Agentic Workflows en Gestion de Projet IT : Retour d'Expérience Terrain

Le retour terrain : 6 mois d'expérimentation agentique

En 2024, j'ai intégré des workflows agentiques dans la gestion quotidienne du projet EQUANS Site Factory chez Talan/Guidepoint. Voici ce que j'ai appris — les succès, les échecs, et ce que j'aurais fait différemment.

Workflow 1 : génération automatique des rapports de sprint

Chaque vendredi, un agent extrait les données de Jira via l'API REST, calcule la vélocité de l'équipe, identifie les tickets bloqués depuis plus de 48h, génère un rapport Markdown structuré et le poste automatiquement dans le canal Slack de l'équipe.

Résultat : 3h30 économisées par semaine. Taux d'adoption équipe : 100% dès la 2ème semaine. Qualité du rapport jugée "meilleure que la version manuelle" par 4 membres sur 5.

Workflow 2 : triage et priorisation des tickets entrants

Un agent analyse chaque nouveau ticket Jira à sa création : il en évalue la criticité selon des critères métier, suggère une priorité, identifie le composant impacté, et ajoute les labels appropriés. Un humain valide la suggestion en un clic.

Résultat : temps de triage réduit de 45 minutes à 8 minutes par jour. Cohérence de priorisation nettement améliorée.

Workflow 3 : génération de documentation technique

À chaque fermeture d'un ticket "feature", un agent génère automatiquement une fiche de documentation : description de la fonctionnalité, impact utilisateur, dépendances techniques, procédure de rollback. Cette fiche est soumise pour validation avant d'être archivée dans Confluence.

"La documentation n'est plus une corvée de fin de projet. Elle se génère au fil de l'eau, validée par l'équipe, sans effort supplémentaire."

Ce qui n'a pas fonctionné

L'agent d'estimation automatique

J'ai tenté de déployer un agent qui estimait automatiquement le temps de développement des tickets en fonction de l'historique. Taux d'erreur de 40% sur les estimations — trop élevé pour être utile. La complexité contextuelle du projet était trop spécifique pour être capturée sans fine-tuning.

Lessons learned pour vos déploiements

• Commencez par les processus les plus répétitifs : reporting, triage, notification
• Gardez un humain dans la boucle de validation au début — même si l'agent est fiable à 95%
• Documentez les prompts système comme vous documenteriez du code
• Mesurez systématiquement : temps économisé, taux d'erreur, satisfaction équipe