Cet article de SFEIR formalise un cycle de développement logiciel piloté par l'IA en onze phases (0 à 10) et argumente que l'industrie converge vers ce type de modèle. Le point de départ est un diagnostic : en 2025, les organisations ont déployé des outils d'IA sans transformer leur modèle opératoire, produisant un paradoxe résumé par la formule « tout change… et rien ne change » — la vitesse d'exécution se multiplie sans gain proportionné. Le vrai défi n'est donc pas de choisir les bons outils, mais de repenser le cycle de vie logiciel lui-même pour une exécution menée par la machine.
Le cycle SFEIR enchaîne : 0 Setup (détection de stack, mémoire projet), 1 Define (spécification — porte humaine), 2 Plan (arbitrage d'architecture — porte humaine), 3 Build (développement par l'agent), 4 Verify (tests automatisés et couverture), 5 Review (quatre audits parallèles : code, sécurité, tests, performance), 6 Compound-1 (capture des leçons avant déploiement), 7 Ship (acceptation en production — porte humaine), 8 Ops (monitoring et rollback), 9 Compound-2 (leçons issues du runtime) et 10 Deprecation (retrait et capitalisation). Trois portes humaines inamovibles — Define, Plan, Ship — encadrent un ensemble de phases sinon automatiques ; deux moments de capitalisation (Compound-1 et Compound-2) transforment les leçons en règles réutilisables qui nourrissent les cycles suivants.
l'intention vérifiée exactement deux fois
Trois principes structurent l'approche. D'abord, l'IA exécute, elle n'assiste pas : les agents produisent des artefacts complets (code, tests, documentation) sur des phases entières, et une discipline de preuve d'exécution capte les sorties réelles — le système ne fait jamais confiance aux déclarations de l'agent. Ensuite, l'humain garde le contrôle de l'intention via les trois gates : il décide quoi construire, la machine optimise l'exécution. Enfin, le système apprend cumulativement, chaque cycle enrichissant le suivant.
Les résultats avancés étayent la thèse : une refonte de site passée de six mois à un jour, −30 % d'itérations de correction après dix cycles (un bug signalé deux fois devient une règle automatisée), des revues sur quatre angles parallèles, un coût d'augmentation d'environ 10 €/heure, et un objectif de 850 consultants entièrement augmentés fin 2026.
L'article revendique une convergence industrielle avec l'ADLC (deux gates, « l'intention vérifiée exactement deux fois »), le whitepaper Google sur le nouveau SDLC (41 % de code IA, 85 % de devs sur agents) et DORA 2025 (l'IA « amplificateur »). Il délimite enfin les usages adaptés (back-offices, API, migrations, sorties vérifiables) et inadaptés (design novateur, safety-critical sans normes, données non gouvernées), et recommande de commencer par une porte de spécification rigoureuse et la preuve d'exécution. Premier volet d'une série de sept.