Livrer plus souvent
Les agents IA prennent en charge une partie du développement, de la préparation des tickets aux corrections.
+48 %de mises en production par sprintEurosport / WBD →Chacun de vos talents, multiplié.
Nous créons des agents IA pour vos équipes produit et tech et les intégrons à vos méthodes. Coordonnés entre eux, nos agents préparent, relisent, testent : vos équipes livrent plus vite, avec plus de fiabilité.
Ils travaillent avec nous
- Believe
- Eurosport
- Chargemap
- Memorizer
- Ecov
Gains
Ce que votre entreprise y gagne.
Renforcer la qualité
Nos agents relisent et testent chaque changement, même quand le rythme augmente. Vos développeurs se concentrent sur les points que la revue leur signale.
7 sur 10demandes de modification de code passées par l’agent sont acceptéesBelieve →Piloter avec une vue d’ensemble
Vous voyez ce qui avance, ce qui bloque, ce qui est confié aux agents et ce qui reste à vos équipes.
voir le tableau de bordBelieveMaîtriser le coût de l’IA
Le coût de chaque exécution d’agent est suivi et rattaché à l’équipe, au dépôt et à la pull request. Vous savez ce que vous dépensez, usage par usage, et ajustez ceux qui coûtent sans rapporter.
−73 %de coût moyen par revue de code automatisée, en trois semainesBelieve →Intégration
Un agent à chaque étape, du besoin à la production.
Pour chaque étape, nous créons un agent adapté à vos règles et à vos outils. Vous commencez par une étape, plusieurs ou tout le parcours ; quand il y a plusieurs agents, ils sont coordonnés entre eux et vos équipes valident ce qu’ils produisent.
Un agent interroge le PO, puis découpe l’idée en tickets prêts à développer.
À partir d’un ticket, nos agents écrivent du code prêt à relire.
Chaque modification de code est relue par un agent qui connaît le projet.
Scénarios préparés, exécutés et analysés par les agents.
Si la chaîne de tests échoue, un agent la répare ; chaque erreur de production devient un ticket.
Cadrer
D’une idée à des tickets prêts à développer.
Nous aidons les PO et les PM à transformer une idée en spécification. Un agent les interroge pour leur faire trancher les décisions métier, à partir des documents du projet et du code, puis découpe la spécification en tickets prêts à développer, avec leurs critères d’acceptation.
Méthode
Tout part de votre façon de travailler. Nos agents IA s’y ajoutent.
Comprendre vos usages
Nous observons vos outils, vos rituels et vos points de friction. Chaque proposition part de ce que nous avons vu chez vous. Nous ne proposons de l’IA que là où elle apporte quelque chose, y compris là où vous ne l’attendiez pas.
Livrable · une feuille de route priorisée par effort et par impact.
- Audit des usagesprocessus, outils et données de vos équipes
- Cas d’usage chiffréschacun estimé avant d’être proposé
- Conformité cadréeRGPD, sécurité et AI Act, dès le départ
Chez Chargemap · audit sur place, plan d’action priorisé
Construire vos agents IA
Chaque agent est conçu pour votre équipe, du prototype à la production. Il s’appuie sur vos outils, vos documents et vos règles.
Livrable · des agents en production, pour vos équipes ou dans vos produits.
- Agents reliés entre euxde la demande au code prêt à relire, étape par étape
- Marketplace par rôledes agents prêts à l’emploi pour les développeurs, les PO et les SRE
- Gros chantiersmigration ou refonte, menées avec des agents IA
- IA dans vos produitsassistants et recherche dans vos données
Chez Believe · agents coordonnés en production
Accompagner vos équipes
D’une personne à toute l’organisation. Nous accompagnons vos équipes sur leurs projets, partageons les conventions et les agents, puis formons des relais dans chaque métier.
Livrable · une grille de maturité partagée avec vos équipes.
- Une personnetravailler ses usages sur ses tâches réelles, fournir le contexte et vérifier les résultats
- Une équipepartager les conventions et les agents, fiabiliser les usages au quotidien
- Plusieurs équipesrelier les équipes qui travaillent ensemble, de la tech aux métiers, autour d’une méthode commune
- Une organisationformer des relais dans chaque métier, pour que vos équipes avancent seules après notre départ
Chez Believe · grille de maturité commune
Mesurer les gains
Chaque mission démarre avec un indicateur cible, choisi avec vous, puis suivi avec vos responsables, pendant la mission et après.
Livrable · un tableau de bord partagé, présentable à votre direction.
- Adoption suiviel’usage des agents mesuré dans le temps
- Évaluation continueles agents testés sur des jeux de référence
Chez Eurosport / WBD · livraisons suivies par sprint
Partenaires
Ce que nous avons réalisé chez eux. Et ce que nous mesurons.
Une organisation d’environ 200 développeurs, plus de 260 dépôts et 34 squads.
