Aller au contenu principal
IA & automatisation15 min

Faire coder son logiciel métier par l'IA : ce qu'il faut prévoir pour la suite

Construire soi-même un petit logiciel avec une IA est devenu possible en quelques jours. Le difficile arrive après : qui le maintient, à qui appartiennent le code et les données, où sont les sauvegardes. Voici les questions à régler avant de s'y fier.

Ce qui est devenu possible, et ce qui ne l'est pas

Il y a encore peu, écrire un logiciel de gestion demandait une équipe. Aujourd'hui, un dirigeant qui sait décrire précisément son besoin peut obtenir d'un assistant IA un outil qui fonctionne : un suivi de commandes, un planning, un calculateur de devis, parfois un petit outil de production. On entend de plus en plus souvent des histoires de ce genre, et certaines sont vraies. Cet article ne dit pas que c'est une mauvaise idée.

Il dit autre chose : l'écriture du logiciel est la partie la plus visible, et la plus courte, de sa vie. Un outil qui sert tous les jours pendant cinq ans se corrige, se met à jour, se sauvegarde, change de mains, s'adapte à une nouvelle règle de TVA ou à un nouveau client. Le jour de la première démonstration, rien de tout cela n'est encore posé, et c'est précisément ce qui coûtera.

Nous allons passer en revue les questions à régler avant de s'en remettre à un outil écrit de cette façon : ce qui est raisonnable à faire seul, qui assure la maintenance, à qui appartiennent le code et les données, comment protéger les accès, où sont les sauvegardes, et à quel moment faire relire le travail par un professionnel. Une liste à cocher termine l'article.

Ce qu'une IA fait bien, et ce qu'elle ne voit pas

Les assistants de programmation sont très bons pour produire rapidement un premier résultat visible : une page, un formulaire, un tableau qui calcule, une base de données qui enregistre. Ils sont aussi utiles pour comprendre un problème, proposer une structure, expliquer un message d'erreur. Pour tester une idée, vérifier qu'un outil serait vraiment utilisé par l'équipe, ou automatiser une tâche interne sans conséquence, c'est un vrai progrès.

Ce qu'ils voient mal, c'est tout ce que vous ne leur avez pas dit. Une IA écrit ce qu'on lui demande et fait l'hypothèse la plus plausible pour le reste. Elle ne sait pas que votre client X bénéficie d'un tarif négocié, que les factures d'avril suivent une règle particulière, que deux personnes ne doivent jamais modifier la même commande. Elle ne sait pas non plus ce qui arrive quand deux utilisateurs enregistrent en même temps, ni quand la connexion s'interrompt au milieu d'une opération. Ces cas rares sont ceux qui abîment les données.

Un logiciel qui marche le jour de la démonstration et un logiciel auquel on peut confier la facturation sont deux objets différents. Entre les deux, il y a des règles contrôlées côté serveur et pas seulement dans l'écran, des cas limites testés, des droits d'accès, une trace de qui a fait quoi, des sauvegardes éprouvées. Rien de cela n'apparaît à l'écran, et c'est ce qui manque le plus souvent aux outils construits vite.

Où le raisonnable s'arrête

Pour décider, la gravité d'une erreur compte plus que la complexité de l'outil. Voici un repère simple en trois niveaux.

  • Niveau 1, sans conséquence : un outil dont la panne ou l'erreur se rattrape en une heure, qui ne contient aucune donnée personnelle et qui ne touche ni à l'argent ni aux engagements envers un client. Un calculateur pour votre usage, un tableau de bord en lecture seule, une page qui trie vos propres fichiers. Faites-le vous-même, sans scrupule.
  • Niveau 2, avec des données ou une équipe : un outil utilisé par plusieurs personnes, qui contient des noms de clients, des prix, des dates de livraison. Une erreur coûte du temps et de la confiance. C'est jouable à condition de poser les garde-fous décrits plus bas, et de faire relire l'ensemble avant de s'y fier.
  • Niveau 3, qui touche à l'argent, à la loi ou à la sécurité : facturation, paie, traçabilité réglementaire, données de santé, accès à distance de clients ou de fournisseurs. Ici, la relecture par un professionnel n'est pas une option, et la question est plutôt de savoir si un logiciel du marché ou un développement encadré ne vaut pas mieux qu'un outil bricolé.

Qui maintient l'outil dans deux ans

C'est la première question, et la plus ignorée. Un logiciel n'est jamais terminé : les navigateurs évoluent, les bibliothèques de code qu'il emploie reçoivent des correctifs de sécurité, les services auxquels il se connecte changent leurs règles, et vos propres besoins bougent. Un outil qu'on ne met pas à jour devient, avec le temps, une porte ouverte.

