
L’IA accélère notre développement logiciel
L’équipe Galaxus Daedalus extrait plus d’un tiers de toutes les données de notre monolithe. Avec l’IA, cela va désormais si vite qu’une étape entière prévue est devenue superflue. C’est la préparation qui le rend possible : l’équipe en a posé les bases avec des agent skills et des modèles.
Pourquoi Exodus ?
Une grande partie de ce qui se passe en coulisses chez Digitec Galaxus repose sur une seule base de données : Devinite. Les commandes des clients, les factures et nos commandes fournisseurs. Pendant longtemps, cela a eu des avantages. Une équipe pouvait lire directement les données d’une autre et y écrire dans la même transaction. C’était rapide, simple et toujours cohérent.
Avec la croissance, la situation s’inverse. Une modification de données importante sur les commandes fournisseurs bloque des tables que d’autres équipes attendent. Un changement de schéma doit être planifié avec les Database Magicians, notre équipe chargée des bases de données, et parfois exécuté pendant une fenêtre de maintenance durant laquelle notre boutique en ligne n’est pas accessible. Et inversement, chaque équipe ressent les problèmes qu’une autre rencontre avec ses tables. Personne n’est vraiment isolé des autres.

C’est pourquoi l’équipe Daedalus a lancé ce qu’elle appelle Exodus : les commandes fournisseurs dont elle est responsable doivent quitter Devinite pour rejoindre une base de données propre. L’équipe pourra alors faire évoluer elle-même son modèle de données, monter en charge de façon indépendante et archiver les anciennes données quand cela lui convient. Les autres équipes n’accèdent plus directement aux tables, mais passent par des interfaces claires convenues avec l’équipe Daedalus. Et Devinite devient plus petite et plus facile à exploiter.
En octobre, j’ai travaillé avec l’équipe Daedalus dans le cadre d’un DevXchange. Dans ce programme d’échange interne, on rejoint une autre équipe pendant quelques sprints. Dans cet article, je montre l’ampleur d’Exodus et comment, grâce à un bon travail préparatoire et à l’IA, le projet avance si vite qu’une étape entière prévue est devenue superflue.
Quelle est l’ampleur d’Exodus ?
Devinite est la base de données de notre monolithe : 1358 tables, environ 21 milliards d’enregistrements et 34 équipes qui y possèdent des données. Notre vision d’architecture prévoit de découper le monolithe pas à pas en modules dotés de leurs propres bases de données. Ainsi, chaque domaine métier est clairement délimité et contrôle ses propres données.

Avec les commandes fournisseurs, l’équipe Daedalus extrait un morceau particulièrement gros. Elle possède 165 tables, plus que toute autre équipe. Elles contiennent 7,6 milliards d’enregistrements, soit plus d’un tiers de tout ce qui se trouve dans Devinite, alors que le code correspondant ne représente qu’à peine un dixième du monolithe. La seule table de toutes les lignes de produits que nous avons commandées auprès de fournisseurs compte plus de 400 millions de lignes.¹
Et ces données ne sont jamais immobiles. Pendant que vous lisez ce paragraphe, une dizaine de nouvelles commandes fournisseurs ont été créées chez nous. À cela s’ajoutent les livraisons enregistrées et les factures rapprochées en continu. La refonte se fait donc en plein fonctionnement. Avant que les données puissent migrer vers la nouvelle base, chaque accès des autres équipes doit passer par des interfaces. Au départ, du code d’autres équipes accédait directement aux tables de l’équipe Daedalus à 47 endroits. Aujourd’hui, il n’y en a plus aucun.

Cinq mois de travail en deux semaines
L’équipe Daedalus compte huit personnes et travaille, en plus d’Exodus, sur plusieurs autres grandes initiatives. Elle a pourtant fait avancer Exodus avec beaucoup de passion. Cet été, elle a mené à bien la première étape : la création et la modification des commandes fournisseurs ont été réparties dans des transactions distinctes. Même si le travail s’est révélé nettement plus important que prévu au budget, l’équipe l’a terminé en quatres sprints tout en respectant les délais et les coûts. Ce faisant, elle a classé chaque cas d’utilisation et a utilisé de manière ciblée des agents d’IA pour construire les skills et les tests qui posent les bases du grand coup d’accélérateur à partir d’octobre.