Revue de code
4 700
revues automatiques en 30 jours, sur plus de 260 dépôts
Adoption
100+
développeurs actifs sur Claude Code, mesurés à chaque fin de session
Activité
5 400
exécutions d’agents orchestrées sur le mois
Résultat
7 sur 10
pull requests passées par l’agent sont acceptées
Délai
≈ 4 h
médiane avant acceptation, reprises et rejets suivis
Qualité, fiabilité et coûts
Suivis
jeux de référence en CI, échecs regroupés par cause, coût par exécution
Ce que nous avons mis en place
- Un orchestrateur de revue : il trie chaque pull request, la relit en entier ou seulement ce qui a changé, et se met en pause de lui-même après des échecs répétés. Un humain accepte toujours le code.
- Le suivi du coût de chaque exécution d’agent, rattaché à l’équipe, au dépôt et à la pull request concernés, et rapproché de la facture cloud. Après l’ajout d’un tri préalable et un changement de modèle, le coût moyen d’une revue a baissé de 73 % (du 24 septembre au 13 octobre 2026, comparé au 1er au 22 septembre, sur 6 697 revues).
- Un suivi hebdomadaire de la dépense : il a montré qu’une tâche automatique pesait lourd sur la semaine, et son déclenchement a été restreint dans les jours qui ont suivi.
- Du mentorat individuel sur une grille de maturité, des conventions par dépôt et un catalogue de plugins par rôle.
- Un POC du cadrage aux tickets, en cours de déploiement auprès d’une première équipe produit.
Chiffres Believe sur 30 jours, au 6 octobre 2026.
Comparé au premier semestre 2025. Les livraisons sont suivies avec l’équipe à chaque sprint.
Mises en production
+48 %
par sprint
À périmètre constant
+25 %
de mises en production par sprint
Pull requests
+44 %
par contributeur actif
Ce que nous avons mis en place
- Depuis juin, presque toutes les pull requests du lead dev sont ouvertes par un agent, puis revues et acceptées par un humain.
- Des agents qui analysent les erreurs de production et ouvrent des tickets selon les règles de l’équipe.
- Le chatbot d’Eurosport pour Roland-Garros et l’US Open : 10 intents et 19 sub-intents, sur un RAG de près de 145 000 vidéos et programmes, vectorisés en temps réel à chaque publication.
Notre premier site entièrement généré par l’IA, piloté par un seul développeur.
Livraison
68
pull requests en trois semaines
Tests unitaires
1 000+
exécutés à chaque changement
Bout en bout
157
parcours testés
Ce que nous avons mis en place
- Des agents qui traitent les tickets par vagues, chacun dans un espace isolé.
- Un agent qui relit chaque pull request sur cinq critères : le code, l’architecture, les critères du ticket, la fusion (tous les tests relancés sur la branche à jour) et le rendu à l’écran, comparé à la maquette.
Un audit sur place avec les équipes, puis un orchestrateur de revue de code et une documentation des microservices tenue à jour automatiquement.
Délai de fusion
−37 %
entre l’ouverture et la fusion d’une pull request
Livraison
+39 %
de pull requests fusionnées par semaine
Revue de code
~2 500
revues par semaine, sur 500 dépôts
Ce que nous avons mis en place
- Un audit de deux jours sur place : 8 ateliers avec les équipes et un plan d’action priorisé en 6 axes.
- Un orchestrateur de revue de code, en production cinq jours plus tard et toujours en service : chaque revue tourne dans un conteneur isolé.
- Une documentation d’environ 200 microservices maintenue automatiquement : dépendances, événements et routes relus dans le code, et découverte automatique des nouveaux services.
Un orchestrateur qui traite chaque ticket de bout en bout, tests compris.
Livraison
×4
pull requests fusionnées par le même développeur, avec l’orchestrateur
Pull requests
604
ouvertes par l’orchestrateur et fusionnées en neuf mois
Pic mensuel
223
pull requests de l’orchestrateur fusionnées en mars 2026
Ce que nous avons mis en place
- Un orchestrateur qui part du ticket : un plan d’implémentation validé par un agent d’architecture, puis le code, les tests et la pull request.
- Des agents qui relisent la pull request, corrigent la CI et relancent les tests de recette jusqu’à ce que tout passe. Un humain valide la fusion.
- Des tickets créés automatiquement à partir des erreurs de production ou d’une demande sur Slack.
- Des plugins Claude Code propres à l’équipe : l’architecture du produit, ses conventions et le suivi des coûts d’hébergement.
Chiffres GitHub de l’API, du web et des services, de janvier à septembre 2026 comparés à la même période de 2025. Les pull requests de l’orchestrateur ne sont pas plus petites : 173 lignes modifiées en médiane, contre 42.
Conseil sur les usages de l’IA. L’orchestrateur est en préparation.
Ce que nous avons mis en place
- Une marketplace de skills Claude Code, lancée en mars 2026 : revue de code, analyse des tickets Jira, commit et pull request, CLAUDE.md de chaque projet.
- Reprise depuis par l’équipe d’Ecov : 43 skills aujourd’hui, dont ses décisions d’architecture.
