Sommaire

Sur LinkedIn, tout le monde est "10x". Dans la vraie vie, le gain est réel mais mesurable — à condition de ne pas tricher avec soi-même. Voici une méthode rigoureuse à appliquer.

Les métriques qui ne veulent rien dire

  • Lignes de code/jour : un LLM en produit des tonnes de mauvaises.
  • Commits/jour : trivial à gonfler.
  • Features livrées : trop dépendant du périmètre.

Les métriques qui comptent

1. Temps story → prod

Pour chaque story livrée, temps entre "début de travail" et "merge en prod". Moyenné sur 20+ stories pour lisser le bruit. Facile à suivre via Linear/Jira timestamps.

2. Bugs remontés dans les 7 jours post-déploiement

La vraie qualité se voit en prod. Si la vitesse monte mais les bugs doublent, vous n'êtes pas plus productif, vous avez transféré du coût.

3. Temps de première contribution sur un repo inconnu

C'est un excellent proxy d'efficacité. Avec l'IA, appréhender un monorepo inconnu et livrer une première PR utile se fait souvent beaucoup plus rapidement qu'en explorant la base de code à la main.

4. Coût en $ par story

Additionnez abonnements IA + tokens consommés + heures passées × tarif. Divisé par nombre de stories. Comparez avant/après adoption IA.

Ce que l'on observe en pratique

  • Temps story → prod : réduction nette du cycle de développement.
  • Bugs post-déploiement : stabilité indispensable (pas de dégradation de la qualité).
  • Temps première PR repo inconnu : accélération majeure de la prise en main.
  • Coût par story : baisse globale malgré le coût des outils et abonnements.

On constate souvent un gain net réel d'environ 2x, loin du mythe du 10x. Mais un doublement de productivité avec une qualité maintenue, c'est déjà énorme.

Les biais qui font croire au 10x

  • Biais de sélection : on se souvient des tâches où l'IA a brillé, pas de celles où on a pataugé.
  • Biais de scope : avec l'IA on prend des tâches plus simples, qu'on aurait reportées avant.
  • Biais de qualité latente : la dette technique prend 6 mois à se voir.

Méthodologie simple à mettre en place

  1. Tenez un log des stories livrées, avec durée + tags IA utilisés.
  2. Analysez toutes les 2 semaines.
  3. Gardez une "control group" interne : quelques stories volontairement codées sans IA, pour calibrer.

Sans mesure, on se raconte des histoires. Avec mesure, on optimise. Besoin de mesurer la productivité de votre équipe ?

Tags #ia #productivite #mesure #freelance