Amazon surveille de près l'utilisation de l'intelligence artificielle par ses ingénieurs et son impact sur la productivité. Une documentation interne, dont la lecture a été autorisée, révèle que la division « Stores », le cœur du commerce de détail, analyse en détail l'adoption de ces outils. Des équipes dédiées suivent le nombre d'ingénieurs utilisant l'IA chaque mois, la fréquence d'intégration dans les flux de travail quotidiens et la qualité des résultats obtenus. L'objectif est ambitieux : sur les plus de 2 100 équipes d'ingénierie de cette division, certaines doivent tripler la vitesse de mise en production du code, tandis que 25 équipes ciblées visent une augmentation de la productivité par dix. Le groupe de direction supérieure, le S-Team, suit ces indicateurs de très près. Cette stratégie vise à transformer les pratiques d'ingénierie en méthodes « natives » à l'IA, où les outils de codage génératif deviennent essentiels. Le PDG Andy Jassy a récemment exhorté les employés à adopter l'IA sous peine de perdre leur poste, la considérant comme tout autre investissement d'automatisation. Cependant, cette impulsion a créé des tensions internes. Certains ingénieurs critiquent les mandats imposés d'en haut et s'inquiètent de la duplication des efforts ou de la complexité des outils. Le document reconnaît le risque du « paradoxe de Goodhart », selon lequel une mesure devient ciblée et cesse d'être efficace. Pour éviter cela, Amazon ne se contente pas de mesurer l'accès aux outils, mais aussi l'usage réel et la satisfaction des employés. Les chiffres montrent une adoption croissante. Fin février, environ 60 % des équipes d'ingénierie avaient déjà adopté des pratiques natives à l'IA, avec l'objectif de toucher 80 %. Des outils internes comme AI Teammate, Pippin ou Kiro sont de plus en plus utilisés. AI Teammate, par exemple, s'intègre directement à Slack pour automatiser des tâches basées sur l'analyse des communications et des tickets. Face aux résistances, Amazon a ajusté sa posture. La direction a privilégié des pratiques collaboratives plutôt que l'obligation d'utiliser des outils spécifiques, et prévoit de remplacer les rapports manuels par des métriques automatiques. Un objectif central est de réduire la friction et de favoriser l'expérimentation. L'entreprise a également défini six principes directeurs pour l'ingénierie native à l'IA. Le premier, « livraison d'abord, coût second », priorise les solutions fonctionnelles sur l'optimisation budgétaire immédiate. Le principe « l'IA native n'est pas exclusive » rappelle que la meilleure solution n'est pas toujours l'IA, selon le problème à résoudre. Amazon adopte une approche pragmatique, privilégiant la simplicité et la traçabilité, évitant de se précipiter sur les technologies les plus récentes si leur intérêt n'est pas clair. Finalement, tous les systèmes déployés doivent être compréhensibles et auditable, refusant les solutions de type « boîte noire ». Bien que l'approche reste flexible, l'intention est claire : intégrer l'IA au flux de travail quotidien plutôt que de l'utiliser ponctuellement. Les managers sont invités à fournir des directives claires et un accès facile aux outils, tandis que les ingénieurs sont encouragés à identifier les tâches manuelles qui pourraient être accélérées par l'IA. Cette stratégie vise à maximiser l'invention au service des clients tout en maintenant une culture d'entreprise adaptative et transparente.