En octobre, j’ai mis en œuvre de nouvelles stories pour Exodus avec Guillermo, de l’équipe Daedalus, la plupart dans le cadre de mon DevXchange. Ainsi, Exodus avance pendant que l’équipe peut se concentrer sur ses initiatives métier. En un peu plus de deux semaines, nous avons mis en production 35 stories, soit en moyenne un peu plus de trois par jour ouvré. Sans IA, j’aurais plutôt compté trois jours pour une story comparable, donc environ cinq mois pour l’ensemble. Sur tout Exodus, cela fait 148 stories terminées sur 211, soit environ 70 %. Aujourd’hui, les skills et les automatisations sont si avancés que l’IA complète et affine elle-même les stories d’Exodus.
Une équipe bien rodée
Si Exodus avance aussi vite, ce n’est pas seulement grâce à l’IA. L’équipe Daedalus connaît très bien les processus métier liés aux achats. Il lui importe que le savoir ne dépende pas d’une seule personne. C’est pourquoi elle consacre beaucoup de temps aux refinements, au cours desquels elle discute ensemble des nouvelles stories. Elle applique aussi des modèles d’architecture assez stricts : le code reflète le langage métier des achats, et la lecture et l’écriture des données sont rigoureusement séparées, du point d’entrée à la base de données en passant par la logique métier. Ce qui met de l’ordre pour les humains aide aussi l’IA. Elle s’y retrouve vite, parce que chaque partie du code est construite selon le même modèle.

Voici l’équipe Daedalus :
- Noël, Teamleader Engineering
- Emanuel, Senior Product Owner
- Guillermo, Software Architect
- Thomas, Senior Software Engineer
- Samuel, Software Engineer
- Gioele, Software Engineer
- Nicolas, Software Engineer
- Alain, Software Engineer
Ce que fait l’IA
Ce rythme doit beaucoup au travail préparatoire que l’équipe a accompli bien avant mon DevXchange.
Les bases
L’équipe Daedalus travaille surtout avec Claude Code, un outil d’IA d’Anthropic qui lit et écrit directement du code et exécute des commandes. Depuis le modèle Opus 5.5, il est assez performant pour vraiment décharger l’équipe. Depuis mai, l’équipe utilise des fichiers CLAUDE.md. Ils expliquent à Claude comment l’architecture est construite et quelles règles s’appliquent, par exemple peu de commentaires dans le code, des noms cohérents, les modèles d’architecture de l’équipe et, en cas de doute, vérifier comment l’équipe a réalisé des cas similaires en dernier. Avec le temps, l’équipe a développé d’autres déroulements fixes pour Claude : research, plan, implement, review. Chaque étape est un skill à part entière, c’est-à-dire des instructions adaptées à l’équipe que Claude charge précisément pour cette étape.
Cela a surtout aidé pour Exodus. L’équipe a attribué chaque cas d’utilisation concerné à l’un de trois types : un switch change la connexion à la base de données, un split divise une opération d’écriture en deux transactions indépendantes, et un async rend un déroulement asynchrone. Pour chacun de ces types, Nicolas, mon homonyme dans l’équipe, a écrit un skill dédié. Grâce à lui, Claude met en œuvre les stories rapidement et avec moins d’erreurs. S’y ajoutent des tests automatisés qui vérifient pour chaque cas d’utilisation si la modification est correcte. Ainsi, l’IA remarque d’elle-même quand elle a fait une erreur et peut la corriger.
Comment l’IA met en œuvre les stories
Je fais lire à Claude la story et son plan de mise en œuvre. Claude repère les endroits concernés dans le code et propose un plan conforme aux conventions de l’équipe. Je vérifie et corrige le plan, puis je le fais mettre en œuvre par Claude. Ensuite, j’examine le résultat, j’ajuste encore certains points si nécessaire et j’ouvre la pull request. Une autre personne de l’équipe doit ensuite la relire. J’ai surtout dû intervenir quand une pull request devenait trop grande. Nous l’avons alors découpée en plusieurs plus petites, pour qu’elle reste relisible.
Le plus impressionnant, c’était lors de la suppression des accès depuis le code d’autres équipes. Claude a testé lui-même les vues concernées dans l’ERP, notre système de gestion développé en interne : il a cherché dans la base de données des commandes fournisseurs adaptées aux tests, lancé l’ERP localement, comparé le résultat dans le navigateur avec notre environnement de test et corrigé les erreurs pas à pas. C’était assez amusant de regarder Claude faire.