Posez-vous trois questions concrètes. Qui, dans l'entreprise, est capable de demander une modification à l'assistant IA et de vérifier que le résultat est correct ? Si c'est vous, que se passe-t-il pendant vos vacances, ou si vous n'avez plus le temps ? Et si la modification casse quelque chose, qui s'en aperçoit, et comment revient-on à la version précédente ?

Un test très simple : demandez-vous si une autre personne que vous pourrait reprendre l'outil demain matin. Elle aurait besoin de savoir où est le code, comment on le démarre, où sont les accès, quelles règles métier il applique et pourquoi. Si ces réponses n'existent que dans votre tête et dans l'historique d'une conversation avec l'IA, l'outil dépend d'une seule personne, ce qui est exactement le défaut que l'on reprochait au fameux fichier Excel que personne d'autre ne comprenait. Notre article sur le remplacement d'Excel décrit ce risque, qui se reproduit à l'identique avec un outil généré.

Ce qui aide, concrètement : un document d'une ou deux pages qui explique ce que fait l'outil, ses règles, ses accès et sa procédure de redémarrage ; un historique des modifications ; et un petit calendrier de contrôle, par exemple une fois par trimestre, pour appliquer les mises à jour. Une prestation de maintenance applicative peut aussi se limiter à cela : surveiller, mettre à jour, corriger, sans réécrire.

À qui appartiennent le code et les données

Deux sujets différents, qu'il faut séparer. Les données, ce sont vos clients, vos commandes, vos prix : elles vous appartiennent, et en tant que dirigeant vous êtes responsable de leur traitement, notamment quand elles concernent des personnes. Le code, c'est le programme lui-même.

Pour les données, la question utile n'est pas juridique mais pratique : où sont-elles physiquement, chez quel prestataire, et pouvez-vous les récupérer en entier, dans un format lisible, sans l'autorisation de personne ? Beaucoup d'outils de création rapide stockent les données dans leur propre service. Si le compte est suspendu, si l'abonnement n'est pas payé, si l'éditeur change ses conditions, vous perdez l'accès. Vérifiez qu'un export complet existe et testez-le une fois, à vide, pour voir ce qu'il contient.

Pour le code, deux points. D'abord, où est-il ? S'il vit uniquement dans un espace en ligne appartenant à la plateforme qui l'a généré, vous ne disposez que d'un droit d'usage, pas d'un objet que vous pouvez emporter. S'il est copié dans un dépôt dont vous êtes propriétaire, vous gardez la main. Ensuite, quelles sont les conditions d'utilisation de l'outil d'IA employé ? Elles précisent en général ce que vous pouvez faire du résultat. Lisez-les une fois, au moins les passages sur la propriété et l'usage commercial.

Sur le statut juridique du code produit par une IA, nous ne tranchons pas : la question est discutée et dépend des règles de chaque pays et des conditions de chaque outil. Si le logiciel est un actif important de l'entreprise, ou si vous envisagez de le proposer à d'autres, faites-le examiner par un juriste. Et si un tiers a participé, prestataire ou freelance, écrivez noir sur blanc dans le contrat à qui revient quoi.

Une dernière précaution, très concrète : ne collez jamais dans un assistant IA des données de clients réelles, des mots de passe ou des clés d'accès, pour « tester ». Ce que vous envoyez sort de chez vous. Utilisez des données d'exemple, inventées pour l'occasion.

Les accès : qui peut entrer, voir, modifier, supprimer

Un petit outil écrit vite commence presque toujours avec un seul mot de passe partagé, voire sans mot de passe du tout, parce que c'était plus simple pour la démonstration. Le jour où il contient de vraies données, c'est la première chose à corriger.

Le principe est le même que pour tout système : chaque personne a son propre compte, et chaque compte a les droits dont il a besoin, pas davantage. Une personne qui saisit des commandes n'a pas à voir les marges. Quelqu'un qui consulte n'a pas à pouvoir supprimer. Un stagiaire parti depuis trois mois n'a plus d'accès.

Un point technique mérite d'être demandé explicitement, parce qu'il se cache bien : les règles d'accès doivent être appliquées sur le serveur, pas seulement masquées à l'écran. Un bouton « supprimer » invisible pour un utilisateur ne l'empêche pas de déclencher la suppression par un autre chemin. Demandez à la personne qui relira l'outil de contrôler précisément cela, avec deux comptes de droits différents.

