[J-Story 5] De 25 ans de code aux plateformes agentiques : comment l’IA redéfinit le métier de développeur. Arnaud Héritier – Engineering Manager & AI Platform Lead @Docker
Jissen donne la parole à des responsables tech pour partager, à travers une série d’interviews (J-Stories), leurs parcours, leurs choix et les histoires techniques et humaines qui façonnent les organisations d’aujourd’hui.
————————————————————————
Qui est Arnaud Héritier ?
Après 25 ans dans la tech, des startups aux éditeurs mondiaux, du code au management, du conseil à l’open source, Arnaud Héritier a traversé toutes les grandes ruptures technologiques de son époque.
Aujourd’hui chez Docker, il travaille sur la question qui redéfinit le métier de développeur : comment l’intelligence artificielle va-t-elle changer notre façon de construire des logiciels ? Pas dans dix ans, maintenant.
————————————————————————
ACTE I LES ORIGINES – 25 ans de code et de management
Le développeur devenu chef d’orchestre
Arnaud commence sa carrière les mains dans le code. Startups, agences, sociétés de conseil, il enchaîne les environnements, les langages, les équipes.
Chez Octo Technology, il apprend la rigueur du conseil, puis Exo Platform. Chez CloudBees, éditeur derrière Jenkins, il prend en charge le support et découvre l’envers du décor des projets open source à grande échelle. Puis Doctolib, où il pilote l’ingénierie de plateforme, cette discipline qui outille les développeurs pour qu’ils soient plus efficaces.
C’est là qu’il bascule vraiment vers le management. Non pas par ambition de titre, mais parce que faire progresser des gens dans des contextes très techniques lui procure une satisfaction que l’écriture de code seul ne peut plus lui offrir.
“Le management, c’est passionnant mais compliqué. Il faut aligner des personnes complémentaires pour qu’elles travaillent efficacement vers un but commun.”
Engineering Manager : un métier qui s’est réinventé
Le rôle a profondément changé ces quinze dernières années. Le chef de projet d’hier se concentrait sur les délais et les livrables. L’Engineering Manager d’aujourd’hui jongle entre la délivrabilité des produits et les défis humains qui surgissent en permanence : recrutement, montée en compétences, rituels d’équipe, cultures d’entreprise américaine ou française qui n’ont pas les mêmes codes.
Ce qui ne change pas, selon Arnaud : comprendre les spécificités techniques du domaine pour recruter les bons profils, et travailler l’aspect humain pour aider les gens à grandir. Les deux sont indissociables.
La révolution qui n’en était pas une, puis qui en était une
L’IA n’est pas une nouveauté pour Arnaud. Le machine learning, les premières formes d’automatisation intelligente, il les a vus naître et grandir. Mais il y a trois ou quatre ans, quelque chose de différent s’est produit avec l’arrivée des grands modèles de langage. ChatGPT d’abord, perçu comme impressionnant mais limité : hallucinations, données périmées, contexte insuffisant.
Puis l’écosystème s’est emballé. Des outils se greffent sur les modèles, leur donnent des sources d’information fraîches, les ancrent dans le monde réel.
Les IDE changent de nature : plus seulement de l’autocomplétion, mais des blocs de code entiers générés en comprenant l’intention du développeur. Et bientôt, l’idée que l’IDE lui-même pourrait devenir inutile, remplacé par un agent qui exécute des commandes.
“L’IA a fait évoluer les outils de développement de simples fonctions d’autocomplétion à des systèmes capables d’écrire des blocs de code complets en comprenant le contexte.”
Le retour aux fondamentaux
Mais quelque chose d’inattendu s’est produit avec l’adoption des agents. Les développeurs ont été ramenés à des principes qu’on croyait acquis, voire dépassés : la spécification.
Pour qu’un agent génère du code de qualité, il faut lui expliquer clairement ce qu’on attend. Il faut écrire de la documentation. Il faut penser en tests, réintroduire le TDD. Il faut maîtriser son pipeline de bout en bout.
L’IA n’a pas rendu le métier plus simple. Elle l’a rendu plus exigeant sur les bases. Ce que des années d’Agile avaient parfois laissé s’éroder, la pression des agents a forcé à reconstruire.
