·6 min
Le contexte devient le multiplicateur du Delivery IA
Le prochain gain de productivité ne viendra peut-être pas d’un modèle plus intelligent, mais d’un contexte mieux structuré : design system, runbooks, télémétrie, runtime et connaissance applicative exploitable par les agents.
- AI-assisted Engineering
- Software Delivery
- Context Engineering
- Design Systems
- Agentic AI
- Platform Engineering
- ESN
Le prochain gain de productivité ne viendra peut-être pas d’un modèle plus intelligent.
Il viendra de notre capacité à lui donner moins de contexte inutile et davantage de contexte exploitable : composants réels, runbooks, télémétrie, contrats de runtime, historique applicatif.
Coinbase mesure déjà l’effet en tokens, en temps et en coût. AWS applique la même logique aux migrations de bases. Microsoft durcit les contrats de son runtime d’agents. TCS l’emmène dans la rationalisation applicative.
Le signal commun : l’IA généraliste crée de la valeur lorsqu’on industrialise le contexte qui l’entoure.
Le 2 septembre, Figma a publié le retour d’expérience de l’équipe Design System de Coinbase sur Code Connect et les coding agents.
Sur trois runs contrôlés avec le même design, le même prompt et le même modèle, Code Connect a réduit en moyenne les tokens de 11,5 %, le temps d’implémentation de 22,3 % et le coût de 22,5 %, tout en améliorant l’adhérence au design system.
Le mécanisme est plus intéressant que le chiffre : au lieu de laisser l’agent explorer le code et deviner quel composant correspond au design, Code Connect lui fournit directement les mappings vers les composants de production.
Coinbase a aussi utilisé Claude Code pour migrer en parallèle des centaines de composants vers le nouveau format Code Connect et indique être passé de quelques mappings à une couverture complète du design system en environ quatre heures.
Conséquence : le context engineering n’est pas nécessairement « mettre davantage de documents dans le prompt ». Il peut consister à réduire l’espace de recherche de l’agent en lui donnant des contrats précis et structurés.
2 — AWS transforme les runbooks de migration en capacité agentique
AWS a publié le 4 septembre une extension de DevOps Agent spécialisée dans les migrations DMS vers Aurora PostgreSQL.
Le sample MCP expose 20 outils read-only et 46 runbooks. Les outils font les agrégations déterministes ; l’agent interprète les résultats. Dans les tests AWS, l’agent a notamment identifié le paramètre exact derrière une course entre validation et CDC, après avoir corrélé logs, CloudTrail, latence et état de la migration.
AWS donne des temps indicatifs allant d’environ une à trois minutes selon les scénarios, contre des parcours manuels décrits comme sensiblement plus longs. Ce ne sont pas des benchmarks indépendants, mais le pattern est solide : la connaissance opérationnelle devient un produit réutilisable.
Pour une équipe Platform ou SRE, la question devient : quels diagnostics répétons-nous suffisamment souvent pour les transformer en outils bornés + runbooks consommables par les agents ?
AWS — DMS migration investigations →
3 — Microsoft Agent Framework rappelle que les agents ont désormais des contrats de runtime
La release Python 1.17.0 de Microsoft Agent Framework, publiée le 3 septembre, contient un détail révélateur : une évolution breaking du middleware, un contrat de concurrence documenté pour les clients de chat partagés, et plusieurs correctifs autour des approvals, de la reprise d’état, du MCP et des appels parallèles.
Ce sont des sujets peu spectaculaires — exactement pour cela qu’ils comptent. Une plateforme d’agents commence à rencontrer les mêmes questions qu’un framework applicatif mature : compatibilité, event loop, replay, state recovery, OAuth consent, corrélation des tool calls.
Conséquence architecture : le choix d’un agent framework n’est plus seulement un choix de syntaxe. Il crée une dépendance de runtime et un coût d’upgrade à gérer comme n’importe quelle autre brique du SI.
Microsoft Agent Framework 1.17.0 →
4 — Lovable : le benchmark qui compte se déplace du 0→1 vers le 1→N
Lovable a intégré Fable 5.1 le 1er septembre et publie ses benchmarks internes sur un point souvent négligé : faire évoluer une application déjà en production sans casser l’existant.
