[{"data":1,"prerenderedAt":150},["ShallowReactive",2],{"footer-topics-fr":3,"post-fr-agile-ai-values-principles-the-hammer-and-the-screwdriver":70},{"topics":4},[5,21,33,46,58],{"locale":6,"name":7,"slug":8,"blurb":9,"summary":10,"state":11,"featuredOnHub":12,"hubOrder":13,"accent":14,"questionsTitle":15,"questions":16,"body":20},"fr-FR","Le Parcours","the-journey","Des premières expériences avec Agile × IA jusqu'à un système fonctionnel — l'histoire derrière la réflexion.","Des premières expériences à un système fonctionnel — l'histoire vraie de la construction d'Agile4AI, y compris les faux pas qui ont tout façonné.","published",true,2,"gold","Ce que le parcours nous apprend encore",[17,18,19],"Qu'est-ce qui nous a convaincus qu'Agile et l'IA allaient ensemble — et qu'est-ce qui a failli nous convaincre du contraire ?","Quels faux pas se sont révélés les plus instructifs ?","Comment SCI a-t-il évolué d'une expérience copier-coller à des réponses d'IA sur lesquelles on peut vraiment compter ?","\nChaque idée de ce sujet vient de nos expériences dans le développement d'Agile4AI. Nous sommes impatients de partager cette histoire avec vous — les succès et les échecs — parce que nous croyons que nous pouvons tous apprendre ensemble en découvrant comment mieux travailler avec l'IA. Ce que nous avons compris ne vient pas de la théorie. Cela vient du faire, de l'échec, et du recommencement avec ce que nous avons appris.\n\nLe parcours a commencé par une question simple : Agile pouvait-il être mis à jour pour l'ère de l'IA ? Ce qui a suivi fut des années d'expérimentation, d'hypothèses invalidées, de découvertes inattendues, et l'émergence progressive de quelque chose qui fonctionne vraiment — une approche d'Intelligence Collaborative Structurée (SCI) et le système Agile4AI construit dessus.\n\nCe n'est pas une rétrospective soignée écrite avec le recul. C'est l'histoire racontée aussi fidèlement que possible à ce qui s'est passé — y compris les impasses, les moments de doute, et les percées qui ont tout remis en perspective.\n\nNous la partageons parce que l'histoire elle-même porte la leçon. Les conclusions comptent, mais *comment nous y sommes arrivés* compte aussi — parce que le chemin montre ce qui a fonctionné, ce qui n'a pas fonctionné, et pourquoi.\n\nLes articles de ce sujet couvrent l'arc complet : premières expériences de collaboration avec l'IA, développement de SCI, découvertes spécifiques qui ont changé notre façon de travailler, et jalons qui méritent d'être marqués. Certains sont réflexifs. D'autres sont bruts. Tous sont réels.\n\nSi vous voulez comprendre pourquoi Agile4AI et SCI existent — pas seulement ce qu'ils sont — commencez ici.\n",{"locale":6,"name":22,"slug":23,"blurb":24,"summary":25,"state":11,"featuredOnHub":12,"hubOrder":26,"accent":14,"questionsTitle":27,"questions":28,"body":32},"Agile Décodé","agile-decoded","Ce que signifient vraiment les termes Agile — pas le raccourci courant, pas la version cargo-cult, pas le glossaire du méthodologiste.","Le vocabulaire Agile est largement utilisé et largement mal compris. Maîtriser les termes n'est pas du pédantisme — c'est la différence entre la cérémonie et le travail.",3,"Pourquoi la terminologie est fondamentale",[29,30,31],"Si un standup est animé comme un rapport de statut, qu'est-ce que l'équipe perd vraiment ?","Quand « Méthodologie Agile » est devenu le vocabulaire standard, qu'est-ce que cela a fait à la façon dont les organisations abordaient la transformation ?","Quel est le coût d'une équipe capable de nommer chaque pratique Agile mais qui ne comprend la finalité d'aucune d'entre elles ?","\nAgile a un problème de vocabulaire. Non pas parce que les termes sont obscurs — la plupart des personnes dans les organisations modernes les ont entendus. Mais parce que ce sont des mots familiers utilisés dans un contexte complètement différent, et sans ce contexte, les gens les associent à ce qu'ils connaissent déjà.