Pensez aussi aux clés et mots de passe que l'outil emploie lui-même pour parler à d'autres services : la messagerie, la comptabilité, un service de paiement. Il faut savoir où ils sont stockés, qui peut les lire, et comment on les change si l'un d'eux fuit. Sur ce sujet, notre page sur la cybersécurité détaille ce qui est à vérifier, et l'article sur l'IA en entreprise évoque les règles d'usage à poser pour les outils que vos équipes emploient.

Les sauvegardes : celles qu'on a testées, et les autres

Une sauvegarde qui n'a jamais été restaurée est une hypothèse. Ce n'est qu'après avoir remis les données en place sur une machine de test qu'on sait si elle fonctionne. Les outils construits vite en ont rarement, ou en ont une qui se trouve au même endroit que l'original : si le service disparaît, les deux disparaissent.

Trois questions suffisent pour faire le point. Quelles données sont sauvegardées, et le code aussi ? Où : au même endroit que l'outil, ou ailleurs, chez un autre prestataire ou sur un support que vous contrôlez ? Et quand avez-vous restauré pour la dernière fois, à titre d'essai ? Si la dernière réponse est « jamais », c'est la première action à planifier.

Gardez aussi un moyen de revenir en arrière après une modification. Une IA peut très bien « améliorer » une fonction et en casser une autre sans que cela se voie tout de suite. Un historique des versions du code, que vous pouvez consulter, permet de retrouver l'état de la veille. Sans lui, on corrige en demandant à l'assistant de réparer ce qu'il vient d'abîmer, et la dette s'accumule.

Notez enfin que les assureurs cyber commencent à interroger leurs clients sur ces sujets : où sont les sauvegardes, qui a accès aux comptes. Un outil maison sans réponse claire à ces questions complique ce dialogue.

Quand le mieux est d'utiliser un produit existant

Faire écrire un logiciel par une IA est tentant parce que cela semble gratuit. Mais le coût réel inclut votre temps, la maintenance, le risque et la dépendance à une personne. Pour les besoins courants : facturation, comptabilité, gestion de la relation client, planning, un produit du marché a déjà fait le travail de la conformité, des mises à jour et du support, et se partage avec des milliers de clients qui font remonter les défauts.

Un outil sur mesure se justifie quand votre manière de travailler est spécifique et qu'aucun produit ne la couvre sans contorsions : une règle de calcul propre à votre métier, un enchaînement d'étapes particulier, une liaison entre deux outils que personne ne relie. Notre article sur le coût d'un logiciel sur mesure décrit ce qui entre dans le budget d'un tel projet, et celui sur l'IA dans les TPE rappelle que l'outil le plus utile est souvent le plus modeste.

Cherchez donc d'abord ce qui existe. Si rien ne convient, l'étape raisonnable n'est pas de choisir entre « tout par l'IA » et « tout par un prestataire » : c'est de se servir de l'IA pour décrire le besoin, puis de décider qui construit la version qui servira vraiment.

Utiliser l'IA comme brouillon, puis faire reprendre

Il existe une voie intermédiaire qui donne de bons résultats : utiliser l'assistant pour fabriquer un prototype, le montrer à l'équipe, le faire essayer pendant quelques semaines, puis décider. Le prototype a déjà rempli un rôle précieux : il a montré ce que vous voulez vraiment, ce que les gens utilisent et ce qui manque. Cette information vaut plus que le code lui-même.

À ce stade, trois issues sont possibles. Le prototype suffit tel quel pour un usage limité : on le garde, avec les garde-fous ci-dessus. Il est solide mais fragile par endroits : on le fait auditer et consolider. Ou il a fait son temps : on le prend comme cahier des charges vivant et on reconstruit proprement. Dans les trois cas, le temps passé n'est pas perdu.

Une relecture de reprise, c'est-à-dire un audit du code source, regarde précisément les points qu'une IA néglige : les règles appliquées côté serveur, la gestion des erreurs, les accès, la structure des données, les dépendances à jour. Elle débouche sur une liste de ce qu'il faut garder, corriger ou refaire, ce qui permet de décider avec des faits plutôt qu'avec une impression. Pour un projet qui doit tenir, notre expertise en logiciel métier sur mesure et en application web part souvent de ce genre de prototype.

Les erreurs qui reviennent

Ce sont presque toujours les mêmes, et aucune n'est technique au départ.

