Interviews

Julien Jouhault, CTO Leboncoin : « l'IA transforme déjà les métiers du développement »

« Début 2026, nous allons probablement demander à une équipe pilote de travailler de façon différente, en utilisant massivement des IA, afin d’évaluer les gains supplémentaires », explique Julien Jouhault, directeur technique de Leboncoin. (Photo : Lebonc

Le directeur technique de Leboncoin explique comment il déploie l'IA au sein des équipes de développement. Et la place grandissante qu'est appelée à prendre cette technologie dans ce métier. Jusque dans le recrutement.

PublicitéSecond site de e-commerce en France derrière Amazon, avec plus de 30 millions de visiteurs uniques par mois selon le baromètre Médiamétrie-Fevad, Leboncoin a, à la suite d'une expérimentation, généralisé le déploiement d'outils d'IA au sein de ses équipes d'ingénieurs logiciel, soit environ 250 personnes sur les 500 que comptent les équipes techniques de la société.

La filiale française du groupe Adevinta, qui travaille à renforcer l'adoption de cet outillage avec l'objectif de doubler la part des utilisateurs actifs en 2026, envisage désormais la prochaine étape, au sein de laquelle l'IA automatise également certaines tâches de contrôle.

Comment avez-vous abordé l'usage de l'IA au sein de vos équipes de développement ?

Julien Jouhault : Nous utilisons Copilot depuis environ 3 ans pour de l'autocomplétion. Et, début 2025, nous avons testé trois solutions d'IA générative : Cursor, la version agentique de Copilot et Claude Code, pour finalement retenir ce dernier en mars.

Sur quels critères vous êtes-vous basés pour arrêter votre choix ?

Pendant 90 jours, sept équipes ont chacune testé un outil différent pour effectuer les développements prévus dans le trimestre, qui est la cadence habituelle au sein de nos roadmaps avec, à l'intérieur de chaque séquence, des sprints agiles de 15 jours. Nous avons choisi une période assez longue pour tenir compte de la phase d'intégration initiale pendant laquelle les gens s'habituent aux outils. A la fin du trimestre, nous avons mesuré, au travers d'études de perception, si nous étions capables de produire davantage avec ces technologies et si les développeurs étaient satisfaits de l'expérience proposée. Car, en production, il n'existe aucune méthode parfaite pour comparer une équipe équipée de la technologie à une équipe identique n'en bénéficiant pas. À moins de développer chaque livrable deux fois, ce qui était naturellement impossible. À chaque fois qu'un développeur terminait une tâche au sein du sprint, il indiquait combien de temps avait été nécessaire et son estimation de cette durée sans l'outil de GenAI.

Julien Jouhault, lors du salon Tech Rocks, à Paris en décembre dernier : « Transposer un composant de la technologie A à la technologie B fonctionne très bien, pour peu qu'on parle de technologies modernes. » (Photo : R.F.)

Au regard de ces études, quelles sont les tâches sur lesquelles ces outils sont les plus intéressants ?

Ces outils sont extrêmement efficaces sur la documentation et l'analyse de code, mais aussi sur du refactoring technique ou des changements de technologies. Transposer un composant de la technologie A à la technologie B fonctionne très bien, pour peu qu'on parle de technologies modernes, car ces IA sont entraînées sur des données qui sont majoritairement liées à ces dernières. Par exemple, passer de PHP à React s'avère extrêmement facile.
Sur ces tâches, avec Claude Code, les gains peuvent monter à 40% d'efficacité supplémentaire. Avec des bémols, car on parle d'une période courte - un trimestre -, de cas spécifiques et de résultats basés sur la perception des développeurs. Mais, dans notre contexte, nous avons observé, au cours de ce Poc, des différences significatives entre les trois outils (lire les détails des résultats en encadré, NDLR).

PublicitéAvez-vous généralisé le déploiement de Claude Code suite à ce Poc ?

Oui, l'outil est désormais déployé dans 100% de nos équipes de développement, tous nos ingénieurs logiciels ayant désormais une licence. Sur l'ensemble des équipes, on observe un taux de 40% d'utilisateurs actifs quotidiens, soit environ une centaine d'utilisateurs qui s'en servent chaque jour pour 250 licences déployées.

Comment envisagez-vous d'accélérer l'adoption de cette solution ?

D'abord, nous avons choisi la voie de l'adoption organique, en poussant chacun à s'y intéresser, en démontrant les cas d'usage et en misant sur le relais d'utilisateurs avancés. Nous n'avons pas forcé l'adoption, car ces outils transforment les pratiques et usages. Nous préférons donc y aller progressivement. L'an prochain, notre cible est d'atteindre les 80% d'utilisateurs actifs.

Quels freins rencontrez-vous ?