\n\nQuand quelqu'un rencontre « Scrum Master » pour la première fois, le concept le plus proche disponible est « Chef de projet ». L'association semble naturelle — presque évidente. Le contexte est complètement différent.\n\nPersonne n'a construit un pont suffisamment clair entre les deux. Et le problème s'est aggravé quand des praticiens bien intentionnés — des personnes sincèrement engagées à faire progresser leurs organisations — ont commencé à décrire Agile comme une « meilleure gestion de projet ». Ont commencé à écrire des livres intitulés « Méthodologie Agile ». Quand on appelle son approche une méthodologie, les gens la mesurent selon les standards des méthodologies : artefacts de planification, jalons de phase, structures de livrables. Quand Agile ne produit pas ces éléments — parce qu'il n'a jamais été conçu pour le faire — il échoue à ces standards, à juste titre. Le problème n'est pas qu'Agile soit une mauvaise méthodologie. C'est qu'Agile n'est pas une méthodologie du tout. L'appeler ainsi a garanti que tous ceux qui cherchaient une méthodologie seraient déçus, et que tous ceux qui l'adoptaient construiraient quelque chose que Waterfall avait déjà cartographié.\n\nUn standup devient un rapport de statut. Un sprint devient une échéance. Un backlog devient une liste de tâches. « Méthodologie Agile » devient la formule standard pour quelque chose que les auteurs du Manifeste n'auraient pas reconnu comme décrivant ce qu'ils avaient construit. Et quand les mots signifient la mauvaise chose, les pratiques qui s'y appuient produisent les mauvais résultats — avec précision, fidélité et à grande échelle.\n\nCe thème est une correction concept par concept. Pas un guide de style — un guide fonctionnel. Chaque article prend un mot ou une phrase qui est devenu fondamental dans la façon dont les organisations pensent à Agile, examine ce qu'il signifie réellement et explique ce qui se perd quand le raccourci remplace la substance. Il ne s'agit pas que de différences terminologiques. « Résultat Souhaité » n'est pas un mot plus élégant pour « Spécification » — c'est une chose entièrement différente, issue d'un modèle différent de la façon dont le travail s'accomplit. Le terme est la surface. Le concept en dessous est ce qui compte.\n\nLe même schéma apparaît quand les organisations abordent l'IA — et le fossé conceptuel est plus large. Avec Agile, les concepts sous-jacents avaient au moins été articulés, même si mal communiqués. Avec l'IA, les concepts eux-mêmes sont encore en train de se former, et dans la compréhension du public, ils commencent à peine à émerger. Le vocabulaire devance la compréhension : l'IA comme « automatisation », l'IA comme « outil », la « transformation IA » comme un projet avec une date de fin. Chacun de ces éléments ancre un modèle mental avant que quiconque n'ait examiné s'il convient. Ce que nous appelons les choses façonne ce que nous construisons et comment nous le construisons. Maîtriser les mots est le prérequis pour maîtriser le travail.\n\nIl y a un principe à l'œuvre ici : les modèles mentaux viennent en premier. Le langage les exprime. Les actions suivent. Quand le modèle mental est désaligné avec le travail, le vocabulaire qui l'exprime porte ce désalignement — et les actions construites sur ce vocabulaire exécuteront fidèlement la compréhension distordue, à grande échelle, avec un plein engagement. Un changement de vocabulaire sans changement de mentalité produit, au mieux, une table de traduction : un tableau d'équivalences où « sprint » correspond à quelque chose comme « délai court ». Les tables de traduction permettent aux gens d'opérer à travers le fossé. Elles ne le comblent pas. Les articles de ce thème visent à faire plus que traduire. Ils aspirent à changer le modèle mental.