IA et R&D : inventer une nouvelle façon de concevoir les solutions RH

Depuis plus de deux ans, les équipes Recherche & Développement de Sopra HR Software explorent concrètement le potentiel de l’intelligence artificielle. Dès le départ, notre objectif n’a pas été de suivre un effet de mode, mais de comprendre ce que l’IA pouvait réellement apporter à nos métiers, dans notre contexte : celui d’un éditeur de solutions RH opérant dans des environnements complexes, multi-pays, fortement réglementés et technologiquement diversifiés. 

Cette démarche a commencé par des expérimentations ciblées avec des collaborateurs volontaires, sur différentes lignes de produits, technologies et géographies. Il s’agissait d’observer, de tester, de mesurer et surtout d’identifier les usages capables de créer une valeur tangible pour nos équipes comme pour nos clients. 

Aujourd’hui, une nouvelle étape est engagée. L’IA n’est plus seulement un terrain d’exploration : elle devient progressivement un levier de transformation de notre manière de produire, de concevoir et de faire évoluer nos solutions RH. 

De l’expérimentation à l’industrialisation 

Les premiers usages se sont concentrés sur deux domaines : les tests de non-régression automatisés et l’assistance au développement logiciel. Génération de tests, analyse de code, complétion, documentation technique : ces cas d’usage ont permis d’identifier les premiers gains possibles en matière d’efficacité, de qualité et de robustesse. 

Mais l’intégration de l’IA dans une organisation R&D comme la nôtre ne peut pas se résumer à l’adoption d’outils standards. Nos produits reposent sur plusieurs technologies, s’adressent à des contextes réglementaires différents et couvrent des domaines fonctionnels exigeants comme la paie, la gestion des temps ou les ressources humaines. 

C’est pourquoi nous avons d’abord avancé de manière progressive. Certaines expérimentations prometteuses ont commencé à produire des résultats réellement satisfaisants avec l’arrivée de technologies agentiques plus matures. Ce qui fonctionnait partiellement hier devient aujourd’hui suffisamment fiable pour être déployé sur des périmètres ciblés. 

Les bénéfices sont déjà visibles sur certains projets : accélération de phases de production, amélioration de la qualité, meilleure capacité à réduire le délai entre une idée et sa mise à disposition sur le marché. Mais cette montée en puissance doit rester maîtrisée. À l’échelle d’une organisation complexe, les gains doivent être mesurés, consolidés et adaptés aux réalités de chaque ligne de produit. 

Le développeur devient chef d’orchestre 

Cette transformation ne concerne pas uniquement les outils. Elle modifie en profondeur les métiers de la R&D. 

Le métier de développeur, en particulier, évolue. Il ne s’agit plus seulement d’écrire du code ligne après ligne. La valeur se déplace vers la capacité à formuler clairement un objectif, à guider l’IA, à qualifier ce qu’elle produit, à corriger, arbitrer et garantir le niveau d’exigence attendu. 

Dans ce nouveau modèle, le développeur devient progressivement le chef d’orchestre d’un ensemble d’agents spécialisés. Il mobilise des expertises complémentaires, les coordonne autour d’un objectif et s’assure que le résultat produit respecte nos standards de qualité, d’architecture, de performance, de sécurité et d’accessibilité. 

Cette évolution ne diminue pas la place de l’expertise humaine. Au contraire, elle la rend plus stratégique. Plus l’IA prend en charge certaines tâches d’exécution, plus l’humain doit être précis dans l’intention, exigeant dans le contrôle et responsable dans les choix de conception. 

Une usine d’agents adaptée aux métiers RH 

L’un des enseignements majeurs de nos expérimentations est que l’IA doit être contextualisée pour être réellement utile. 

Chez Sopra HR Software, nous ne travaillons pas dans un environnement générique. Nous développons des solutions RH qui répondent à des contraintes fortes : paie, gestion administrative, réglementation, multi-localisation, sécurité des données, accessibilité, performance et continuité de service. 

Pour que l’IA soit pertinente, elle doit donc intégrer cette réalité métier. C’est dans cette logique que nous avons commencé à construire une usine d’agents spécialisés. Certains agents portent une expertise fonctionnelle, par exemple sur la paie, les ressources humaines ou la gestion des temps. D’autres sont orientés vers des domaines plus techniques, comme certains langages de développement, la qualité logicielle ou l’analyse de code. 

La force de cette approche réside dans la capacité de ces agents à travailler ensemble. Il ne s’agit pas de juxtaposer des assistants isolés, mais de les faire contribuer à un objectif commun, dans un cadre cohérent et maîtrisé. 

Pour garantir cette cohérence, nous nous appuyons sur des règles communes intégrées aux demandes adressées à l’IA. Ces instructions permettent d’orienter les productions selon nos exigences d’architecture, de développement, de performance, de sécurité et d’accessibilité. Elles sont enrichies au fil des usages, ajustées, corrigées et améliorées dans une logique d’apprentissage continu. 

