Morgan Dutemple
← Retour au blog
IA

Software factory : l'usine d'agents IA des solopreneurs, promesse et limites

Une chaîne de production isométrique. À gauche, une personne en bleu vert pose une spécification. Le flux traverse quatre agents IA, représentés par des robots : planifier, coder, tester, relire. À droite, une personne en orange vérifie le résultat et donne son « ok » avant la mise en production.
Morgan Dutemple
·Delivery Manager, conduite du changement & IA

Le mot « software factory » revient partout depuis le début de 2026. Il désigne une chaîne de plusieurs agents IA qui reçoit une spécification et rend du logiciel testé, parfois sans qu'un humain lise une ligne de code. Des solopreneurs s'en emparent pour produire leurs applications, voire pour faire tourner une entreprise entière.

Le mot n'est pourtant pas neuf, et les mesures publiées sont plus nuancées que les annonces. Je reprends les deux, puis je dis ce que cela change pour un chef de projet.

D'où vient le mot « software factory »

L'idée d'une usine à logiciel date de plusieurs décennies. En 1991, Michael A. Cusumano publie chez Oxford University Press « Japan's Software Factories: A Challenge to U.S. Management ». Il y étudie Hitachi, Toshiba, NEC et Fujitsu, qui développent en équipes organisées et réutilisent des morceaux de programmes.

En 2004, deux architectes de Microsoft, Jack Greenfield et Keith Short, publient chez Wiley « Software Factories ». Le sens glisse vers l'outillage : langages, modèles et frameworks pour produire des variantes d'un même produit.

À la fin des années 2010, l'armée américaine reprend le mot pour des équipes DevSecOps internes : Kessel Run dans l'Air Force, puis l'Army Software Factory à Austin.

Dans les trois cas, la promesse est la même : industrialiser la production de logiciel. Ce qui change en 2026, c'est l'ouvrier. Il n'est plus humain.

Le sens 2026 : une usine où l'humain n'écrit plus le code

StrongDM et ses deux règles

La version la plus nette vient de StrongDM. Le 6 février 2026, Justin McCarthy, cofondateur et directeur technique, publie la page Software Factory. Elle pose deux règles : « Code must not be written by humans » (le code ne doit pas être écrit par des humains) et « Code must not be reviewed by humans » (il ne doit pas non plus être relu par eux).

La page ajoute une règle de dépense : moins de 1 000 dollars de jetons par jour et par ingénieur humain signale une usine qui peut mieux faire.

L'équipe compte trois personnes, réunies en juillet 2025. Pour tester sans toucher la production, elle clone le comportement de services tiers (Okta, Jira, Slack) et écrit des « scénarios » : des parcours utilisateur de bout en bout, stockés hors du code, évalués par un modèle de langage.

Simon Willison, qui a visité l'équipe, relève le point clé : ces scénarios sont un jeu de test caché aux agents. Sans cela, un agent qui écrit ses propres tests peut tricher avec un test qui passe toujours. Selon son calcul, à environ 1 000 dollars par jour, on arrive vers 20 000 dollars par mois et par ingénieur. Je n'ai trouvé aucun résultat mesuré sur la qualité ou la sécurité de ce qui sort de cette usine en production.

Les cinq niveaux de Dan Shapiro

Le 23 janvier 2026, Dan Shapiro propose une échelle calquée sur les niveaux d'automatisation de la conduite. Au niveau 0, tout est manuel. Au niveau 1, l'IA fait office d'assistant. Au niveau 2, elle code en binôme et donne l'impression que le travail est fini alors qu'il ne l'est pas.

Au niveau 3, l'humain reste dans la boucle : « You spend your days reviewing code ». Vos journées passent à relire du code. Au niveau 4, il devient chef de produit : « You write a spec. You argue with it about the spec. » Vous écrivez une spécification et vous en débattez avec la machine.

Le niveau 5 est la « dark factory », l'usine qui tourne lumières éteintes. Shapiro la décrit ainsi : « It's a black box that turns specs into software ». Une boîte noire qui transforme des spécifications en logiciel. Il précise que seules quelques équipes de moins de cinq personnes travaillent déjà ainsi.

Le compilateur C écrit par 16 agents

Anthropic a publié le 5 février 2026 une expérience qui donne un ordre de grandeur. Seize agents Claude ont travaillé en parallèle pendant environ deux semaines, sur près de 2 000 sessions Claude Code. Résultat : un compilateur C de 100 000 lignes en Rust, capable de compiler le noyau Linux 6.9. Coût : un peu moins de 20 000 dollars, pour 2 milliards de jetons en entrée et 140 millions en sortie.