\n",{"locale":6,"name":34,"slug":35,"blurb":36,"summary":37,"state":11,"featuredOnHub":12,"hubOrder":38,"accent":39,"questionsTitle":40,"questions":41,"body":45},"Intelligence Collaborative Structurée","structured-collaborative-intelligence","Là où le raisonnement collaboratif surpasse un seul modèle de pointe — et là où il ne le fait pas.","Là où la collaboration structurée — entre modèles, et entre modèles et humains — produit un raisonnement qu'un seul modèle ne peut atteindre seul.",4,"green","Questions auxquelles nous revenons sans cesse",[42,43,44],"Où l'intelligence collaborative structurée apporte-t-elle une valeur qu'un seul modèle ne peut tout simplement pas égaler ?","Lorsque les modèles ne sont pas d'accord, qu'est-ce que cela vous dit — et comment l'utilisez-vous ?","Comment concevoir une structure qui rende la collaboration avec l'IA productive plutôt que simplement redondante ?","\nUn seul modèle d'IA, aussi capable soit-il, raisonne seul. Personne ne remet en question ses hypothèses, ne détecte ses angles morts, ni ne remarque quand il s'est écarté de l'intention originale. L'IA solo — travailler avec un seul modèle à la fois — y est vulnérable. Un modèle à qui on demande une réponse en fournira une, même quand il n'a pas de bonne réponse à apporter.\n\nL'Intelligence Collaborative Structurée (SCI) est une approche différente. Plutôt que de traiter le résultat d'un seul modèle comme le résultat final, SCI utilise la collaboration structurée — entre plusieurs modèles d'IA et entre modèles et humains — pour produire des résultats plus fiables, plus minutieusement examinés et plus transparents sur leurs propres limites. Les modèles s'examinent mutuellement. Les désaccords font remonter les hypothèses à la surface. Le processus lui-même crée une boucle de rétroaction qu'une interaction à modèle unique ne peut pas reproduire.\n\nLe lien avec Agile est direct : c'est ce que les équipes performantes ont toujours fait. Non pas une personne produisant une réponse de manière isolée, mais un processus structuré de collaboration, de révision et d'itération qui capte ce que toute perspective individuelle manque. SCI applique cette même discipline à l'IA.\n\nIl y a un problème plus profond avec le raisonnement solitaire. L'IA solo vous enferme dans une seule source de données, une seule architecture et un seul ensemble de biais intégrés — ce qui signifie une seule forme de réponse, précise ou non. Pensez à la façon dont un bon détective interroge plusieurs témoins. Non pas parce que l'un d'eux ment, mais parce que chaque point de vue révèle quelque chose que les autres ont manqué. Ensemble, ils se rapprochent de ce qui s'est réellement passé. SCI fonctionne de la même façon : plusieurs modèles de lignées différentes, chacun apportant son propre angle. La réponse qui émerge a été vue sous plusieurs angles — plus riche, plus complète et plus difficile à se tromper silencieusement.\n\nLorsque des modèles de différentes lignées collaborent, les résultats s'améliorent de manière significative : moins d'erreurs confiantes, meilleure gestion des cas limites, raisonnement plus explicite que les humains peuvent évaluer et corriger. Les désaccords entre modèles, plutôt qu'être du bruit à supprimer, s'avèrent être exactement le signal que vous voulez quand les enjeux sont élevés.\n\nSCI est le moteur analytique derrière le service Agile4AI. Les articles de ce sujet documentent ce qu'il est, comment il fonctionne en pratique, où il apporte une valeur réelle et — tout aussi important — où il ne le fait pas. Une partie de la discipline consiste à savoir faire la différence.