Steps of AI Adoption (tableau/artifact + post LinkedIn « I talk to engineers at other companies every day… »)

À retenir

1. Idée-force : on ne monte pas d'un cran en dépensant plus de tokens. Chaque palier a un goulet d'étranglement propre ; pour passer au suivant il faut le casser ET bâtir le prochain jeu de garde-fous qui rend l'output digne de confiance. « It's not about a single feature, but rather using the right features with the right guardrails. »
2. La colonne vertébrale du modèle = l'ordre de grandeur d'agents pilotés, et le rôle qu'il impose. 0 → ~1 → ~10 → ~100 → ~1 000+ agents, soit ingénieur bloqué → pair programmer → orchestrateur → manager de managers (arbre org) → VP qui pilote par l'intention. C'est la vraie « essence » du tableau : une montée exponentielle du parallélisme qui transforme le métier, pas juste la vélocité.
3. Étape 0 — Gated (0 agent). Seuls des modèles anciens/légers approuvés, latence qui s'accumule via gateways + auth custom, pas de gouvernance MCP, accès verrouillé/process-heavy, aucune infra pour héberger le code produit par Claude (les sorties restent locales). Goulet : sécurité/approbations legacy, obsession du cost-per-token au détriment des outcomes, absence de vraies voix techniques dans la décision. Produit : Claude.ai chat. Garde-fous : SSO/SCIM + RBAC, budget caps org, déploiement dans les approbations/IAM existants, data governance. 0→1 : alignement exécutif/acheteur, escalade des bloqueurs, cadres pour lancer Claude en sécurité.
4. Étape 1 — Assisted / « vous + un agent » (~1). Un ingénieur, un agent, quasi tout supervisé (fast pair programmer), une session à la fois, relecture de presque chaque changement avant merge. Unlock : ce qui remplissait un après-midi se boucle entre deux réunions. Goulet : votre attention — faible confiance + pas d'auto-vérification → vous lisez tout, travail synchrone (vous regardez Claude au lieu d'enchaîner). Produits : Claude Code (Desktop/CLI/IDE), Cowork, Design, usage via API/Bedrock/Vertex/Microsoft Foundry, dashboard + Analytics API, Compliance API, Plan mode. Garde-fous : spend caps par siège, model/effort et policy gérés centralement, export OpenTelemetry vers le SIEM.
5. 1→2 (transition clé) :. faire tourner plusieurs agents à la fois ; une boucle d'auto-vérification de confiance (tests + build + lint + e2e sur un vrai environnement de dev) ; Auto mode pour ne plus être bloqué par les prompts de permission ; automatiser la code review.
6. Étape 2 — Parallel / Orchestrateur (~10). Un ingénieur orchestre 5–10 agents en parallèle, chacun sur son worktree/git checkout. Claude vérifie son propre travail (tests, build, lint, security scan) avant que vous le voyiez ; Auto mode toujours actif ; code review + security review par défaut. On relit des diffs finaux, pas des frappes ; le backlog de maintenance rétrécit ; Claude écrit la plupart du code. Unlock : un backlog de plusieurs semaines devient l'après-midi d'orchestration d'un ingénieur. Goulet : la relecture (vérifier six flux en parallèle) + le prompting/steering en jonglant. Produits : Auto mode, Agent view, Claude Code Review, Claude Security Review, Claude Code Mobile + exécution cloud Desktop, Claude Tag (une tâche isolée), worktree isolation CLI/Desktop, Remote control (piloter depuis son téléphone). Garde-fous : Analytics d'usage équipe, enforcement qualité (lint/tests/typecheck), vérification e2e propulsée par Claude (extension Chrome ou MCP simulateur iOS/Android), même barre de qualité pour code humain et code d'agent, pré-approuver les bash/MCP sûrs dans settings.json.
7. 2→3 :. donner à Claude de quoi récupérer le contexte (lire code, wikis, discussions) ; agentivité + vitesse de code review (les agents peuvent toucher du code d'autres équipes) ; découper le travail en loops et routines ; laisser Claude lancer Claude.
8. Étape 3 — Supervised autonomy / Manager de managers (~100). Claude écrit tout ou presque le code ; la question passe de « as-tu lu le code ? » à « quel contexte manquait au modèle et comment le régler pour la prochaine fois ? ». Unlock : Claude fait proactivement ce qu'on lançait à la main ; la maintenance/cleanup tourne en continu en arrière-plan. Goulet : la confiance dans la boucle et le débit décisionnel de l'équipe — l'arbre d'agents est trop profond pour être materné ; le piège est de scaler le nombre d'agents avant que la boucle ait gagné la confiance. Efficacité des tokens à surveiller (OTel/Analytics), culture d'expérimentation + contrôle des coûts une fois les usages internes en PMF. Test : « est-ce quelque chose qu'un ingénieur aurait fait ? ». Produits : subagents avec worktree isolation (pas de collision), Routines, /loop, /batch, /goal, dynamic workflows, Claude Tag (surveille un canal/source et lance des tâches). Garde-fous : code review + security review automatiques, agent sandboxing, CLAUDE.md + Skills pour encoder les standards, tune du classifier Auto mode, gestion du token use (model selection, advisors, LSP, découper CLAUDE.md en lazy Skills).
9. 3→4 :. automatisation à l'échelle de cas d'usage spécifiques au domaine (migration de code, fuzzing, construction de features, remédiation de feedback).
10. Étape 4 — AI-native / VP qui pilote par l'intention (~1 000+). Boucle entièrement fermée ; la plupart des agents sont lancés par Claude ; centaines à milliers d'agents tournent ; on pilote par l'intention et surveille par exception. Unlock : la migration d'un trimestre devient un workflow qu'on lance et qu'on va checker. Goulet : identifier et automatiser le travail à l'échelle + imposer le bon garde-fou par type de travail. Produits : Claude Agent SDK (construire/planifier des agents par programmation), Claude Tag (présent dans la plupart des canaux Slack, répond aux posts). Garde-fous : contrôles de coûts pour l'automatisation, model selection pour l'automatisation.
11. Métrique anti-vanité (pilotage). L'usage (dashboard) mesure l'activité, pas le retour. Meilleure question : aurait-on de toute façon investi de l'effort d'ingénierie là-dessus ? si oui, combien d'heures-ingénieur manuelles cela aurait coûté ? → c'est le ROI. Le gros lot : quand corriger/maintenir passe en arrière-plan, on fait « des choses qui n'étaient même pas dans le champ des possibles avant ».
12. Repère d'auto-situation. Anthropic est à l'étape 3, poussant vers 4 ; Boris Cherny se déclare au niveau 4. Utile comme benchmark honnête : même l'éditeur n'est pas « tout en haut ».
13. À relier. diptyque avec [[fiches/2026-07/cherny-wu-reflecting-year-claude-code-2026-07-17\|Cherny & Wu — « Reflecting on a year of Claude Code »]] (même auteur, livrer devient bon marché → valeur vers le jugement) ; corpus « manager d'agents / orchestration » (great flattening de Sankar, token manifesto de Martignole) ; garde-fous & vérification (compound engineering, self-verification loop).