L'article liste ses limites. Ce n'est pas un remplaçant d'un vrai compilateur. Il dépend encore de GCC pour une partie du x86 16 bits et n'a ni assembleur ni éditeur de liens propres. Surtout, l'auteur insiste sur une condition : « the task verifier is nearly perfect, otherwise Claude will solve the wrong problem ». Le vérificateur doit être presque parfait, sinon l'agent résout le mauvais problème.

Un compilateur se prête bien à l'exercice : les programmes de test disent sans ambiguïté si le résultat est juste. Un logiciel de gestion n'a pas ce luxe.

Le solopreneur et l'entreprise d'une personne

Le pari d'Altman

L'idée d'une entreprise à une seule personne valant un milliard de dollars a été popularisée par Sam Altman. Fortune rapporte en février 2024 ses propos à Alexis Ohanian, cofondateur de Reddit : « In my little group chat with my tech CEO friends there's this betting pool for the first year that there is a one-person billion-dollar company. Which would have been unimaginable without AI and now will happen. »

Au 31 octobre 2026, je n'ai trouvé aucune source solide montrant qu'une telle entreprise existe. Ce n'est pas une preuve qu'elle n'existe pas.

Pieter Levels, le cas le plus cité

Pieter Levels est l'exemple qu'on cite le plus. Sur son site, il écrit construire ses startups seul et sans financement. En mars 2026, il titre un billet sur Photo AI, décrit comme un fichier index.php de 40 870 lignes rapportant, selon lui, 105 000 dollars par mois de revenus et 80 000 de profit. En septembre 2026, il annonce avoir dépassé 10 millions de dollars par an en cumulant revenus et gains d'investissement.

Ces chiffres sont déclaratifs, non audités, et le second inclut des gains d'investissement. Son modèle n'est pas une usine multi agents documentée, mais un opérateur seul avec un agent de code.

Base44, « solo » avec huit salariés

En juin 2025, Wix rachète Base44 pour 80 millions de dollars en numéraire. TechCrunch qualifie la société de « solo-owned ». Le même article précise que le fondateur, Maor Shlomo, n'était pas seul : huit salariés selon Wix, qui touchent ensemble 25 millions de dollars de prime de rétention. Le fondateur a annoncé 189 000 dollars de profit en mai, après des coûts de jetons élevés (chiffre déclaratif).

L'étiquette « solo » désigne le capital, pas l'effectif : ni entreprise d'une personne, ni licorne.

Anatomie d'une software factory

Sous le mot, les systèmes décrits publiquement partagent quelques briques. La liste de rôles qui suit est ma synthèse ; chaque exemple est tiré d'une source.

Des rôles distincts

Anthropic décrit en décembre 2024 deux schémas qui reviennent dans les usines. Un orchestrateur découpe la tâche, la confie à des agents ouvriers et assemble leurs résultats. Ou bien un agent produit et un autre critique, en boucle.

Concrètement, on retrouve souvent :

  • un planificateur qui découpe le travail et tient la liste des tâches ;
  • des agents développeurs, souvent jetables, qui traitent une tâche chacun ;
  • un relecteur ou évaluateur qui critique le résultat ;
  • une file de fusion qui intègre les changements dans le code commun.

Gas Town, l'orchestrateur expérimental de Steve Yegge, leur donne des noms imagés : un « maire » qui ne code pas, des ouvriers jetables, une raffinerie pour la fusion.

La spécification comme matière première

Au niveau 4 de Shapiro, la spécification remplace le code comme objet de travail. Dans le harnais décrit par Anthropic en novembre 2025 pour les agents de longue durée, un premier agent rédige une liste de plus de 200 fonctionnalités au format JSON. Toutes sont marquées en échec au départ. Les agents suivants n'ont le droit de modifier qu'un seul champ, celui qui dit si la fonctionnalité passe.

Les tests comme garde-fou

Les tests font office de contremaître. Chez StrongDM, ce sont les scénarios cachés aux agents. Pour le compilateur, des suites de programmes de test. Dans le harnais d'Anthropic, des tests menés par un navigateur automatisé, comme le ferait un utilisateur.

Anthropic documente les échecs : l'agent déclare victoire trop tôt, laisse un environnement cassé, coche « fait » avant d'avoir fini.

La mémoire tient dans des fichiers

Un agent repart d'une page blanche à chaque session. Les usines compensent par des fichiers : un journal de progression (claude-progress.txt dans l'exemple d'Anthropic), l'historique git, des fichiers de règles lus au démarrage. Dans Claude Code, chaque sous agent a sa propre fenêtre de contexte, son prompt système, ses outils et ses permissions, et ne renvoie qu'un résumé. Le modèle se choisit par agent.

La forme la plus brute reste la boucle « Ralph » de Geoffrey Huntley (juillet 2025) : une boucle Bash qui renvoie sans fin le même fichier d'instructions à un agent de code. Huntley prévient qu'il ne l'utiliserait pas sur une base de code existante.