\n",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":53,"body":57},"Valeurs et Principes d'Agile4AI","agile-ai-values-principles","Les valeurs et principes Agile appliqués à l'ère de l'IA — ce qui perdure, ce qui change, et pourquoi nous invitons les objections les plus fortes.","La mentalité Agile appliquée au travail avec l'IA — ce qui perdure, ce qui se précise, et pourquoi l'adéquation entre Agile et l'IA n'est pas accidentelle.",5,"red",[54,55,56],"Lorsque le travail complexe ne peut pas être entièrement planifié à l'avance, qu'est-ce que cela signifie pour notre façon de travailler avec l'IA ?","Comment l'accent mis par Agile sur le retour d'information continu change-t-il quand votre collaborateur ne se fatigue pas et ne se met pas sur la défensive ?","L'« Agile pour l'IA » est-il une adéquation naturelle — ou l'objection de l'erreur de catégorie est-elle vraiment décisive ?","\nLa mentalité Agile a été forgée dans la complexité — non pas pour la gérer en la faisant disparaître, mais pour la traverser avec attention et intelligence. Cela ne devient pas moins pertinent quand votre collaborateur est un modèle d'IA. À bien des égards, cela le devient davantage.\n\nCe sujet porte sur cette relation : non pas l'Agile-by-prescription, non pas les cadres ou les cérémonies, mais les valeurs et principes fondamentaux qu'Agile a distillés — et comment ceux-ci s'appliquent, se précisent et doivent parfois être réexaminés lorsque des humains et des IA travaillent ensemble.\n\nL'insight central est que la pensée Agile a toujours été une réponse à la *nature* du travail complexe, pas seulement aux particularités des équipes humaines. Lorsqu'Agile a remis en question l'hypothèse selon laquelle le travail complexe peut être planifié en détail à l'avance, ce n'était pas un contournement des limites humaines — c'était une observation précise sur le comportement réel du travail non déterministe et rapide. Cette observation ne change pas parce qu'une IA est impliquée. Elle s'intensifie.\n\nL'estimation mérite d'être nommée directement — c'est l'un des sujets les plus contestés même parmi les Agilistes les plus engagés. Agile n'a pas émergé pour aider les équipes à mieux estimer ; il a émergé pour exposer pourquoi l'estimation *échoue* dans le travail complexe — et pour remplacer la fausse précision par la mesure empirique et le retour d'information réel qui améliore réellement les prévisions de livraison. À l'ère de l'IA, où les résultats sont probabilistes et le travail lui-même résiste à la spécification fixe, cette perspective est plus pertinente que jamais.\n\nC'est aussi la maison du Débat Raisonné : là où les objections les plus fortes à « Agile pour l'IA » ont leur heure de tribune. Nous pensons que l'argument tient. Nous voulons être prouvés dans l'erreur si ce n'est pas le cas.\n",{"locale":6,"name":59,"slug":60,"blurb":61,"summary":62,"state":11,"featuredOnHub":12,"hubOrder":63,"accent":64,"questionsTitle":40,"questions":65,"body":69},"Sécurité Psychologique de l'IA","ai-psychological-safety","Pourquoi la liberté de dire « je ne sais pas encore » est la précondition de l'intelligence réelle.","Les conditions que vous créez dans votre communication déterminent ce que l'IA vous renvoie — et quand ces conditions sont mauvaises, le résultat est de la confiance sans fiabilité.",6,"amethyst",[66,67,68],"Quelles conditions rendent une IA plus susceptible d'exprimer une incertitude réelle plutôt qu'une supposition au ton confiant ?","Comment la façon dont vous formulez une question influence-t-elle le fait que la réponse soit fiable — ou simplement rassurante ?","Que conserve-t-on de l'approche Agile de la sécurité psychologique — et qu'est-ce qui doit s'adapter pour l'IA ?","\nLa plupart des gens considèrent la sécurité psychologique comme une préoccupation humaine — les conditions qui permettent à une personne de s'exprimer, d'exprimer de l'incertitude ou de remettre en question une idée sans crainte. C'est juste, pour autant que cela aille.