Maîtriser les usages, les coûts et l’impact environnemental 

Le déploiement de l’IA soulève aussi de nouveaux enjeux opérationnels. L’adoption par les équipes est au rendez-vous, ce qui est positif. Mais elle entraîne mécaniquement une consommation importante de tokens, avec des impacts économiques et environnementaux qu’il faut prendre en compte. 

C’est aujourd’hui l’un des sujets prioritaires : comment optimiser cette consommation tout en maintenant un haut niveau de qualité dans les résultats produits ? Comment poursuivre le développement des usages utiles sans créer de dérive, ni sur les coûts, ni sur l’impact environnemental ? 

Là encore, l’enjeu est de trouver le bon équilibre. L’IA doit être utilisée là où elle apporte une valeur réelle, dans un cadre responsable, mesurable et soutenable. 

Le principal défi est humain 

Depuis le début de cette transformation, un point apparaît clairement : le sujet le plus complexe n’est pas seulement technologique. Il est humain. 

Il faut expliquer ce qu’est l’IA, ce qu’elle permet, ce qu’elle ne permet pas, dans quels cas elle apporte de la valeur et comment l’utiliser avec discernement. Il faut aussi accompagner les équipes, car chacun ne se projette pas de la même manière face à ces nouveaux outils. 

Certains collaborateurs se sont immédiatement emparés de l’IA. D’autres ont exprimé davantage de prudence ou d’appréhension. Ces différences sont normales. Elles font partie de toute transformation profonde des métiers. 

Notre responsabilité est donc d’accompagner cette appropriation : donner des repères, partager des bonnes pratiques, créer les conditions d’un usage responsable et construire progressivement de nouvelles méthodes de travail. Il n’existe pas encore de mode d’emploi universel pour travailler avec l’IA. Nous sommes en train de l’inventer collectivement. 

L’IA évolue à une vitesse sans précédent. Dans ce contexte, rester informés n’est pas un sujet secondaire : c’est une condition de réussite. Cette veille doit devenir un réflexe collectif, partagé par les équipes, en consacrant du temps à observer les évolutions, confronter les expériences, tester de nouvelles approches et diffuser rapidement les enseignements utiles. Notre capacité à apprendre ensemble devra progresser au même rythme que l’IA elle-même. 

L’IA va transformer nos processus, mais elle ne donnera sa pleine mesure que si la transformation fonctionne dans les deux sens : intégrer l’IA dans nos façons de travailler, et faire évoluer notre organisation, nos rôles et nos processus pour les adapter à ses possibilités. Il ne s’agit donc pas d’ajouter une couche technologique à l’existant, mais de repenser certains enchaînements, responsabilités et modes de collaboration afin de permettre à l’IA d’apporter toute sa valeur. 

Cette dimension humaine est essentielle, car l’IA ne transforme pas seulement la manière de produire du logiciel ; elle transforme aussi la manière de penser le travail, la collaboration et la création de valeur. 

Vers une nouvelle expérience utilisateur 

L’IA ne change pas seulement la R&D en interne. Elle ouvre aussi de nouvelles perspectives dans la conception même des produits RH.

Pendant longtemps, les logiciels ont été pensés autour de parcours applicatifs structurés : menus, écrans, boutons, étapes successives. L’utilisateur devait naviguer dans le produit pour atteindre son objectif. 

Avec l’IA, une autre logique devient possible. Demain, une solution RH pourra davantage partir de l’intention exprimée par l’utilisateur. Celui-ci formulera une demande, posera une question ou exprimera un besoin, et le produit devra être capable de lui proposer le chemin le plus adapté pour y répondre. 

Cette évolution représente une rupture majeure dans l’interaction entre l’utilisateur et la machine. Pour les professionnels RH comme pour les collaborateurs, elle ouvre la voie à des expériences plus fluides, plus contextualisées et plus centrées sur les objectifs que sur les parcours figés. 

Elle transforme également notre façon de concevoir les produits. Les équipes R&D doivent penser des solutions capables de comprendre une intention, de guider l’utilisateur et de construire dynamiquement une réponse pertinente. 

Inventer ensemble les métiers de demain 

L’IA engage une transformation profonde de nos façons de travailler. Elle remet en question certaines habitudes, modifie les rôles et oblige chacun à interroger sa valeur ajoutée. 

Cette transformation est exigeante. Elle suppose de nouvelles compétences, de nouvelles méthodes, de nouveaux réflexes et une vigilance constante sur la qualité des résultats produits. 

Mais elle est aussi passionnante. Nous sommes en train d’inventer la manière dont nous travaillerons demain : la façon dont nous organiserons les équipes, dont nous concevrons les produits, dont nous accompagnerons les utilisateurs et dont nous ferons évoluer nos solutions. 

Dans ce contexte, le métier d’ingénieur prend tout son sens. Il ne se réduit pas à produire du code ou à appliquer une méthode. Il consiste à rechercher des solutions, à comprendre des besoins complexes, à orchestrer des expertises et à garantir que la technologie reste au service d’usages concrets. 

C’est précisément là que se situe la valeur de l’IA pour la R&D : non pas remplacer l’expertise humaine, mais lui permettre de se concentrer sur ce qui compte le plus — la compréhension, la décision, la qualité et l’innovation.