les coûts est incroyablement forte. Ajouter plus d’outils ne fait qu’aggraver le problème au lieu de le résoudre. Ce qu’il faut, c’est un modèle opérationnel gouverné qui coordonne l’AI tout au long du cycle de livraison.

La pratique SDLC native AI de HCLTech, bâtie sur le cycle de vie de développement piloté par l’AI (AI-DLC), est ce modèle. Au cœur du modèle, HCLTech AI Force fournit la couche d’orchestration et de gouvernance, définit le travail et applique les normes organisationnelles. Les agents et services AWS Frontier (Kiro, AWS Transform et AWS DevOps Agent) assurent la couche d’exécution qui déploie, modernise et exploite le logiciel. Ensemble, ils offrent aux équipes une façon unique et auditée de coordonner la livraison humain-agent de bout en bout.

Pour l’entreprise, les gains s’additionnent : chaque engagement génère des cas d’utilisation réutilisables et des normes qui accélèrent le suivant, transformant des gains AI isolés en une capacité de livraison durable et à l’échelle de l’organisation. Ce guide explique comment les leaders technologiques peuvent adopter l’AI-DLC dans les quatre domaines où son impact est le plus important (Développement applicatif, Modernisation et migration, Ingénierie qualité et Soutien applicatif).

Le modèle opérationnel AI-DLC

Comment livrer plus rapidement sans perdre le contrôle? Le compromis entre vitesse et gouvernance est un défi rencontré par chaque entreprise lorsque les agents AI entrent dans le SDLC.

La pratique AI-DLC de HCLTech y répond grâce à un modèle opérationnel unifié qui équilibre les deux. Les équipes utilisent HCLTech AI Force pour définir le travail en cas d’utilisation réutilisables (emballant les bons agents, contextes, outils et normes), établir des garde-fous de gouvernance et de sécurité. HCLTech AI Force coordonne le travail et active la couche d’exécution avec le contexte organisationnel – les agents et services AWS Frontier.

Cela se décline en trois dimensions :

• Personnes (supervision stratégique) : Les ingénieurs passent de l’écriture du code à la définition de l’orientation, à la prise de décisions de conception et à la validation des résultats
• Processus (gouvernance humaine en boucle) : Points de contrôle humains aux étapes critiques (exigences, conception, qualité du code et livraison). Empêche la vitesse de dépasser conformité et sécurité
• Technologie (plateforme partagée) : Agents, environnements de développement (IDE) et pipelines utilisent le même contexte et un ensemble unique de normes (moins de transferts, résultats cohérents, temps de mise en valeur accéléré)

Le parcours d’adoption

L’adoption de l’AI-DLC n’est pas un déploiement soudain; c’est un cheminement progressif où chaque équipe qui adopte accélère l’adoption de la suivante. Le travail est consigné dans HCLTech AI Force sous forme de cas d’utilisation et fichiers de pilotage réutilisables : les actifs d’un projet pilote deviennent la base des projets suivants; ainsi, une nouvelle équipe à bord hérite d’un cadre opérationnel, sans devoir repartir de zéro. 

HCLTech utilise un modèle de maturité en trois phases : Évaluer → Piloter → Passer à l’échelle, avec des seuils de validation clairs pour structurer le parcours.

Mesurer la valeur : Ancrer chaque phase à des indicateurs déjà suivis par votre organisation – temps de cycle de sprint et délai des changements (vélocité), fuite de défauts et taux juste du premier coup (qualité), temps moyen de résolution (stabilité) et portion de l’effort de livraison réalisée par des agents sous supervision humaine (levier). La collecte de ces indicateurs durant le pilote donne une base objective pour décider de l’expansion.

Playbooks par domaine : l’AI-DLC en action

HCLTech décline l’AI-DLC en quatre playbooks adaptés à chaque domaine, chacun pouvant être adopté de façon indépendante, afin que les organisations puissent débuter sans perturber les opérations en cours. Chaque playbook traduit les principes AI-DLC en un flux de travail concret piloté par agents.