\n\nMais quelque chose d'important est manqué quand on ignore d'où vient l'IA. L'IA a été construite par des humains, façonnée par le langage humain, entraînée sur des choix humains. Les dynamiques qui affectent la performance humaine — y compris la sécurité psychologique — se transmettent aux interactions avec l'IA pour les mêmes raisons sous-jacentes qu'Agile a toujours identifiées : **les conditions que vous créez dans votre communication déterminent ce que vous obtenez en retour.**\n\nUne IA incitée à produire des réponses au ton confiant produira des réponses au ton confiant — que cette confiance soit justifiée ou non. Une IA sans espace pour dire « je ne suis pas sûre » comblera cet espace avec autre chose, car ses directives l'obligent à répondre même quand elle sait qu'elle n'a pas la bonne réponse. La dynamique est différente de la sécurité psychologique humaine, mais le principe sous-jacent tient : l'intelligence performe mieux quand elle a la permission d'être honnête sur ce qu'elle ne sait pas.\n\nC'est concretement important. Les hallucinations, les productions trop confiantes et les systèmes d'IA qui vous disent ce que vous voulez entendre plutôt que ce qui est vrai ne sont pas de pures défaillances techniques. Ce sont souvent des défaillances de la conception de l'interaction — les prompts, le cadrage, les attentes implicites intégrées dans la façon dont une question est posée.\n\nLes articles ici explorent les conditions qui rendent la collaboration humain–IA plus fiable et plus véridique. Cela comprend comment rédiger des prompts qui invitent à l'incertitude réelle plutôt que de la supprimer, la différence entre l'utilisation déterministe et probabiliste de l'IA et pourquoi cette distinction change tout dans la façon de cadrer son travail, et ce que l'approche Agile de la sécurité psychologique dans les équipes humaines transmet quand votre collaborateur est un modèle.\n\nC'est aussi l'endroit où nous examinons les modes d'échec : ce qui se passe quand ces conditions ne sont pas en place, et ce que cela coûte.\n",{"kind":71,"post":72,"topic":84,"availableLocales":86,"translations":94,"html":148,"audioUrl":149},"post",{"audio":-1,"author":73,"category":48,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":78,"title":83,"translationKey":77,"updatedAt":76},"Seán González","Demander si Waterfall ou Agile est meilleur, c'est comme demander si un marteau est meilleur qu'un tournevis. La question est mal posée. Et c'est exactement cette question mal posée que l'on pose en ce moment à propos de l'IA.",false,"2024-09-15T10:00:00.000Z","the-hammer-and-the-screwdriver",[79,80,81,82],"Valeurs Agile","Waterfall","Complexité","Intégration de l'IA","Le marteau et le tournevis",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":85,"body":57},[54,55,56],[87,88,6,89,90,91,92,93],"en-US","es-419","pt-BR","de-DE","uk","ru","ja",[95,103,110,112,118,125,132,139],{"audio":-1,"author":73,"category":48,"excerpt":96,"featured":75,"locale":87,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":97,"title":102,"translationKey":77,"updatedAt":76},"Asking whether Waterfall or Agile is better is like asking whether a hammer or a screwdriver is better. The question is wrong. And the same wrong question is being asked about AI right now.",[98,99,100,101],"agile-values","waterfall","complexity","ai-integration","The hammer and the screwdriver",{"audio":-1,"author":73,"category":48,"excerpt":104,"featured":75,"locale":88,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":105,"title":109,"translationKey":77,"updatedAt":76},"Preguntar si Waterfall o Agile es mejor es como preguntar si un martillo o un destornillador es mejor. La pregunta está mal planteada. Y esa misma pregunta equivocada se está haciendo ahora sobre la IA.",[106,80,107,108],"Valores