Le premier d'entre eux, c'est la crainte de certains développeurs de voir leur métier changer drastiquement : car certains d'entre eux adorent écrire des lignes de code et en apprécier le résultat, et redoutent d'être confinés à un rôle de contrôle des IA. Par ailleurs, des craintes existent sur la qualité de ce qui va être produit par ces technologies. Et elles sont justifiées ! Les IA produisant du code ont tendance à être verbeuses, voire à commettre des erreurs, même si c'est de moins en moins vrai au fil des évolutions de la technologie. Avec nos 30 millions d'utilisateurs, nous ne pouvons pas nous permettre de laisser passer en production du code de mauvaise qualité. Par exemple, demander à une IA de réaliser une évolution en partant de zéro reste difficile. Plus l'aspect fonctionnel se complexifie, plus déléguer la tâche à 100% à une IA est, à ce stade, illusoire.

« Une des évolutions que nous étudions, c'est de remplacer les revues de code des développeurs par des IA, via un processus dit d'AI-as-a-judge, afin d'automatiser l'analyse de la conformité du code produit à nos règles technologiques. » (Photo : Leboncoin)

Avec cette montée en puissance des usages de l'IA, avez-vous mis en place des procédures de tests et de contrôle supplémentaires ?

Pas encore, mais nous sommes déjà bien outillés sur l'analyse de code. Avant qu'un code ne parte en production, il passe par des contrôles de sécurité et de qualité automatiques et par une phase de contrôle humain. De façon systématique, avant toute mise en production, il est ainsi revu par deux développeurs, travaillant sur la stack technique concernée, après une première validation fonctionnelle par des ingénieurs qualité.

Une des évolutions que nous sommes en train d'étudier, c'est de remplacer cette révision par des développeurs par des IA, via un processus dit d'AI-as-a-judge. L'objectif serait d'analyser la conformité du code produit à nos règles technologiques au sein de chaque stack. Ne resterait, du côté des contrôles humains, que la validation des aspects fonctionnels. Ce projet, entamé en 2025, devrait voir le jour début 2026.

Quels impacts ont et auront ces technologies sur les carrières des développeurs ?

D'abord, l'usage de ces outils devient un prérequis pour le recrutement d'un développeur, comme l'anglais ou la connaissance de tel ou tel langage. Fin 2022 ou début 2023, nous nous inquiétions que nos tests techniques de recrutement ne soient réalisés avec des IA par les candidats. Aujourd'hui, si un développeur n'y a pas recours lors de nos tests, il ne sera pas recruté. En deux ans, c'est un renversement complet !

Dans les équipes, les profils vont aussi évoluer. Historiquement, nous embauchions beaucoup de spécialistes de telle ou telle technologie. Il est possible qu'on revienne à des profils davantage orientés full-stack, car la connaissance approfondie d'un langage aura de moins en moins d'importance. Nous étudions aussi le recrutement de davantage de profils séniors, pour être en mesure d'encadrer des juniors arrivant avec des connaissances avancées sur l'IA. Avec l'évolution des pratiques des écoles et universités, les juniors qui entrent dans les entreprises vont utiliser ces technologies par défaut. Il faudra dès lors les encadrer avec des experts qui connaissent les bonnes pratiques et les contraintes spécifiques de l'entreprise.

Du fait de l'évolution rapide de ces technologies, quelles évolutions anticipez-vous en 2026 ?

Début 2026, nous allons probablement demander à une équipe pilote de travailler de façon différente, en utilisant massivement des IA, une première pour coder et une seconde pour contrôler ce qui est produit, les développeurs étant là en pilotage de l'ensemble. Si cette configuration a déjà été testée par certaines personnes en interne, elle n'a jamais été étendue à l'échelle d'une équipe.

J'ai, par exemple, testé personnellement une approche où Claude Code produit le code, et où ChatGPT sert à écrire le plan et les prompts qui seront transmis à Claude. De mon côté, en amont, j'exprime fonctionnellement mes attentes, via du texte ou des captures d'écran par exemple, et je valide le code produit. La phase d'écriture de code a ainsi presque totalement disparu des tâches dévolues à l'humain. La configuration idéale y ajoute une boucle de rétroaction [AI-as-a-judge], avec ChatGPT accédant au code issu de Claude, via un connecteur GitHub par exemple. L'avantage ? Lors des évolutions fonctionnelles suivantes, l'IA sait dans quels fichiers des modifications doivent être apportées ou les instructions à donner à Claude Code.

Nous voulons tester les gains de productivité qu'apporterait une telle configuration : parle-t-on de 10 ou 20% supplémentaires ou de 100 ou 200% ? Il est aussi possible que nous nous heurtions à des murs. Mais, pour le savoir, nous avons besoin d'une vraie équipe testant cette approche sur de vrais projets.