Accélération de 40 % de la vitesse de codage de Mailchimp : Équilibrer l’innovation en IA et la gouvernance

Intuit Mailchimp a exploré des techniques de codage basées sur l’IA, comme de nombreuses organisations cette dernière année.

Intuit Mailchimp propose des solutions robustes de marketing par e-mail et d’automatisation. Au sein de l’écosystème Intuit, il a progressivement renforcé ses capacités en IA générative, en déployant son GenOS exclusif et son IA agentique dans diverses unités commerciales.

Malgré son expertise interne en IA, Mailchimp a identifié des scénarios où les outils de codage en IA sont essentiels. Le parcours a débuté avec la nécessité de respecter une échéance urgente.

Mailchimp a dû relever le défi de présenter un flux de travail client sophistiqué aux parties prenantes dans un délai court. Les outils traditionnels comme Figma n’ont pas suffi pour fournir un prototype fonctionnel. Certains ingénieurs, déjà familiers avec les outils de codage en IA, ont saisi l’opportunité de les appliquer à un problème commercial réel.

« Nous avons été confrontés à un défi unique nécessitant un prototype rapide d’un flux de travail complexe pour les parties prenantes », a partagé Shivang Shah, architecte en chef chez Intuit Mailchimp, avec VentureBeat.

Les ingénieurs ont exploité les outils de codage en IA et ont été stupéfaits par les résultats.

« Ce qui aurait pris des jours a été réalisé en quelques heures », a remarqué Shah.

Cette percée a déclenché une adoption plus large des outils de codage en IA chez Mailchimp, entraînant des vitesses de développement jusqu’à 40 % plus rapides, tout en révélant des leçons essentielles sur la gouvernance, le choix des outils et le rôle de l’expertise humaine que d’autres organisations peuvent adopter.

De la réponse aux questions à l’automatisation des tâches

L’expérience de Mailchimp reflète une tendance plus large dans la manière dont les développeurs interagissent avec l’IA. Initialement, les ingénieurs utilisaient l’IA conversationnelle pour des conseils de base et des recommandations d’algorithmes.

« Même avant que les outils de codage en IA ne gagnent en popularité, les ingénieurs utilisaient l’IA conversationnelle pour valider des algorithmes pour des problèmes spécifiques », a observé Shah.

Le changement est survenu avec des outils de codage en IA avancés, passant de la réponse aux questions à l’exécution de tâches de codage.

Cette transition de la consultation à la délégation de tâches met en évidence la valeur fondamentale que les outils de codage en IA offrent aux entreprises aujourd’hui.

Les outils diversifiés surpassent les solutions à fournisseur unique

Mailchimp a opté pour une stratégie multi-outils, utilisant des plateformes comme Cursor, Windsurf, Augment, Qodo et GitHub Copilot, guidé par des insights sur leurs forces spécialisées.

« Différents outils offrent des avantages uniques selon la phase de développement, comme collaborer avec un ingénieur spécialisé », a expliqué Shah.

Cela reflète la manière dont les entreprises utilisent divers outils pour différentes étapes de développement, évitant de dépendre d’une solution unique qui peut exceller dans certains domaines mais échouer dans d’autres.

Cette approche découle d’expérimentations pratiques, Mailchimp découvrant que certains outils performaient mieux pour des tâches spécifiques dans leur flux de travail.

Les cadres de gouvernance assurent l’ordre

La principale leçon de Mailchimp sur le codage en IA concerne la gouvernance. L’entreprise a établi des garde-fous basés sur des politiques et intégrés aux processus, adaptables pour d’autres organisations.

Les politiques incluent des examens d’IA responsable pour les déploiements impliquant des données clients. Les contrôles de processus maintiennent la supervision humaine au cœur, l’IA gérant les premières révisions de code, mais l’approbation humaine est requise avant le déploiement en production.

« La supervision humaine est non négociable », a insisté Shah. « Une personne doit toujours affiner et valider la solution pour s’assurer qu’elle répond au bon problème. »

Cette approche à deux volets répond à une préoccupation courante des entreprises : équilibrer les gains de productivité de l’IA avec la qualité et la sécurité du code.

Les lacunes contextuelles exigent des prompts précis

Mailchimp a constaté que les outils de codage en IA excellent dans la programmation générale mais manquent de connaissances approfondies du domaine commercial.

« L’IA comprend les modèles standards de l’industrie mais peut ne pas correspondre à nos parcours utilisateurs spécifiques », a noté Shah.

Cette prise de conscience a souligné le besoin pour les ingénieurs de fournir des prompts précis et riches en contexte, ancrés dans une expertise technique et commerciale.

« Vous devez toujours connaître la technologie, l’entreprise et l’architecture du système. L’IA amplifie vos capacités », a déclaré Shah.

Pour les entreprises, cela signifie former les équipes à la fois sur les outils d’IA et sur la manière de transmettre efficacement le contexte commercial à ces systèmes.

Combler le fossé entre prototype et production

Les outils de codage en IA brillent dans le prototypage rapide, mais Mailchimp a appris que les prototypes nécessitent un effort humain important pour être prêts à la production, en raison des complexités d’intégration, des besoins de sécurité et des exigences de l’architecture système.

« Un prototype ne signifie pas qu’il est prêt pour la production », a averti Shah. « Les délais doivent tenir compte de ces réalités. »

Cette observation aide les entreprises à fixer des attentes réalistes pour les outils de codage en IA, qui excellent dans le développement précoce mais ne constituent pas une solution complète pour le cycle de développement complet.

Se concentrer sur des tâches à haute valeur

Au-delà de la vitesse, les outils d’IA ont permis aux ingénieurs de Mailchimp de prioriser les tâches à fort impact, comme la conception de systèmes, l’architecture et l’intégration des flux de travail clients, plutôt que des tâches de codage répétitives.

« Nous pouvons maintenant nous concentrer sur la conception de systèmes et l’intégration des flux de travail clients plutôt que sur des tâches banales », a déclaré Shah.

Les entreprises devraient mesurer le succès du codage en IA non seulement par la productivité, mais aussi par la valeur stratégique du travail que les développeurs peuvent désormais prioriser.

Leçons clés pour les entreprises

Le parcours de Mailchimp offre une leçon claire pour les entreprises visant à exceller dans le développement assisté par l’IA : traiter les outils de codage en IA comme des assistants puissants qui améliorent, et non remplacent, l’expertise humaine.

Les organisations qui trouvent cet équilibre obtiendront des avantages compétitifs durables, combinant prouesse technique avec supervision humaine, vitesse avec gouvernance, et productivité avec qualité.

Pour ceux qui adoptent les outils de codage en IA plus tard, le chemin de Mailchimp, de l’expérimentation urgente à une implémentation structurée, offre une feuille de route fiable. Le principe fondamental demeure : l’IA augmente les développeurs, mais l’expertise et la supervision humaines restent cruciales pour le succès en production.