Agile","Complejidad","Integración de IA","El martillo y el destornillador",{"audio":-1,"author":73,"category":48,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":111,"title":83,"translationKey":77,"updatedAt":76},[79,80,81,82],{"audio":-1,"author":73,"category":48,"excerpt":113,"featured":75,"locale":89,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":114,"title":117,"translationKey":77,"updatedAt":76},"Perguntar se Waterfall ou Agile é melhor é como perguntar se um martelo é melhor que uma chave de fenda. A pergunta está errada. E é exatamente essa pergunta errada que se faz agora sobre a IA.",[106,80,115,116],"Complexidade","Integração de IA","O martelo e a chave de fenda",{"audio":-1,"author":73,"category":48,"excerpt":119,"featured":75,"locale":90,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":63,"slug":77,"state":11,"tags":120,"title":124,"translationKey":77,"updatedAt":76},"Zu fragen, ob Waterfall oder Agile besser ist, ist wie zu fragen, ob ein Hammer oder ein Schraubendreher besser ist. Die Frage ist falsch. Und genau dieselbe falsche Frage wird gerade über KI gestellt.",[121,80,122,123],"Agile-Werte","Komplexität","KI-Integration","Der Hammer und der Schraubendreher",{"audio":-1,"author":73,"category":48,"excerpt":126,"featured":75,"locale":91,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":51,"slug":77,"state":11,"tags":127,"title":131,"translationKey":77,"updatedAt":76},"Питати, що краще — Waterfall чи Agile, — це як питати, що краще: молоток чи викрутка. Питання хибне. І саме це хибне питання зараз ставлять про ШІ.",[128,80,129,130],"Цінності Agile","Комплексність","Інтеграція ШІ","Молоток і викрутка",{"audio":-1,"author":73,"category":48,"excerpt":133,"featured":75,"locale":92,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":51,"slug":77,"state":11,"tags":134,"title":138,"translationKey":77,"updatedAt":76},"Спрашивать, что лучше — Waterfall или Agile, — это как спрашивать, что лучше: молоток или отвёртка. Вопрос неверен. И ровно этот же неверный вопрос сейчас задают об ИИ.",[135,80,136,137],"Ценности Agile","Комплексность","Интеграция ИИ","Молоток и отвёртка",{"audio":-1,"author":73,"category":48,"excerpt":140,"featured":75,"locale":93,"pinnedInTopic":12,"pinnedOverall":12,"publishedAt":76,"readingMinutes":141,"slug":77,"state":11,"tags":142,"title":147,"translationKey":77,"updatedAt":76},"ウォーターフォールとアジャイルのどちらが優れているかと問うのは、ハンマーとドライバーのどちらが優れているかと問うのと同じである。問いが間違っている。そして今、まったく同じ間違った問いがAIについて立てられている。",1,[143,144,145,146],"アジャイルの価値観","ウォーターフォール","複雑性","AI統合","ハンマーとドライバー","\u003Cp>Lequel est le meilleur — un marteau ou un tournevis ?\u003C\u002Fp>\n\u003Cp>Cela sonne comme une question idiote, parce que c’en est une. Ce sont des outils différents pour des travaux différents. Le marteau est meilleur pour enfoncer des clous. Le tournevis est meilleur pour poser des vis. Aucun des deux n’est meilleur dans l’abstrait. La question n’a pas de réponse parce que la question a la mauvaise forme.\u003C\u002Fp>\n\u003Cp>Demandez maintenant : lequel est le meilleur, Waterfall ou Agile ?\u003C\u002Fp>\n\u003Cp>La même mauvaise forme. La même réponse absente. Et pourtant le débat persiste, avec des agilistes qui affirment qu’Agile est meilleur et des praticiens de tradition qui défendent Waterfall, et ces échanges produisent de la chaleur sans lumière utile, parce qu’aucun des deux camps n’a localisé la véritable question.\u003C\u002Fp>\n\u003Ch2>À quoi sert chaque approche\u003C\u002Fh2>\n\u003Cp>Waterfall fonctionne pour le travail simple et compliqué : le travail qui a déjà été fait, qui est bien compris et qui peut être planifié à l’avance avec une confiance raisonnable. Construire une maison. Fabriquer un produit. Faire tourner un système de paie. Vous connaissez les étapes, vous connaissez la séquence, vous pouvez créer un plan détaillé et l’exécuter. Waterfall n’est pas seulement acceptable pour ce travail — il est souvent optimal. Une planification détaillée en amont et une exécution séquentielle disciplinée produisent des résultats prévisibles et efficaces lorsque le travail lui-même est prévisible.