Comment Rescale a conçu un agent de tri par IA avec Strands Agents et AI-DLC
Chez Rescale, plateforme d'ingénierie numérique utilisée par des équipes de R&D dans l'aérospatiale, l'automobile, l'énergie, les sciences du vivant, les semi-conducteurs et l'industrie manufacturière, le tri des échecs de tests de bout en bout était devenu une tâche à plein temps cachée dans la rotation d'astreinte. Chaque matin, un ingénieur devait récupérer les logs d'une suite de tests nocturne, classer la cause racine, puis router le problème vers la bonne équipe, avant de rassembler des preuves dans plusieurs systèmes de journalisation et de supervision ainsi que dans plusieurs dépôts de code. Pour y remédier, l'entreprise a construit un agent de triage intelligent avec Strands Agents et le cadre AI-DLC (AI-Driven Development Lifecycle) d'AWS. Elle est passée de la définition du problème à un déploiement en préproduction en cinq jours, puis à la production en quelques semaines.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
Le gain est d'abord opérationnel. Les tests d'intégration conditionnent les mises en production hebdomadaires de Rescale : tant qu'ils échouent, aucun service ne peut être déployé. Une défaillance non résolue pouvait donc mobiliser plusieurs équipes pendant des heures de coordination avant que le déploiement soit autorisé. Automatiser la classification, la priorisation et l'orientation des échecs réduit ce goulot d'étranglement et libère les ingénieurs pour des sujets d'architecture et de jugement produit. L'exemple est aussi une démonstration de méthode : le délai de cinq jours montre qu'un problème bien délimité peut passer vite de l'idée à un système fiable, à condition de ne pas sacrifier les décisions d'architecture qui déterminent le comportement en production. Rescale prévoit d'étendre cette approche à l'ensemble de son organisation d'ingénierie.
Cette démarche s'inscrit dans la philosophie d'usage de l'IA de l'entreprise, qui l'emploie sur tout le cycle de vie de l'ingénierie, de la conception aux opérations, en maintenant la responsabilité humaine : l'IA propose et exécute, mais les personnes définissent le périmètre, valident le travail et approuvent les changements en production. AI-DLC, méthodologie open source centrée sur l'IA, formalise ce principe autour de deux idées. D'une part, l'IA exécute et l'humain décide : elle produit les plans de travail, le code et les propositions d'architecture, mais soulève les points de décision et pose des questions plutôt que de deviner. D'autre part, les sessions collectives remplacent les passations asynchrones, avec la Mob Elaboration pour définir les exigences ensemble et la Mob Construction pour bâtir pendant que l'IA gère l'implémentation. Pour Rescale, la difficulté n'était pas d'écrire du code, mais de s'assurer que l'IA comprenait précisément ce que l'équipe voulait construire.
Pas d\'impact direct sur la France/UE