L’intelligence artificielle transforme en profondeur la manière dont les entreprises développent leurs logiciels, allant bien au-delà de la simple automatisation de tâches techniques. Unipol Assicurazioni, l’un des principaux assureurs italiens, a mis en œuvre une stratégie ambitieuse pour intégrer l’IA à l’ensemble de son cycle de développement, de la conception à la mise en production.
Alessandro Tufano, responsable IA chez Unipol Assicurazioni, a présenté les avancées de son groupe lors de la conférence « Intelligence artificielle : adoption, transformation, équilibre », organisée par l’Observatoire de l’Intelligence Artificielle de l’École Polytechnique de Milan. Il a souligné que l’adoption de l’IA ne peut se limiter à des applications isolées, mais doit impérativement redéfinir l’ensemble de la chaîne de production logicielle.
Pour Unipol, le développement logiciel est envisagé comme une véritable « Usine informatique », où la création d’applications et de contenus basés sur l’IA doit répondre à des exigences de scalabilité et de précision. L’intérêt pour l’IA dans les processus informatiques a été stimulé par les progrès rapides des outils génératifs, souvent mis en avant dans les médias spécialisés.
L’entreprise a rapidement constaté l’efficacité de solutions comme Code Cloud de Google et d’autres outils de génération automatique de code. Cependant, l’utilisation de ces technologies dans un secteur réglementé comme l’assurance soulève des questions importantes quant à leur applicabilité et à leur conformité.
Le tournant décisif a été l’identification d’avantages concrets dans des activités spécifiques, ce qui a conduit Unipol à tester activement le potentiel de la génération de code. L’équipe a rapidement compris que l’IA ne pouvait pas être déployée de manière efficace sans une définition claire des règles et des paramètres.
« Si nous ajoutons un autre problème, c’est-à-dire que nous n’écrivons pas correctement ces informations, nous ne pouvons arriver à rien », a expliqué Alessandro Tufano, soulignant l’importance cruciale de la qualité des instructions fournies à l’IA.
Unipol a donc choisi de commencer par automatiser la création de tests unitaires, une tâche souvent perçue comme répétitive et fastidieuse par les développeurs. Cette approche a permis de rétablir les « Quality Gates » (points de contrôle qualité) sur de nombreuses applications, garantissant une plus grande robustesse des logiciels sans ralentir le travail des équipes.
L’IA a ensuite été étendue aux tests d’acceptation utilisateur (UAT), une étape essentielle pour vérifier que le logiciel répond aux besoins de l’entreprise. Les testeurs ont ainsi pu se concentrer sur les aspects les plus complexes de leur travail, tandis que l’IA prenait en charge les tâches les plus standardisées.
« Je peux me concentrer sur les parties vraiment difficiles où mon expérience est nécessaire, car les parties évidentes sont activées par l’IA », a déclaré un testeur, témoignant de l’impact positif de l’IA sur son travail.
L’analyse menée par Unipol a révélé un effet domino : la qualité des résultats de l’IA dépendait étroitement de la qualité des documents d’analyse fonctionnelle utilisés comme base. L’entreprise a donc entrepris de standardiser ces documents afin de les rendre plus facilement exploitables par les outils génératifs.
L’objectif ultime est d’éliminer les documents justificatifs papier ou désorganisés et d’intégrer l’automatisation dans les outils de gestion de projet existants. Selon Alessandro Tufano, la normalisation doit être appliquée dès le début du processus, au moment de la définition des besoins métiers : « pour donner une efficacité complète à ce type d’activité, il ne suffit pas de considérer uniquement cette tâche atomique, mais nous sommes arrivés à l’origine, c’est-à-dire à la demande, lorsque surgit le besoin d’une application d’IA ».