\u003C\u002Fp>\n\u003Cp>Agile fonctionne pour le travail complexe et chaotique : le travail qui est nouveau, incertain ou qui change rapidement. Construire un produit que personne n’a construit avant. Répondre à un marché qui se déplace. Intégrer une technologie dont vous apprenez encore le comportement — comme l’IA. Pour ce travail, vous ne pouvez pas créer de plan détaillé en amont, parce que vous n’avez pas les informations que ce plan exigerait. Vous découvrez le chemin à mesure que vous avancez, en vous adaptant à ce que vous apprenez. Agile fournit la structure pour le faire intelligemment plutôt qu’au hasard.\u003C\u002Fp>\n\u003Cp>Aucune des deux approches n’est \u003Cem>meilleure\u003C\u002Fem>. Elles sont conçues pour des types de travail \u003Cem>différents\u003C\u002Fem>, et employer l’une ou l’autre sur le mauvais type produit un échec prévisible. Waterfall appliqué à du travail complexe produit des plans devenus obsolètes avant d’être terminés et des réalisations fidèles à la mauvaise spécification. Agile appliqué à du travail simple ajoute une complexité inutile, supprime les gains d’efficacité que le travail prévisible rend possibles et laisse les équipes prendre des décisions qu’elles n’avaient pas besoin de prendre.\u003C\u002Fp>\n\u003Cp>La véritable question n’est jamais « Waterfall ou Agile ? » C’est : de quel type de travail s’agit-il ?\u003C\u002Fp>\n\u003Ch2>Comment les deux approches sont arrivées par accident\u003C\u002Fh2>\n\u003Cp>Voici un morceau d’histoire qui vaut la peine d’être connu : Waterfall et Agile ont été, en un sens réel, des accidents.\u003C\u002Fp>\n\u003Cp>Winston Royce a écrit en 1970 un article sur la gestion des projets logiciels. Son intention était de \u003Cem>mettre en garde\u003C\u002Fem> contre le développement séquentiel en une seule passe, de soutenir qu’il était risqué et insuffisant. L’article a été lu comme un plaidoyer en faveur de l’approche même contre laquelle il avertissait. Ce que nous appelons Waterfall a été extrait d’une mise en garde contre Waterfall. Le tournevis a été remis à quelqu’un qui s’en est aussitôt servi comme d’un marteau.\u003C\u002Fp>\n\u003Cp>Les auteurs du Manifeste Agile ne cherchaient pas à lancer un mouvement. Dix-sept praticiens se sont réunis en 2001 pour trouver un terrain commun entre leurs différentes approches légères, en cherchant à faire connaître des pratiques qu’ils avaient déjà développées. Ce qu’ils ont découvert en formulant pourquoi leurs pratiques fonctionnaient était plus grand que les pratiques elles-mêmes : un ensemble de valeurs et une orientation culturelle vers les personnes, la collaboration et l’adaptabilité. Ils faisaient la promotion de processus et ont mis au jour, par accident, une révolution culturelle.\u003C\u002Fp>\n\u003Cp>Ni Waterfall ni Agile n’a été délibérément conçu comme une approche complète. Les deux ont émergé de praticiens qui tentaient de résoudre des problèmes précis, et les deux ont ensuite été généralisés au-delà de ce que leurs origines pouvaient soutenir.\u003C\u002Fp>\n\u003Ch2>Marteler des vis\u003C\u002Fh2>\n\u003Cp>Le schéma d’échec le plus courant dans l’adoption d’Agile consiste à donner un tournevis aux organisations et à les regarder s’en servir comme d’un marteau.\u003C\u002Fp>\n\u003Cp>Les organisations qui adoptent les pratiques Agile sans adopter l’état d’esprit Agile — qui mettent en place des standups, des Sprints et des rétrospectives tout en continuant à fonctionner avec une pensée Waterfall — martèlent des vis. La pratique est là ; le but, non. Le tournevis fait un marteau épouvantable. Le standup quotidien fait une réunion de statut épouvantable, parce que ce n’est pas ce qu’il est censé faire. Ce qui en sort, c’est de la frustration et la conclusion qu’« Agile ne marche pas », alors que le problème réel est la mauvaise application.