Vision et contexte
Lors du TechCrunch Disrupt à San Francisco, Amjad Masad, co‑fondateur et CEO de Replit, a présenté le concept de « self‑driving company ». Il l’appuie sur l’usage interne des outils de codage assistés par IA que la société commercialise depuis plusieurs années.
Masad explique que les agents IA exécutent la plupart des tâches répétitives, tandis que les humains conservent la responsabilité du jugement et du goût. Cette répartition, selon lui, reflète le changement observé dans l’ensemble des métiers au cours de l’an passé.
Il souligne que la transformation n’est pas encore reconnue par une large partie du public professionnel, ce qui crée une rupture entre la perception du marché et la réalité opérationnelle de l’entreprise.
Architecture des agents dans le support technique
Replit a intégré des agents capables d’analyser les tickets de support dès leur réception. L’agent interroge les issues GitHub, le code source et les tickets Linear pour établir un premier diagnostic.
Une fois le tri effectué, l’agent enrichit le ticket avec les informations collectées, ce qui permet à l’opérateur humain de prendre une décision éclairée sans devoir rechercher manuellement les références.
Lorsque l’opérateur valide une correction, il déclenche un déploiement d’un second agent en un clic, qui applique le patch automatiquement. Cette boucle d’automatisation réduit le temps de résolution tout en conservant le contrôle humain sur la validation finale.
Conséquences sur les processus humains
Selon Masad, la présence des agents libère les équipes de la plupart des opérations de routine, les orientant davantage vers la conception d’architectures, le white‑boarding et la définition de priorités produit.
Les discussions internes se concentrent ainsi sur « quoi » construire plutôt que « comment » le faire, ce qui augmente le temps consacré à la réflexion stratégique et à la créativité.
Masad indique également que les clients de Replit perçoivent les agents comme un moyen d’accroître la productivité et le bien‑être au travail, en rendant les tâches moins monotones.
Limites et perspectives
Malgré l’efficacité démontrée, les agents restent dépendants de la qualité des données d’entrée (issues, code, tickets) et d’une supervision humaine pour éviter les dérives de décision.
Le modèle actuel ne prétend pas remplacer le jugement humain, mais le compléter. La capacité à interpréter le « goût » d’une solution reste hors de portée des algorithmes actuels.
Replit envisage d’étendre ce cadre à d’autres fonctions d’entreprise, tout en surveillant les risques liés à la confiance excessive dans l’automatisation et à la transparence des actions des agents.
