L'IA, pas comme un gadget, comme une infrastructure

On parle beaucoup d'« utiliser l'IA » au travail. Moi, je ne voulais pas juste l'utiliser — je voulais en faire une infrastructure d'équipe, aussi carrée que notre CI/CD ou notre monitoring. Voici ce que ça donne concrètement.

Un écosystème, pas un chatbot

Autour de Claude Code, j'ai construit un écosystème complet et versionné sur GitHub (comme du code, parce que c'en est) :

  • 63 skills personnalisés — des commandes métier qui encapsulent nos conventions, nos workflows, nos runbooks
  • 15 serveurs MCP branchés sur nos vrais outils : Jira, GitLab, Slack, Grafana, PostgreSQL, Adyen
  • 9 sous-agents spécialisés et 11 hooks qui déclenchent les bonnes vérifications au bon moment

Le principe : l'IA ne devine pas notre contexte, elle le lit — nos tickets, nos logs, notre base, nos conventions.

Ce que l'équipe en fait vraiment

Pas de la magie, du concret : code reviews assistées, génération de tests, briefings de déploiement, analyse d'incidents. Un exemple qui parle : 62 000 lignes de logs résumées en 10 secondes pendant un incident, au lieu de scroller à l'aveugle.

Résultat mesuré : +40% de productivité sur les tâches répétitives, 6/6 membres de l'équipe formés et autonomes.

La règle : ça reste de l'ingénierie

L'IA ne remplace pas le jugement — elle enlève la friction. Chaque automatisation passe par les mêmes exigences que le reste : testée, versionnée, documentée. C'est ce qui fait la différence entre un gadget qu'on abandonne en deux semaines et un multiplicateur de force durable.

Dans un prochain article : comment une partie de cette stack tourne 100% en local, sans jamais envoyer une ligne de code dans le cloud.