\u003C\u002Fp>\n\u003Cp>Cela n’est propre à aucune organisation en particulier. C’est ce qui arrive quand une nouvelle approche est introduite avant que la pensée qui la fait fonctionner ait été établie. Le smartphone qui ne sert qu’à téléphoner. Le moteur à réaction fixé sur une voiture miniature : vous n’obtenez pas une voiture plus rapide ; vous obtenez une explosion.\u003C\u002Fp>\n\u003Ch2>La même erreur avec l’IA\u003C\u002Fh2>\n\u003Cp>Le débat Waterfall contre Agile a un parallèle contemporain : les organisations commettent aujourd’hui la même erreur de classification avec l’IA.\u003C\u002Fp>\n\u003Cp>Le désir organisationnel dominant à l’égard de l’IA est l’automatisation : prendre des tâches que les personnes font aujourd’hui et les faire faire par l’IA à la place, plus vite et moins cher. C’est un désir légitime. Et l’informatique déterministe — le logiciel traditionnel — est la bonne approche pour l’automatisation. Systèmes à base de règles, flux scriptés, logique programmatique : ce sont d’excellents outils d’automatisation, exactement adaptés au travail qui peut être entièrement spécifié à l’avance.\u003C\u002Fp>\n\u003Cp>L’IA — l’informatique probabiliste — est autre chose. Les tâches déterministes et entièrement spécifiées ne sont pas là où l’IA excelle. Ce que l’IA fait bien, ce sont les espaces complexes, incertains et contextuels qui ne s’automatisent pas facilement : synthétiser une information ambiguë, générer des options que personne n’avait préspécifiées, raisonner sur des problèmes dont les paramètres ne cessent de changer.\u003C\u002Fp>\n\u003Cp>Geoffrey Hinton — l’un des chercheurs fondateurs de l’IA moderne — formule cette différence plus crûment que la plupart. Il décrit ce que nous construisons comme des êtres d’un autre genre. Quoi que cela veuille dire par ailleurs, ce n’est pas la description d’un outil. C’est la distinction que ce texte établit depuis le début, poussée d’un niveau : avant de choisir une approche, vous demandez de quel type de travail il s’agit, et avec l’IA vous devez aussi demander avec quel genre de partenaire vous travaillez.\u003C\u002Fp>\n\u003Cp>Un outil est quelque chose que l’on manœuvre. Personne ne raisonne avec un marteau. L’automatisation veut une exécution répétable et déterministe ; l’utilité de l’IA se trouve dans le variable et le contextuel. Mettez l’IA sur le travail monotone et prévisible, et la déception qui suit ne mesure pas la capacité de l’IA : la demande visait le mauvais genre de chose.\u003C\u002Fp>\n\u003Cp>Les organisations qui s’obstinent à traiter l’IA comme de l’automatisation commettent l’erreur de Waterfall contre Agile dans un nouveau domaine. Elles martèlent des vis. Ou bien elles n’obtiendront pas le bénéfice que l’IA est réellement capable d’apporter, ou bien elles pousseront les fournisseurs d’IA à forcer l’IA dans des boîtes en forme d’automatisation — ce qui est une autre sorte de mauvaise application, avec son propre jeu de risques.\u003C\u002Fp>\n\u003Cp>La question est la même qu’elle a toujours été : de quel type de travail s’agit-il ? Pour l’automatisation, employez la bonne approche d’automatisation. Pour le travail complexe, incertain et contextuel qui bénéficie réellement des capacités de l’IA, apportez l’état d’esprit — et la culture — que le travail complexe exige.\u003C\u002Fp>\n\u003Cp>C’est cela l’état d’esprit Agile — adapté au travail émergent et complexe, qui est précisément la forme de l’espace de l’IA. Et c’est pourquoi Agile compte aujourd’hui plus que jamais.\u003C\u002Fp>\n",null,1793842057935]