LMi-MAG29 mars - Flipbook - Page 20
ENTRETIEN
Julien JOUHAULT
CTO Leboncoin
« L’IA DEVIENT UN PRÉREQUIS
POUR RECRUTER
LES DÉVELOPPEURS »
Le directeur technique de Leboncoin, Julien Jouhault, explique comment il déploie
l’IA au sein des équipes de développement. Et la place grandissante qu’est appelée
à prendre cette technologie dans ce métier. Jusque dans le recrutement.
Propos recueillis par Reynald Fléchaux
S
econd site d’e-commerce en France derrière Amazon, avec plus de 30 millions de
visiteurs uniques par mois selon le baromètre Médiamétrie-Fevad, Leboncoin a,
à la suite d’une expérimentation, généralisé le déploiement d’outils d’IA au sein
de ses équipes d’ingénieurs logiciel, soit
environ 250 personnes sur les 500 que
comptent les équipes techniques de la société.
La filiale française du groupe Adevinta, qui travaille à
renforcer l’adoption de cet outillage avec l’objectif de
doubler la part des utilisateurs actifs en 2026, envisage
désormais la prochaine étape, au sein de laquelle l’IA
automatise également certaines tâches de contrôle
Comment avez-vous abordé l’usage de l’IA
au sein de vos équipes de développement ?
Julien Jouhault : Nous utilisons Copilot depuis envi-
ron trois ans pour de l’autocomplétion. Et, début 2025,
nous avons testé trois solutions d’IA générative : Cursor,
la version agentique de Copilot, et Claude Code, pour
finalement retenir ce dernier en mars.
Sur quels critères vous êtes-vous basés
pour arrêter votre choix ?
J. J. : Pendant quatre-vingt-dix jours, sept équipes ont
chacune testé un outil différent pour effectuer les développements prévus dans le trimestre, qui est la cadence
20 / mars / avril / mai 2026
habituelle au sein de nos roadmaps avec, à l’intérieur de
chaque séquence, des sprints agiles de quinze jours. Nous
avons choisi une période assez longue pour tenir compte
de la phase d’intégration initiale pendant laquelle les gens
s’habituent aux outils. A la fin du trimestre, nous avons
mesuré, au travers d’études de perception, si nous étions
capables de produire davantage avec ces technologies et
si les développeurs étaient satisfaits de l’expérience proposée. Car, en production, il n’existe aucune méthode
parfaite pour comparer une équipe équipée de la technologie à une équipe identique n’en bénéficiant pas. A
moins de développer chaque livrable deux fois, ce qui
était naturellement impossible. A chaque fois qu’un développeur terminait une tâche au sein du sprint, il indiquait
combien de temps avait été nécessaire et son estimation
de cette durée sans l’outil de GenAI.
Au regard de ces études, quelles sont
les tâches sur lesquelles ces outils
sont les plus intéressants ?
J. J. : Ces outils sont extrêmement efficaces sur la
documentation et l’analyse de code, mais aussi sur du
refactoring technique ou des changements de technologies. Transposer un composant de la technologie A à
la technologie B fonctionne très bien, pour peu qu’on
parle de technologies modernes, car ces IA sont entraînées sur des données qui sont majoritairement liées à
ces dernières. Par exemple, passer de PHP à React s’avère
extrêmement facile.
