Enquête – L’IA dans le cycle de delivery des services numériques

Comment les équipes intègrent-elles les exigences qualité dans ce nouveau cycle ?

Partagez votre expérience et contribuez à documenter les pratiques de référence.

Tous les champs avec une astérisque " * " sont obligatoires.

Quel est votre rôle principal dans le cycle de delivery ? *

Autre rôle *

Décrivez votre activité principale

Quelle est la taille de votre équipe delivery ? *

Dans quel secteur d'activité intervient principalement votre organisation ? *

Autre secteur *

Décrivez votre secteur d'activité

De manière générale, à quel niveau de maturité estimez-vous l'usage de l'IA dans vos processus de delivery ? *

Pour quelles phases du delivery utilisez-vous (ou avez-vous testé) des outils d'IA pour détecter des anomalies ou des non-conformités ? *

Développement (linting IA, revue de code assistée, hooks pré-commit…)

Tests (génération de cas de test, analyse de couverture, détection de régressions…)

Intégration / Déploiement (analyse de pipelines CI/CD, validation de configurations…)

Monitoring / Production (analyse de logs, détection d'anomalies temps réel…)

Audit / Conformité réglementaire (RGPD, accessibilité RGAA, référentiels qualité type Opquast…)

Documentation (vérification de cohérence, complétude, conformité documentaire…)

Aucune de ces phases

Autre (précisez ci-après)

Cochez un ou plusieurs champs

Autre phase *

Quels agents IA utilisez-vous pour développer dans le terminal ?

Claude Code

Codex

Copilot CLI

Autre (précisez ci-après)

Cochez un ou plusieurs champs

Autres agents *

Quel éditeur de code utilisez vous ?

VS Code

Cursor

Autre (précisez ci-après)

Cochez un ou plusieurs champs

Autres éditeur de code *

Quels autres outils ou services d'IA utilisez-vous dans ce cadre ?

Outils d'analyse de logs / observabilité augmentée (Datadog AI, Elastic AI Assistant…)

Outils de test automatisé avec IA (Testim, Mabl, Katalon AI…)

Agents ou workflows orchestrés (LangChain, n8n + LLM, scripts maison…)

Outils d'audit qualité / accessibilité (Lighthouse + post-traitement LLM…)

Autre (précisez ci-après)

Cochez un ou plusieurs champs

Autres outils ou services d'IA *

Si vous souhaitez recevoir le résultat de l'étude, communiquez une adresse email

Décrivez en quelques lignes un exemple concret d'utilisation de l'IA pour la détection d'anomalies ou la remédiation dans votre cycle de delivery :

Exemples : « On fait passer un linter via un hook Claude Code avant chaque commit » ou « On envoie les logs d'erreur à Gemini pour obtenir un diagnostic et des pistes de correction. »

Quels sont les principaux freins que vous rencontrez pour intégrer l'IA dans vos processus qualité/conformité ? (Choix multiples, 3 maximum)

Manque de fiabilité des résultats (hallucinations, faux positifs…)

Contraintes de confidentialité / sécurité des données

Absence de cadre ou de gouvernance interne

Coût des outils ou des API

Manque de compétences dans l'équipe

Résistance au changement / culture d'équipe

Difficulté d'intégration dans les outils et pipelines existants

Manque de temps pour expérimenter

Autre (précisez ci-après)

Cochez 3 choix au maximum

Autres freins rencontrés pour intégrer l'IA : *

Exemple pour guider le répondant : « On fait passer un linter via un hook Claude Code avant chaque commit » ou « On envoie les logs d'erreur à Gemini pour obtenir un diagnostic et des pistes de correction ».

Comment mesurez-vous l'apport de l'IA sur la qualité ou la conformité de vos livrables ?

On ne mesure pas encore

Mesure qualitative (ressenti, retours d'équipe)

Indicateurs ponctuels (nombre de bugs détectés, temps de résolution…)

KPIs intégrés dans nos dashboards de delivery

Autre (précisez ci-après)

Sélectionnez un choix dans la liste.

Autres apports de l'IA *

Décrivez votre secteur d'activité

Autre priorité ou précision

Si vous le souhaitez, faites nous part de vos réflexions sur l'usage de l'IA dans le contexte de la qualité et la conformité du delivery

Si vous êtes un humain, ne remplissez pas ce champ.

L'IA transforme les pratiques de développement