“Pour que l’IA génère un code de qualité, il faut écrire de la documentation, des spécifications claires et des guides pour diriger l’agent.”
————————————————————————
Arnaud le voit de près, d’abord chez Doctolib, maintenant chez Docker. L’adoption de l’IA en entreprise ne se résume pas à activer un abonnement.
Chez Doctolib, il a fallu six à neuf mois pour étudier les solutions, définir le cadre d’utilisation, s’assurer que les exigences réglementaires et de sécurité étaient respectées. L’IA n’a pas de conscience : c’est un mécanisme statistique. Les entreprises doivent définir précisément ce qu’elles l’autorisent à faire, et ce qu’elles lui interdisent.
À cela s’ajoutent des enjeux budgétaires concrets : les coûts des outils, les licences, la perte de productivité initiale pendant que les équipes apprennent à écrire de bons prompts, à faire confiance, à vérifier. Si la chaîne de production n’est pas prête, le gain de vitesse de l’IA est immédiatement annulé par les goulots d’étranglement en CI, en tests ou en déploiement.
“L’adoption initiale peut entraîner une perte de productivité car les employés doivent apprendre à maîtriser l’IA, notamment à écrire des prompts efficaces.”
Le profil Ops : un cas particulier
Les développeurs ont été les premiers à adopter l’IA. Pour les profils Ops, Sysadmin, DevOps, c’est plus lent, et pour de bonnes raisons. Ils travaillent sur des systèmes critiques : Terraform, Kubernetes, des fichiers YAML dont une erreur peut mettre en production une régression majeure. Le niveau de vérification humaine reste très élevé.
Là où l’IA apporte une vraie valeur pour ces profils, c’est dans la gestion des incidents : agrégation d’informations, rédaction de postmortems, simplification des tâches chronophages d’alerting. Des gains réels, mais sur les marges du métier, pas encore au cœur.
————————————————————————
La question qui mobilise Arnaud aujourd’hui est celle des plateformes agentiques. Dans un écosystème où chaque outil, chaque solution d’observabilité, chaque service développe sa propre couche d’IA, comment faire en sorte que ces agents communiquent entre eux ? Datadog a son IA. Votre système d’alerting a la sienne. Votre pipeline CI/CD aussi. Mais ils ne se parlent pas.
Le modèle qui s’impose progressivement : des IA locales et expertes qui dialoguent avec une IA plus généraliste, une couche d’orchestration capable d’interroger plusieurs sources pour répondre à une demande complexe. Une plateforme agentique multi-agents. C’est exactement le chantier sur lequel Arnaud travaille chez Docker.
“Des IA locales et expertes doivent pouvoir communiquer entre elles grâce à une IA plus généraliste, formant une plateforme agentique.”
Docker a une histoire unique dans cet écosystème. Les conteneurs ont révolutionné la livraison logicielle en résolvant le problème de l’environnement.
Aujourd’hui, Docker cherche à faire la même chose pour les agents : sécuriser leur exécution via des sandboxes, contrôler ce qu’ils peuvent faire, limiter les risques d’une suppression de fichier accidentelle ou d’un appel système non autorisé.
Le projet Docker Agent, open source, permet de déclarer et d’interagir avec des agents via une interface TUI. Au-dessus, Gordon, un produit commercial, utilise des agents dédiés pour aider les développeurs à mieux utiliser les outils Docker. L’idée centrale : l’humain interagit avec un agent, qui interagit lui-même avec d’autres agents. Mais à chaque niveau, des garde-fous.
Ce qui rend cette approche distinctive, c’est que la confiance dans le code généré par IA n’est pas encore absolue en 2026. Elle s’améliore, mais elle reste limitée pour les codebases critiques, les monolithes anciens, les systèmes d’entreprise qui ne tolèrent pas l’erreur. La sandbox est la réponse de Docker à cette réalité.
————————————————————————
ACTE V L’AVENIR – Les développeurs ne disparaîtront pas. Mais ils devront choisir.
Arnaud est direct sur ce point : l’IA ne remplacera pas les développeurs. Mais elle servira d’excuse pour des licenciements que certains éditeurs avaient déjà planifiés.