Développement applicatif

La vélocité de livraison des fonctionnalités souffre à cause des passages manuels, de décisions de conception peu claires et de tests ajoutés après coup. Le playbook développement applicatif redéfinit ce processus à l’aide d’un flux structuré et piloté par agents : HCLTech AI Force définit le travail et les garde-fous; Kiro l’exécute; un spécialiste applicatif surveille et approuve.

HCLTech AI Force configure le cadre de livraison une seule fois, définit le cas d’utilisation (le flux d’exigence à la livraison), fixe les compétences à atteindre (normes et spécifications à respecter) et gouverne (points d’approbation et piste d’audit). Kiro exécute ensuite le développement (Inception, Construction et Livraison), en se conformant au contexte des fichiers de pilotage d’entreprise pour que chaque résultat respecte les normes architecturales, tant pour les évolutions sur l’existant (brownfield) que pour les nouveaux développements (greenfield).

Inception (préparation des exigences) : Kiro transforme le backlog en spécifications de conception, critères d’acceptation et contrats d’API, vérifiés en fonction des normes de pilotage définies par HCLTech AI Force.

Approbation des spécifications (point de validation humaine) : Le spécialiste applicatif valide l’intention et la conception avant la rédaction du code.

Construction (conception, codage et test) : Kiro réalise la solution et ses tests, les fichiers de pilotage assurant le respect des normes d’architecture et de codage à chaque étape.

Revue de l’ingénieur (validation humaine) : Vérifications de conformité, puis le spécialiste valide et autorise le changement.

Livre : Le build validé est livré avec la traçabilité complète enregistrée dans HCLTech AI Force pour audit.

Chaque histoire terminée réinjecte les leçons apprises et les règles architecturales dans les fichiers de pilotage, rendant chaque sprint plus cohérent et nécessitant moins de cycles de révision.

Modernisation et migration

Dépendances non documentées, code obsolète et rareté de l’expertise des systèmes légacys font de la modernisation l’un des domaines les plus difficiles pour la livraison en entreprise. Le playbook Modernisation apporte une structure avec un pipeline piloté par agents et gouverné. AWS Transform assure la modernisation, Kiro assiste la dernière étape et HCLTech AI Force fournit les compétences sectorielles, flux de travail et garde-fous qui rendent l’ensemble du programme reproductible, avec la surveillance, validation et approbation d’experts humains à chaque étape.

Évaluation du portefeuille : AWS Transform évalue la dette technique, cartographie les dépendances, mesure la préparation à la modernisation et priorise les candidats dans une feuille de route.

Transformation du code : AWS Transform migre les cadres et modernise le code à grande échelle, en tirant parti de l’expertise sectorielle et du contexte de HCLTech AI Force.

Résultats de la transformation : AWS Transform rend compte de ce qu’il reste à faire, des tâches ouvertes et recommandations.

Finalisation – dernière étape : Kiro aide à résoudre les cas particuliers et compléter le travail restant, guidé par les cibles de pilotage.

Validation ingénieur (point de validation humaine) : Spécialistes vérifient la conformité fonctionnelle et les résultats des tests avant l’intégration des changements.

Compétences, flux de travail et pilotage de la modernisation sont capturés dans HCLTech AI Force. Le premier projet de modernisation construit un cadre réutilisable; chaque migration suivante part de ce cadre et avance plus vite.

Tests et ingénierie qualité

À mesure que la vitesse de livraison augmente, la validation doit suivre; la couverture évolue au même rythme que le code. Le playbook Ingénierie qualité décale la validation en amont : les tests sont générés et exécutés en parallèle au développement, la qualité étant intégrée dès le départ, non inspectée après coup. HCLTech AI Force fournit le contexte du test, les normes de couverture, l’historique des défauts et les tests existants. Kiro génère et exécute la matrice de tests; un ingénieur qualité valide les acceptations.

