Au-delà de la hype.

On a mesuré nos délais de développement. Voilà ce qu'on a trouvé.

Nous avons relié Jira à Grafana pour suivre nos délais. Sur les deux premiers mois observés, le délai de cycle médian est passé de 2,8 à 2,17 jours. C'est intéressant, mais trop court pour conclure que nous sommes devenus plus rapides.

Dans cet article

En avril, notre délai de cycle médian était de 2,8 jours. En mai, il était de 2,17 jours. Nous avons obtenu ces chiffres en reliant les tickets Jira à un tableau de bord Grafana. Est-ce que ça prouve que l'IA nous a fait gagner du temps ? Non. Deux mois, c'est trop court, et plusieurs facteurs peuvent expliquer la différence. Mais au moins nous commençons à voir ce qui se passe dans notre flux de développement.

Tableau de bord Grafana : délai de cycle médian mensuel, en baisse de 2,8 à 2,17 jours sur avril et mai 2026.
Notre tableau de bord interne (Grafana) : le délai de cycle médian, mois après mois.

Ce que nous mesurons

Le délai de cycle d'une tâche est le temps écoulé entre le moment où elle commence et celui où elle se termine. Chaque mois, nous prenons la médiane sur les tâches terminées : la moitié a pris moins de temps, l'autre moitié davantage. La médiane résiste mieux qu'une moyenne à quelques tickets restés bloqués des semaines.

Nous suivons aussi le temps de traitement effectif, le temps passé en revue et le temps pendant lequel une tâche est restée bloquée. Ensemble, ces indicateurs montrent où le travail avance et où il attend.

Une comparaison d'un mois à l'autre ne vaut que sur le même périmètre (ici, un projet donné) et avec la même définition. Changez la règle sans le dire, et la courbe compare des choses différentes. Même ainsi, les types de tickets d'un mois ne ressemblent pas forcément à ceux du suivant.

Comment les chiffres sont produits

Chaque nuit, notre outil récupère les tickets Jira, reconstitue les étapes par lesquelles ils sont passés et calcule quelques indicateurs. Les résultats sont enregistrés dans PostgreSQL, puis affichés dans Grafana. Quand une donnée manque, nous n'inventons pas une valeur pour compléter le graphique.

Le calcul est déterministe : le même mois, recalculé, donne le même résultat. L'ingestion se fait en reprise complète ou incrémentale, et les tableaux de bord lisent les données en lecture seule, à travers une API protégée par jeton.

Ce que deux mois ne permettent pas de conclure

La baisse est réelle sur la période, mais elle est courte. Elle ne prouve ni une tendance, ni l'effet de l'IA. Un délai de cycle plus court peut venir de l'outillage, de l'organisation, de la nature des tâches ou simplement d'un mois plus favorable.

Ces indicateurs décrivent un processus, pas des personnes. Nous ne les utilisons pas pour noter qui que ce soit : ce serait le meilleur moyen de fausser les mesures.

Nous allons continuer à mesurer, sur la même définition et sur plusieurs mois. Ce sera seulement à ce moment-là qu'on pourra distinguer un bon mois d'une amélioration durable.

Auteur · M.Baudoux - Développement logiciel & accompagnement IA

GDN Journal · Au-delà de la hype.Tous les articles

Recevez les prochains articles de GDN Journal

Actualités décryptées, analyses de fond et retours d'expérience sur l'IA, la cybersécurité et l'ingénierie logicielle.

Un email par nouvel article. Rien d'autre.

En vous inscrivant, vous acceptez de recevoir GDN Journal par email à chaque nouvel article. Votre adresse est traitée par GDN et son prestataire d'envoi Mailjet. Elle n'est jamais cédée. Politique de confidentialité.