L'orchestration et son coût

Plus d'agents veut dire plus de jetons. Anthropic mesure, sur son système de recherche, environ 4 fois plus de jetons qu'une conversation pour un agent seul, et environ 15 fois plus pour un système multi agents. Le même article juge ce schéma mal adapté aux tâches à fortes dépendances et à contexte partagé, ce qui inclut la plupart des tâches de code.

Les ordres de grandeur publiés vont de 1 000 dollars par jour et par ingénieur (règle affichée par StrongDM) à environ 100 dollars pour une heure de Gas Town (DoltHub). Les prix des jetons bougent vite.

J'ai détaillé ailleurs la partie gouvernance de ces outillages, ce qu'on appelle le harnais : harness IA et gouvernance.

Ce que disent les mesures

METR : plus lents, puis peut être plus rapides

En juillet 2025, METR publie un essai randomisé. Seize développeurs open source expérimentés traitent 246 tâches réelles sur leurs propres dépôts. Avec l'IA autorisée, ils mettent 19 % de temps en plus. Ils prévoyaient de gagner 24 % et, après coup, pensaient avoir gagné 20 %. METR rappelle les limites : petit échantillon, outils de début 2025.

La mise à jour du 24 février 2026 nuance sans renverser. Pour les développeurs revenus dans l'étude, l'estimation devient un gain de 18 %, avec un intervalle de confiance allant d'un gain de 38 % à une perte de 9 %. Pour les nouveaux, un gain de 4 %, entre un gain de 15 % et une perte de 9 %. METR signale de forts effets de sélection : certains développeurs refusent désormais de travailler sans IA. Il pense que les développeurs sont plus accélérés début 2026 qu'un an plus tôt, mais qualifie ses données de « very weak evidence ». Des indices très faibles.

DORA 2025 : plus de débit, moins de stabilité

Le rapport DORA de septembre 2025, publié par Google Cloud, repose sur près de 5 000 répondants. 90 % utilisent l'IA au travail. Plus de 80 % estiment leur productivité en hausse. 30 % font peu ou pas confiance au code généré.

Pour une usine d'agents, le résultat clé : l'IA est associée à un meilleur débit de livraison, mais toujours à une moindre stabilité. Le rapport l'attribue à un volume de changements qui submerge des contrôles faibles (tests, versionnement, boucles de retour). Il titre une section « AI, the great amplifier » : l'IA amplifie les forces et les faiblesses de l'organisation qui l'utilise.

La sécurité du code généré

Veracode a testé en juillet 2025 plus de 100 modèles sur 80 tâches de complétion de code. Dans 45 % des cas, le code produit contenait une vulnérabilité de la liste OWASP Top 10. Ce sont des tâches construites pour le test, pas du code de production, et le chiffre vient d'un éditeur de solutions de sécurité.

Pour une usine d'agents, un autre risque s'ajoute. Simon Willison décrit en juin 2025 la « lethal trifecta » : un agent qui accède à des données privées, lit du contenu non fiable et peut communiquer vers l'extérieur peut être manipulé pour faire fuir ces données. L'OWASP range l'injection de prompt et l'autonomie excessive parmi les dix risques majeurs. J'ai écrit sur les protections qui tiennent vraiment : sécurité des agents IA.

Faire tourner une entreprise, pas seulement du code

Écrire du code n'est qu'une partie d'une entreprise. Le benchmark TheAgentCompany, mené notamment par Carnegie Mellon, simule une petite entreprise de logiciel avec 175 tâches de bureau. Dans sa version de septembre 2025, le meilleur agent testé en accomplit 30 % de façon autonome. Le chiffre dépend des modèles évalués à cette date.

Anthropic a fait l'essai en vrai avec Project Vend en 2025. Pendant environ un mois, une instance de Claude baptisée Claudius a tenu une petite boutique dans les bureaux de San Francisco. Elle a perdu de l'argent, accordé des remises sous la pression des clients et inventé un compte de paiement. Conclusion d'Anthropic : « we would not hire Claudius », elle ne l'embaucherait pas. Le même texte juge que des « AI middle-managers are plausibly on the horizon ». Des cadres intermédiaires IA paraissent plausibles à terme.

Chez DoltHub, qui a testé Gas Town en janvier 2026, l'orchestrateur a fusionné de lui même, en une session d'environ une heure, une modification dont les tests d'intégration échouaient. Les quatre propositions de modification finales ont été fermées faute de qualité. C'est un seul cas, documenté par celui qui l'a vécu.

Quand l'exécution s'automatise, le travail devient spécifier, arbitrer, vérifier

Toutes ces sources convergent sur un point. Quand l'exécution s'automatise, la valeur se déplace vers trois gestes.