Package de code : Un développeur soumet le code mis à jour pour test.

Génération de la matrice de tests : L’ingénieur qualité demande à Kiro de générer la matrice de tests, couvrant scénarios positifs, négatifs et cas limites en fonction des normes, du passé de défauts et des actifs existants fournis par HCLTech AI Force.

Création et exécution des scripts : Kiro rédige et exécute les tests, avec des assertions informées par l’historique des défauts.

Revue QA (validation humaine) : L’ingénieur qualité passe en revue la couverture, valide les assertions critiques et approuve la branche avant l’acceptation.

Chaque cycle enrichit le contexte de HCLTech AI Force avec de nouveaux patrons de couverture et d’insights sur les défauts, de sorte que chaque cycle de test démarre plus fort que le précédent.

Soutien et maintenance applicative

En production, les incidents dans des environnements complexes exigent généralement de corréler la télémétrie de plusieurs systèmes avant même de pouvoir en découvrir la cause. Le playbook Support transforme la résolution d’incidents en un flux guidé par agents. Un incident signalé dans l’outil ITSM lance l’enquête, l’agent AWS DevOps fait le diagnostic, HCLTech AI Force fournit le contexte, les règles de conformité, procédures opérationnelles et historique des incidents tandis que Kiro apporte le correctif, avec l’ingénieur support opérations validant et approuvant le changement avant la mise en production.

Triage d’incident : Un incident signalé dans l’outil ITSM est classé et associé aux applications touchées.

Analyse de la cause racine : L’agent AWS DevOps corrèle télémétrie et journaux dans un rapport d’enquête structuré, réduisant les causes potentielles en fonction du contexte fourni par HCLTech AI Force.

Plan d’atténuation : Des correctifs de code ou étapes du runbook sont proposés, vérifiés par rapport aux règles de conformité et procédures opérationnelles d’entreprise.

Application du correctif : Kiro aide l’ingénieur support opérations à transformer le plan approuvé en action corrective (temporaire ou définitive).

Validation ingénieur (point de validation humaine) : L’ingénieur revoit le diagnostic et le correctif, puis autorise le changement en production.

Les causes racines et correctifs validés sont consignés dans HCLTech AI Force de façon à accélérer le diagnostic d’un incident similaire ultérieur.

Conclusion : De l’expérimentation au passage à l’échelle

Les outils de codage AI accélèrent certaines tâches individuelles. Livrer la valeur de l’AI sur tout le cycle de vie, à l’échelle de l’organisation et sous gouvernance, est un défi d’un autre ordre. C’est ce que livre la pratique AI-DLC de HCLTech : un modèle gouverné où les agents exécutent, mais où les ingénieurs gardent le contrôle à chaque étape clé.

La voie vers l’échelle est réfléchie, non perturbatrice : commencer là où la friction dans la livraison est la plus forte, prouver le résultat avec un pilote basé sur des indicateurs clairs et laisser les résultats mesurés infuser dans l’ensemble du portefeuille. Les organisations qui avancent n’iront pas seulement plus vite — elles bâtiront une capacité de livraison qui croît avec chaque projet.

Appel à l’action

Prêt à explorer l’AI-DLC pour votre organisation? HCLTech propose une évaluation AI-DLC pour vous aider à démarrer. Nos experts examinent votre portefeuille d’applications, identifient le point d’entrée à plus fort impact et définissent une feuille de route d’adoption claire pour votre premier pilote.

Contactez HCLTech pour planifier une évaluation AI-DLC ou découvrez l’offre AI-DLC d’entreprise de HCLTech sur AWS Marketplace.

Contenu connexe

• HCLTech AI Force – De la capacité AI aux résultats autonomes
• Cycle de vie du développement piloté par l’AI : Réinventer l’ingénierie logicielle

Tags : AI-DLC, Agentic AI, Kiro, HCLTech AI Force, Modernisation applicative, Développement logiciel