- L’équipe y a ajouté la mesure de l’usage à chaque fin de session (temps, tokens, outils), sans transmettre ni code ni prompt.
Sécurité et conformité
L’IA agit dans les limites que vous fixez.
Nous cadrons avec votre responsable sécurité / RSSI et vos équipes techniques les données accessibles aux modèles, leurs droits d’action et les validations requises.
Nous cadrons avec vous les exigences de :RGPDISO 27001NIS2DORAHDSAI Act
Données et hébergementLes modèles et leur hébergement sont choisis avec vous, selon vos contrats et votre cloud.
Accès et actionsLecture seule par défaut. Chaque agent reçoit les droits de sa tâche, rien de plus. Un agent de revue applique les règles déjà validées du projet.
Validations humainesL’acceptation du code et la mise en production restent humaines.
Exécutions isolées et tracéesUn espace isolé par tâche, des tentatives limitées et un arrêt automatique après plusieurs échecs. Chaque exécution est conservée.
Données
Lecture du dépôt et de la documentationapi/, docs/, conventions/
Données de productionaucun accès
Actions
Commenter une pull request
Pousser sur une branche de travail
Approuver la pull requestn’accepte jamais le code seul
Signal seulementAccepter le code dans la branche principalerègle de l’équipe
Validation leadDéployer en production
Validation humaine14:02 commentaire · invoice.ts:5 · conventions/api.md §4
14:03 approbation posée · un signal, l’acceptation reste au lead
Votre cas
Où agir en premier dans vos équipes ?
Que vous débutiez avec l’IA ou que vous l’utilisiez déjà, cinq questions suffisent pour vous proposer une piste.
Les pistes que nous proposons le plus souvent
- Un agent de revue de code qui connaît votre projet : chaque pull request analysée avec votre documentation et vos conventions.
- Un assistant qui prépare des tickets complets : du besoin du PO ou du PM à une spécification claire, découpée en tickets.
- Des agents coordonnés qui enchaînent l’analyse, le code et les tests, jusqu’au code prêt à relire.
- Des agents qui transforment les erreurs de production en tickets, selon les règles définies avec vos responsables techniques.
- Un appui IA sur votre gros chantier : migration, refonte, montée de version.
- Un assistant qui retrouve l’information dans vos documents, avec ses sources.
- Une méthode commune pour toute l’équipe : conventions partagées, agents par rôle, formation sur vos projets.
- Un déploiement par étapes, du pilote à l’échelle, avec des relais internes.
- Un tableau de bord qui montre les gains : un indicateur cible et l’adoption suivie dans le temps.
- Un audit court pour trouver vos premiers usages.
Nous ne proposons ici que ce que nous avons déjà livré, sans chiffre ni prix inventé. Votre cas part par e-mail, depuis votre messagerie : rien n’est enregistré sur ce site (confidentialité).
Questions fréquentes.
Pourquoi passer par Astute plutôt que de le faire en interne ?
Parce que nous l’avons déjà fait ailleurs. Nous avons mis en place ces agents chez d’autres clients : nous savons ce qui marche et ce qui ne marche pas, et vos équipes s’épargnent les essais que nous avons déjà faits. Un regard extérieur aide aussi à faire évoluer les habitudes. Nous travaillons avec vos équipes au quotidien, et formons des relais pour qu’elles avancent seules après notre départ.
Quelle est la méthode d’intervention ?
Nous commençons par quelques jours d’immersion dans vos équipes : vos outils, vos rituels, vos données et vos points de friction. Chaque cas d’usage est estimé avant d’être proposé, et nous choisissons avec vous l’indicateur qui mesurera le gain. Vous repartez avec une feuille de route priorisée par effort et par impact. La durée et le coût dépendent de la taille de vos équipes et de votre contexte : nous les fixons avec vous avant de commencer. Nous démarrons souvent par une équipe pilote.
Qui possède les agents IA que vous construisez ?
Nous ne vendons pas de logiciel : ni SaaS, ni abonnement. Les agents sont construits pour vos équipes, dans vos outils et avec vos règles, et nous formons vos équipes à les faire évoluer. Ce qui vous revient à la fin de la mission se décide avec vous, avant de commencer.
Quels modèles utilisez-vous ?
Nous ne dépendons d’aucun éditeur : Claude, Gemini ou un autre modèle, le choix se fait avec vous, selon vos contrats et votre cloud. Pour écrire et relire du code, nous recommandons aujourd’hui Claude, d’Anthropic, celui que nous utilisons le plus. Notre conseil : mieux vaut bien maîtriser un modèle que d’en comparer dix.
Où sont hébergés les modèles et les données ?
Dans le cadre que vous fixez. Les modèles et leur hébergement sont choisis avec vous, selon vos contrats et votre cloud, et votre RSSI décide des données auxquelles les agents ont accès. Par défaut, un agent n’a que la lecture, et seulement les droits de sa tâche. Chaque exécution est tracée et conservée.