Spécifier. Au niveau 4 de Shapiro, vous écrivez une spécification et vous en débattez. Cognition, l'éditeur de l'agent Devin, reconnaît dans son bilan 2025 que son agent exige des exigences claires et gère mal les changements de périmètre en cours de tâche. Une usine d'agents ne sait pas quoi construire si personne ne le lui dit précisément.

Arbitrer. Le même bilan reconnaît que l'agent ne gère ni les personnes ni les parties prenantes. Choisir entre deux demandes contradictoires, dire non, renégocier un délai : cela reste humain.

Vérifier. Le compilateur ne tient que parce que le vérificateur est presque parfait. StrongDM cache ses scénarios aux agents. DORA montre que la stabilité souffre quand les contrôles sont faibles. Dans l'étude interne d'Anthropic de décembre 2025, la part de la planification et de la conception passe de 1,0 % à 9,9 % des tâches, et un répondant estime que plus de 70 % de son travail consiste désormais à relire et corriger le code produit. Ce sont des chiffres déclarés par des employés d'Anthropic, à lire comme tels.

Ces trois gestes sont le cœur du delivery et de la conduite du changement : cadrer un besoin, tenir un périmètre, organiser la recette, faire accepter une nouvelle façon de travailler. Ce qui change, c'est la vitesse : les défauts de cadrage arrivent aussi vite que le code.

C'est aussi un changement d'organisation à accompagner. Les rôles bougent : le développeur devient relecteur, puis concepteur de l'environnement de travail des agents. Les gains vont, selon DORA, aux organisations qui ont de bons tests, de bonnes plateformes et des équipes alignées, plus qu'aux outils eux mêmes. J'ai développé ce constat dans pourquoi les pilotes d'agents IA échouent.

Les sources que j'ai lues ne parlent presque pas de conduite du changement à propos de ces usines. Ce qui précède est mon analyse, appuyée sur leurs constats.

Ma propre petite usine

Je monte moi même un système de ce type pour ce site et mes projets. Sa structure est simple. Claude Code en est le poste central. Il délègue à des agents spécialisés : un modèle pour rédiger et réfléchir, un autre pour exécuter et relire. Hermes, un agent planifié, m'envoie rappels et tâches sur Telegram. Les règles sont écrites dans un fichier AGENTS.md, que lit tout agent qui intervient, avec des compléments propres à Claude Code dans CLAUDE.md.

La dernière brique est la plus importante : une validation humaine systématique. Rien ne part en production sans une préversion que je regarde, puis un « ok » explicite de ma part. Je suis donc volontairement au niveau 3 ou 4 de Shapiro, pas au niveau 5. Pour la distinction entre improvisation assistée et pratique encadrée, voir vibe coding et ingénierie agentique.

Sources :

Pour aller plus loin

Questions fréquentes

Qu'est-ce qu'une software factory en 2026 ?

C'est une chaîne de plusieurs agents IA qui reçoit une spécification et produit du logiciel testé : des agents planifient, d'autres codent, d'autres relisent. Dans la « dark factory » de Dan Shapiro, aucun humain n'écrit ni ne relit le code. Le mot désignait depuis 1991 une organisation industrielle du développement.

Une personne seule peut-elle faire tourner une entreprise avec des agents IA ?

Des solopreneurs comme Pieter Levels déclarent des revenus importants en travaillant seuls, chiffres non audités. Les essais publiés montrent les limites : dans Project Vend, l'agent qui tenait une boutique a perdu de l'argent, et dans TheAgentCompany le meilleur agent accomplissait 30 % des tâches de bureau. Au 31 octobre 2026, je n'ai trouvé aucune entreprise d'une personne valant un milliard de dollars.

Combien coûte une usine d'agents ?

Les chiffres publiés vont d'environ 100 dollars pour une heure d'orchestration (DoltHub sur Gas Town) à un peu moins de 20 000 dollars pour le compilateur C d'Anthropic. StrongDM affiche une cible de 1 000 dollars de jetons par jour et par ingénieur. Un système multi agents consomme, selon Anthropic, environ 15 fois plus de jetons qu'une conversation.

Les agents IA rendent-ils les développeurs plus rapides ?

Les mesures ne sont pas tranchées. METR a mesuré 19 % de temps en plus avec l'IA début 2025, puis des estimations de gain début 2026 qu'il qualifie lui même d'indices très faibles. DORA 2025 associe l'IA à plus de débit mais à moins de stabilité.

Que reste-t-il à l'humain dans une software factory ?

Spécifier ce qu'il faut construire, arbitrer entre les demandes et vérifier le résultat. L'usine ne vaut que par sa spécification et ses tests : c'est un travail de chef de projet.

Morgan Dutemple

À propos de l'auteur

Morgan Dutemple

Delivery Manager à Rennes. Je pilote des projets de transformation digitale, SEO/GEO et accessibilité RGAA pour des clients grands comptes. Ce blog est le reflet de ce que je rencontre sur le terrain.