Là où l’IA se trompe
Ce n’est pas infaillible. Les commentaires de revue de l’équipe montrent souvent où l’IA se trompe. Une fois, Claude avait placé dans les commandes fournisseurs une logique qui appartient en fait à l’interface d’une autre équipe. Une autre fois, Claude et moi voulions partager du code entre deux domaines produits. Guillermo, l’architecte de l’équipe, y a opposé son veto. Et un autre collègue a trouvé un vrai bug qui avait échappé à Claude. L’IA ne peut pas remplacer ce savoir sur la façon dont l’équipe construit et pourquoi. Il lui manque parfois une vue d’ensemble de tout le code et une connaissance approfondie de chaque domaine produit. Son contexte, c’est-à-dire la quantité d’informations qu’elle peut traiter à la fois, n’y suffit pas (encore).
Quand les lots de travail diminuent
Exodus est soigneusement planifié. L’équipe a découpé le projet en étapes, chacune constituant une initiative à part entière, c’est-à-dire un projet d’envergure validé au préalable par un comité avec la direction. Le concept prévoyait quatre à six sprints par étape.
Avec l’IA, ces estimations ont littéralement fondu. La première étape avait classé chaque cas d’utilisation, et les skills et les tests étaient prêts. Les stories des étapes suivantes ont donc pu être mises en œuvre dans la foulée. Une étape est même devenue entièrement superflue : celle consacrée aux factures fournisseurs et aux annulations, estimée à quatre sprints, était terminée avant même d’avoir commencé. En novembre, l’équipe a clôturé l’initiative. Une autre est en grande partie réalisée alors que l’équipe est encore en train de l’élaborer.
Cela n’a été possible que parce que la préparation était solide. L’IA n’a remplacé ni le concept, ni le classement de chaque cas d’utilisation, ni les refinements de l’équipe. C’est justement grâce à eux que l’IA a été aussi efficace. À l’ère de l’IA, la préparation et le refinement deviennent donc plus importants, et non moins. Ils sont largement rentabilisés lors de la mise en œuvre.
Le nouveau goulet d’étranglement
Le goulet d’étranglement s’est déplacé, vers les revues. Quand deux personnes livrent ensemble un peu plus de trois stories par jour, il faut quelqu’un pour lire tout aussi attentivement autant de pull requests. C’est pourquoi nous développons Tweety, un relecteur IA pour les pull requests, et expérimentons des validations basées sur le risque sur le modèle d’Anthropic. L’idée : toutes les modifications n’exigent pas la même attention. Le degré d’attention d’une personne doit dépendre du risque de la modification.
Animation : Claude Opus 5.5, le modèle d'IA qui nous assiste pour Exodus. Musique : Suno.
J’y vois avant tout une opportunité. Les développeuses et développeurs peuvent consacrer leur temps là où il est le plus utile. Il existe néanmoins un risque : si l’IA écrit la majeure partie du code, notre capacité à comprendre le code en détail diminue. En contrepartie, nous pouvons consacrer plus de temps à l’ingénierie des exigences, c’est-à-dire à la question de ce qu’il faut réellement construire.
La manière de gérer ces opportunités et ces risques n’est pas réglée par chaque équipe dans son coin. Dans notre AI Coding Guild, des développeuses, des développeurs et des Product Owners échangent depuis 2023, au-delà des équipes, sur leurs expériences avec l’IA.
La suite
Environ 70 % des stories sont en production. Mais le plus gros morceau reste à venir : les données elles-mêmes. 7,6 milliards d’enregistrements doivent migrer de Devinite vers la nouvelle base de données, en plein fonctionnement.
Je ne peux donc pas encore dire quand Exodus sera terminé. En revanche, je suis sûr d’une chose : quand l’écriture du code n’est plus le goulet d’étranglement, ce qui se passe avant et après compte d’autant plus. Bien préparer ce que nous voulons construire, et vérifier soigneusement ce qui a été construit.
¹ Avec environ 128 Go, cette table est la quatrième plus grande des 1358 tables de Devinite.
En tant que premier développeur à plein temps de Digitec Galaxus, j'ai été chef d'équipe de Goldfinger et Bender! et chef de la guilde d'architecture (l'équipe A).
Actuellement mon quotidien consiste à développer, avec nos architectes de domaine, en permanence l'architecture système cible. Nous travaillons en étroite collaboration avec les équipes de développement pendant la mise en œuvre et formons le Conseil de révision de l'architecture.
À cause de mes ruptures d'élaboration de logiciel inimaginables et de déploiements de requins de piratage le vendredi après-midi, ils m'appellent aussi 🅷🅰🅲🅺🅴🆁🅼🅰🅽.
Actualités sur les fonctionnalités de la boutique, informations sur le marketing ou la logistique et bien plus encore.
Tout afficher