Historiquement, chaque rupture technologique majeure a augmenté le nombre de développeurs et élargi les usages. L’arrivée du cloud, des smartphones, du web, n’a pas réduit la demande de profils techniques. Elle l’a explosée.
Ce qui est certain, en revanche : les développeurs qui ne s’adaptent pas seront marginalisés. Pas parce que l’IA fait leur travail, mais parce que ceux qui maîtrisent l’IA feront le leur dix fois plus vite. Le skill set change. La documentation, la spécification, la compréhension des agents et de leurs limites deviennent des compétences cardinales.
“L’IA ne remplacera pas les développeurs, mais ceux qui ne s’adaptent pas seront marginalisés. Le métier continue d’évoluer.”
Arnaud fait partie de ceux qui regardent l’IA sans illusions, mais sans catastrophisme non plus. Les LLM actuels manquent d’une capacité fondamentale : le recul. Ils ne savent pas proposer le refactor d’une codebase. Ils ne savent pas innover. Ils font de la statistique, à grande échelle, avec une remarquable efficacité, mais ils ne créent pas.
Les futurs modèles, ceux qu’on appelle les modèles du monde, ceux qui apprennent le monde tel qu’il est et non tel qu’il a été écrit, changeront peut-être la donne. Mais ce sera dans plusieurs années.
D’ici là, la valeur d’un développeur n’est pas dans l’écriture de lignes de code. Elle est dans la compréhension du besoin, la qualité de la conception, et la capacité à construire quelque chose qui tient dans le temps.
Pour accompagner les entreprises dans cette transition, les cabinets de conseil ont un rôle structurant. Non pas pour leur vendre des outils, mais pour renforcer leurs fondations : l’hygiène de développement, la documentation, les pipelines CI/CD, la gouvernance des agents. Ce sont ces prérequis invisibles qui déterminent si l’adoption de l’IA sera un succès ou un gouffre budgétaire.
Le rythme d’évolution des plateformes agentiques est tel que les entreprises ne peuvent pas suivre seules. Ce n’est pas leur cœur de métier. Elles cherchent des gains de productivité et de nouveaux usages.
Le consulting peut compresser les délais d’adoption, souvent longs et coûteux, et éviter les erreurs classiques d’une organisation qui découvre la technologie sans filet.
“Le consulting peut optimiser les délais d’adoption, souvent coûteux et mal organisés, en apportant la méthode que les entreprises n’ont pas encore.”
————————————————————————
Ce qu’on retient de cette J-Story :
- Le rôle d’Engineering Manager a profondément évolué : il ne s’agit plus seulement de livrer, mais d’orchestrer des équipes, des cultures et des compétences techniques et humaines
- L’arrivée des LLM a transformé le développement : de l’autocomplétion à la génération de blocs de code contextuels, avec une accélération majeure des outils
- Paradoxalement, l’IA renforce les fondamentaux : spécification, documentation, tests, et rigueur de conception redeviennent essentiels
- L’adoption de l’IA en entreprise est lente et structurante (6 à 9 mois en moyenne), avec des enjeux de sécurité, de coûts et de chaîne CI/CD
- Les profils Ops/DevOps sont impactés différemment : forte valeur sur la gestion d’incidents et l’automatisation périphérique, mais prudence sur les systèmes critiques
- L’avenir se joue sur les plateformes agentiques : faire communiquer des IA spécialisées via une couche d’orchestration, avec Docker comme acteur clé via la sandbox et la sécurité d’exécution
- Le métier de développeur ne disparaît pas, mais se polarise : ceux qui maîtrisent les outils IA et les bases de conception prendront un avantage décisif sur les autres
————————————————————————
Chez Jissen, nous accompagnons les CTO, DSI, VP Engineering et Head of Tech dans la mise en œuvre concrète de leur vision technique, de la stratégie à l’exécution et jusqu’à la production.
Nous intervenons sur la structuration des organisations tech et produit, l’alignement des équipes, le delivery et la mise en place de pratiques d’ingénierie robustes pour améliorer la performance sans perdre en qualité.
Si ces enjeux de transformation, de pilotage et d’industrialisation résonnent avec vos projets, nos équipes seront ravies d’en discuter avec vous.