KPMG : comment un ingénieur utilise l'IA chez ses clients
Chez KPMG, Justin Johnsen exerce depuis un an le rôle d'architecte technique principal et d'ingénieur déployé sur site. Cette fonction, qui sert d'intermédiaire stratégique entre la technologie et les opérations métier, le place directement au contact des clients pour piloter un projet de la définition du besoin jusqu'à la mise en production. Six ans après son arrivée au cabinet en tant qu'ingénieur logiciel, il constate que l'intelligence artificielle a profondément modifié les processus de développement et d'intégration. L'efficacité des modèles d'IA repose désormais sur la richesse du contexte fourni. Le cœur du métier consiste à collecter les données pertinentes, à clarifier les objectifs et à structurer les sorties générées par l'IA pour les intégrer dans les applications et les livrables. Cette approche a inversé la dynamique traditionnelle du développement. Là où la rédaction manuelle du code constituait autrefois le principal frein, la phase de constitution du contexte et de précision de l'intention est devenue l'étape critique. Cette mutation permet aux ingénieurs d'augmenter leur productivité et de superviser plusieurs projets simultanément en maintenant une cohérence technique solide. Des cas clients attestent de cette nouvelle efficacité. Lors de la convergence d'un parc applicatif complexe, plusieurs mois d'analyse des besoins ont précédé une livraison opérationnelle en environ un mois, grâce à l'assistance de l'IA. Le client, impressionné par la rapidité et la transparence du processus, a sollicité une montée en compétence de ses équipes sur les bonnes pratiques d'interaction avec l'IA. Parallèlement, une solution d'évaluation des risques commerciaux a été déployée en consolidant des indicateurs disparates issus de systèmes anciens et cloud. L'IA a ensuite analysé ces signaux pour produire un score de risque, exploité par des équipes d'audit. Ces réalisations illustrent une évolution sectorielle majeure : le développement logiciel migre vers les couches d'intégration et de gouvernance des données, où il s'agit de donner à l'IA les moyens de raisonner et de transformer des informations brutes en outils décisionnels. Le déploiement physique sur les sites clients renforce considérablement l'impact de ces méthodes. La présence sur place favorise les échanges spontanés, la lecture des dynamiques de groupe et l'ajustement itératif des solutions, là où les échanges distants risquent de créer des quiproquos. Contrairement aux modèles classiques d'intégration qui fonctionnent souvent en silos avec une remise finale en l'état, l'ingénieur déployé assure un transfert de connaissances continu. Il forme les équipes clientes au fil de l'eau, fournit une documentation opérationnelle et garantit une adoption réelle, évitant les dérives fréquentes des projets mal alignés. En automatisant les tâches techniques répétitives, l'IA redéfinit la place de l'ingénieur dans l'écosystème projet. Ce dernier consacre davantage de temps à la modélisation des problèmes, à l'arbitrage stratégique et à la coordination inter services. Dans cette configuration, l'outil numérique n'annule pas le savoir-faire humain ; il le valorise en délégant l'exécution standardisée au profit de la contextualisation, de l'analyse critique et de la relation de confiance avec le client.