  • Mettre en service sans l'avoir fait essayer par ceux qui s'en servent. L'outil règle le problème du dirigeant et gêne l'équipe, qui reprend discrètement son tableur.
  • Confondre démonstration et production. Un outil qui marche devant vous, avec trois lignes de test, n'est pas prouvé pour trois mille lignes et dix utilisateurs.
  • Ne pas écrire ce que l'outil fait. Au bout de six mois, vous-même ne savez plus pourquoi telle règle existe.
  • Laisser les données uniquement dans le service de la plateforme, sans export testé.
  • Partager un seul accès pour tout le monde, puis oublier de le changer quand quelqu'un part.
  • Modifier sans sauvegarde ni retour arrière, parce que « ce n'est qu'un petit changement ».
  • Éteindre l'ancien outil, tableur ou logiciel, le jour où le nouveau démarre. Gardez-le en lecture seule quelques semaines, le temps de comparer les résultats.

La liste à parcourir avant de se fier à l'outil

Reprenez cette liste avec la personne qui utilisera l'outil. Chaque « non » est une décision à prendre, pas une honte.

  • Savons-nous ce que coûterait une erreur de cet outil : une heure, une journée, un client perdu, une amende ?
  • Une autre personne que moi pourrait-elle le reprendre demain avec un document de deux pages ?
  • Le code est-il dans un endroit dont nous sommes propriétaires, avec un historique des versions ?
  • Pouvons-nous exporter toutes nos données dans un format lisible, et l'avons-nous essayé ?
  • Chaque utilisateur a-t-il son propre compte, avec des droits limités, contrôlés côté serveur ?
  • Y a-t-il une sauvegarde hors du service principal, et l'avons-nous déjà restaurée à titre d'essai ?
  • Les clés et mots de passe de l'outil sont-ils rangés ailleurs que dans le code, et savons-nous les changer ?
  • Avons-nous évité de confier à l'IA de vraies données de clients pour tester ?
  • Qui applique les mises à jour, et à quelle fréquence ?
  • Avons-nous décidé à partir de quel seuil, en nombre d'utilisateurs ou en enjeu financier, nous ferons relire l'outil ?

Par où commencer

Si vous avez déjà un outil de ce genre en service, commencez par les deux vérifications les moins chères et les plus utiles : tester une restauration de sauvegarde, et vérifier qui a accès à quoi. Si vous êtes sur le point d'en construire un, écrivez d'abord en une page ce qu'il doit faire, ses règles, ses utilisateurs et ce qu'une erreur coûterait : cette page sert à la fois de consigne pour l'IA et de document de reprise pour la suite.

Et si l'outil est devenu important sans que personne l'ait décidé, c'est le bon moment pour en parler à quelqu'un dont c'est le métier. Nous pouvons relire un outil existant, dire honnêtement s'il peut rester tel quel, et ce qui devrait être consolidé. La réponse est parfois : gardez-le, voici trois précautions.

Questions fréquentes

  • Oui pour un outil simple et sans conséquence, qui ne contient ni données personnelles ni calcul financier. Dès qu'il touche à l'argent, à des données de clients ou à des obligations légales, il faut prévoir des accès contrôlés, des sauvegardes testées et une relecture par un professionnel.

  • Personne par défaut : c'est à vous de l'organiser. Désignez une personne capable de demander et de vérifier les modifications, rédigez un document d'une ou deux pages qui décrit l'outil, et planifiez un contrôle régulier pour appliquer les mises à jour de sécurité.

  • La question est discutée et dépend des règles de chaque pays et des conditions d'utilisation de l'outil employé. Lisez ces conditions, gardez le code dans un dépôt dont vous êtes propriétaire et, si le logiciel est un actif important, faites-le examiner par un juriste.

  • Dans un endroit où vous pouvez les récupérer en entier, dans un format lisible, sans l'accord d'un tiers. Vérifiez qu'un export complet existe, testez-le une fois, et ne collez jamais de vraies données de clients dans l'assistant pour faire des essais.

  • Faites-le relire sur les points qu'une IA néglige : règles appliquées côté serveur, droits d'accès, gestion des erreurs, structure des données, mises à jour des dépendances. Un audit de reprise débouche sur une liste de ce qu'il faut garder, corriger ou refaire.

Ressources

30 minutes pour savoir
ce qui vous manque vraiment

Un appel de découverte, sans engagement et sans présentation commerciale. On regarde votre situation, on vous dit ce qui est prioritaire — même si ce n'est pas chez nous.

  • Échange gratuitsans engagement
  • Des conseils concretsadaptés à votre activité
  • Des actions clairespour avancer rapidement