AI4IT

AI4IT : l'IA appliquée au système d'information lui-même

AI4IT (AI for IT, IA pour l'IT, IA pour le build et le run du SI) désigne l'application de l'intelligence artificielle générative et agentique au système d'information lui-même : écrire du code, générer des tests, refactorer une base, déployer, observer, diagnostiquer un incident, remédier. Les utilisateurs sont les équipes IT, les gains reviennent à la DSI. Didier Girard pose le terme dans l'article AI4IT d'abord (avril 2026), en miroir de l'AI4Business.

La fiche voisine AI4Business couvre l'autre versant : l'IA dans les processus métiers front-office (ventes, marketing, service client, RH), dont les gains reviennent aux directions métiers. La Software Factory 10x est la méthode par laquelle SFEIR applique AI4IT au segment développement. Dans le positionnement SFEIR, AI4IT et AI4Business sont les deux branches de l'AI Engineering, la discipline qui concrétise l'ambition 10x.

D'où vient le terme

Fin 2025, les plans stratégiques annonçaient 2026 comme l'année de l'IA pour les métiers. Six mois plus tard, Didier Girard décrit dans l'article d'avril 2026 le glissement observé en comité de surveillance et en comité stratégique DSI : l'IA pour les métiers passe à 2027 au plus tôt, l'IA pour le SI prend la place. Le couple AI4IT / AI4Business fixe ce partage : deux lignes de crédit, deux sponsors, deux indicateurs de succès. Le fond doctrinal est antérieur : le deck « AI for IT : la stratégie du 10x » (Didier Girard, février 2026) pose l'objectif ×10, le passage du code au Context Engineering et la Sandwich Team ; la keynote « Remember the Future » (Didier Girard, octobre 2025) fixe l'ordre de grandeur, arrêter de chercher 5 % et viser ×2, ×10, ×100.

Pourquoi les DSI commencent par l'IT

L'article d'avril 2026 avance quatre raisons ; l'article AI4IT a déjà son ROI (juin 2026) en ajoute une cinquième, la plus solide.

• Un ROI interne et mesurable : temps de développement, coût par fonctionnalité, vélocité de livraison, couverture de tests, MTTR. La DSI lit ces chiffres dans ses propres outils.
• Une asymétrie politique : le DSI qui outille les métiers avant sa propre direction laisse le ROI s'écrire dans les comptes des autres et garde les coûts d'infrastructure, la sécurité, la dette technique et la gouvernance des données.
• Une maturité inégale des métiers : règles de qualification, workflows et référentiels sont rarement assez formalisés pour qu'un agent s'y intègre.
• Des outils matures côté développement : Claude Code, Cursor, Gemini for Workspace, Copilot et le protocole MCP forment une pile stabilisée ; l'outillage IA des métiers reste fragmenté.
• Une boucle de vérification en secondes : le code se compile, se teste et se déploie ; quand l'agent se trompe, le test casse. Le processus métier n'a ni compilateur ni suite de tests, sa boucle se compte en semaines.

Dev, Ops, Run : trois segments, trois maturités

L'ordre Dev, puis Ops, puis Run traduit une dépendance technique : la remédiation automatique suppose des runbooks écrits, le FinOps agentique un tagging strict des ressources.

• Dev (2026) : la marche franchie. Les retours publics cités dans l'article de juin 2026 vont de ×2 à ×10 : Salesforce (+151 % d'Effective Output, mai 2026), AWS (Amazon Bedrock redéveloppé par 6 personnes en 72 jours) et le repère prudent de DORA et Google Cloud (39 % de ROI la première année, retour sur investissement en 8 mois).
• Ops (2026-2027) : la frontière. Exigences ISO 27001, DORA et NIS2, SLA contractuels, runbooks tacites, traçabilité des changements. Une équipe Dev qui livre dix fois plus de changements sature sa CI/CD : le goulot se déplace vers l'exploitation.
• Run (2027 et après) : l'horizon. Diagnostic automatique d'une alerte, correctif proposé avant lecture du ticket, réallocation de ressources selon le coût du cloud, à condition d'un Ops mature.

Exemple : un groupe aéronautique, 800 développeurs

SFEIR et WEnvision ont défini et déployé la stratégie d'IA générative d'un groupe aéronautique pour 800 développeurs répartis dans 12 sociétés : plus de 10 solutions d'assistance au code comparées, 3 présélectionnées, expérimentation avec plus de 20 développeurs, puis plan d'adoption progressif. La mission FDE AI4IT reprend ce geste : auditer l'existant (outillage, CI/CD, dette, culture de revue), installer la couche agentique avec Claude Code en outil principal, mesurer, diffuser d'équipe en équipe.

Erreurs courantes

• Brûler l'ordre Dev, Ops, Run : tenter du Run agentique sur un Ops immature, puis conclure que l'IA ne marche pas ici.
• Accumuler des POC : chaque équipe teste un outil, range un rapport, rien ne se compose. Le remède est une méthode commune, Compound Engineering, où chaque cycle enrichit le suivant.
• Dépendre d'un seul fournisseur de modèles : un lock-in aussi coûteux à défaire que les ERP des années 2000. Contrepoids : multi-modèle, abstraction par MCP, infrastructure souveraine (Scaleway, S3NS).

Ce que SFEIR en fait

La page AI Engineering présente AI4IT comme le cœur de l'activité de SFEIR : SDLC augmenté, outillage de développement, objectif 10x sur les équipes de dev. L'article d'avril 2026 énonce le positionnement : une factory augmentée livrée en engagement de résultat, le refus des projets qui excluent l'IA comme méthode de production, Compound Engineering, Context Engineering et Harness Engineering comme socle, un partenariat avec Anthropic et des infrastructures souveraines (Scaleway, S3NS) contre la dépendance à un seul fournisseur. Didier Girard y résume l'ordre de grandeur : « Il faut qu'on arrête de penser qu'on est 1 000, il faut qu'on pense qu'on est 10 000, parce qu'on doit créer dix fois plus de valeur avec l'IA. »

Deux points d'entrée : le Diagnostic 10x (30 minutes, rapport de maturité en 10 points) et la mission FDE AI4IT.