Dans son protocole interne — cinq exécutions par tâche et plusieurs niveaux de reasoning — Lovable annonce jusqu’à +17,2 % sur les tâches d’iterative code fixing et un coût par tâche inférieur de 31,4 % à 39,2 % selon le niveau de reasoning. Sur le 0→1, en revanche, Fable 5.1 n’est pas meilleur dans leur benchmark.
C’est une métrique fournisseur, pas un benchmark indépendant. Mais elle pose la bonne question aux équipes produit : mesurons-nous encore l’IA sur la génération d’un prototype, alors que l’essentiel du coût logiciel est dans les changements successifs ?
5 — TCS × METRO : l’IA entre dans la rationalisation du parc applicatif
Le 3 septembre, TCS a annoncé un partenariat avec METRO AG pour harmoniser un paysage applicatif historiquement très localisé, pays par pays, vers un environnement technologique plus centralisé.
TCS indique que la transformation utilisera des solutions basées sur l’IA pour réduire la complexité, consolider applications et opérations technologiques, et accompagner un changement de modèle opérationnel entre marchés européens et asiatiques.
L’intérêt pour les ESN est évident : l’AI-assisted Engineering peut sortir du « nouveau développement » et s’attaquer à un gisement plus massif — rationalisation, consolidation, migration et standardisation d’un legacy distribué.
La question économique devient alors moins « combien de code peut produire un agent ? » que « combien de complexité applicative peut-on retirer du SI par euro dépensé ? ».
TCS — METRO application harmonization →
Développeurs. La maîtrise du contexte de production — composants, conventions, contrats, historique et outils — devient aussi importante que le prompt lui-même.
Architectes / Tech Leads. Il faut rendre le SI « lisible par les agents » : APIs typées, runbooks, ADR, design system connecté, metadata, telemetry et règles explicites.
CTO / DSI. Le ROI d’un modèle doit être mesuré par workflow réel : coût par tâche acceptée, lead time, rework et conformité — pas par nombre de tokens consommés ni par licence activée.
ESN. Le savoir métier codé sous forme de mappings, runbooks, skills, patterns et accelerators devient une IP de Delivery potentiellement plus importante que la connaissance du modèle du moment.
C’est une façon simple d’identifier le prochain goulot : documentation, design system, observabilité, APIs, ownership ou conventions implicites.
1. Context ROI experiment.
Prenez une tâche réelle et comparez agent seul vs agent + contexte structuré. Mesurez tokens, temps, rework et acceptation du résultat.
2. Runbook-to-tool.
Choisissez un diagnostic récurrent et transformez les collectes manuelles en tools read-only déterministes, puis laissez l’agent interpréter.
3. Benchmark 1→N.
Évaluez votre coding agent sur dix modifications d’une application existante, pas sur dix projets from-scratch.
1. Agent Context Readiness Assessment.
Audit des sources de contexte utiles aux agents : design system, APIs, runbooks, ADR, catalogues, observabilité et permissions. Livrable : matrice de contexte + roadmap 90 jours.
2. Legacy Rationalization Factory.
Offre ESN combinant cartographie applicative, analyse agentique, migration assistée, consolidation et métriques de complexité supprimée.
3. Engineering Knowledge Products.
Transformer les pratiques de seniors en composants réutilisables : skills, mappings, runbooks, golden paths et evals — vendus avec le Delivery plutôt qu’en simple documentation.
❓ Question de la semaine
Dans votre organisation, quel contexte ferait aujourd’hui gagner le plus de temps à un agent : le design system, la documentation d’architecture, les runbooks, la télémétrie… ou la connaissance métier ?
🤓 Pour ceux qui ont encore du contexte window
Figma / Coinbase — Code Connect & context →
Microsoft Agent Framework releases →
TCS × METRO — application harmonization →
Les modèles continueront à changer. Le contexte que votre organisation sait encoder, maintenir et rendre exploitable peut devenir un avantage beaucoup plus durable.
Voir mon profil LinkedIn Se connecterRecevez la prochaine édition par email
Une inscription, pas de spam, désinscription sur simple demande.