Asana a supprimé son système de test obsolète en deux semaines pour 12 000 dollars de consommation API. Le plan initial prévoyait cinq ans de travail et six millions de dollars en recrutements. Ce résultat chiffré force donc les DSI et les directions financières à revoir leur calcul du ROI de l’IA dans le développement informatique. Les projets de nettoyage qu’on reportait d’année en année deviennent soudain des opérations commando faisables sur un trimestre.
L’éditeur Asana vient de publier le bilan de la modernisation de sa pile logicielle. Celle-ci est achevée grâce aux agents intelligents conçus par OpenAI. La suppression de l’outil Enzyme bloquait les mises à jour de l’entreprise depuis des mois. L’opération a demandé une semaine et demi de travail d’ingénierie effectif. Les directions des systèmes d’information doivent observer ce cas de près. Car la méthodologie change les arbitrages budgétaires classiques et questionne le recours aux prestataires externes (ESN). L’écart entre les modèles traditionnels de planification et ces méthodes automatisées modifie totalement la gestion de la dette technique.
Un chantier de cinq ans expédié en deux semaines grâce à OpenAI Codex
L’ancien système de test Enzyme n’était plus maintenu par sa communauté et paralysait l’évolution du code frontend chez Asana. Les estimations internes s’attendaient à un chantier de cinq ans et un budget de six millions de dollars pour purger manuellement cette dette. Mais l’équipe technique a refusé cette impasse financière. Et ils ont choisi d’employer OpenAI Codex pour exécuter la tâche. Les ingénieurs ont rédigé un unique jeu d’instructions de cinq phrases. Ce simple texte a suffi pour piloter l’ensemble de l’opération.
L’exécution a mobilisé jusqu’à quatre agents de codage qui travaillaient simultanément sur des copies isolées du dépôt de code. Un ingénieur humain contrôlait l’avancement deux fois par jour. Celui-ci validait également les modifications proposées par la machine. Des instructions simples et directes ont donc produit de bien meilleurs résultats qu’une architecture d’agents complexe.
With Codex, @asana finished a frontend test migration from Enzyme to React Testing Library in two calendar weeks—a project expected to take five more years.https://t.co/WcTLX1JZ6v
— OpenAI Developers (@OpenAIDevs) August 19, 2026
Selon l’étude de cas d’OpenAI, l’outil Enzyme a disparu de la base de code après une semaine et demi d’ingénierie répartie sur deux semaines calendaires. Le succès de cette intervention valide la capacité des agents autonomes à traiter des réécritures sans bloquer le quotidien des équipes. Ce type de processus permet d’évaluer concrètement le ROI de l’IA dans le développement sur des tâches répétitives. Ceux qui étaient considérées jadis comme des gouffres financiers.
Décrypter le ROI de l’IA dans le développement face aux vrais coûts salariaux
Le budget d’Asana prévoyait à l’origine six millions de dollars pour embaucher les profils nécessaires à cette migration. L’utilisation des modèles de langage a fait chuter la dépense directe d’infrastructures et de jetons API à environ 12 000 dollars. L’analyse chiffrée d’Emergent confirme cette dynamique. Ce ratio affiche alors un ROI de l’IA pour le développement exceptionnel au premier regard. Car il divise les coûts de traitement par près de cinq cents.
Asana says OpenAI Codex completed an engineering migration it had expected to take at least five years in about two weeks, for roughly $12,000 in model and infrastructure costs.
— Wes Roth (@WesRoth) August 19, 2026
The project: removing Enzyme, an outdated testing system that had become a blocker to upgrading… pic.twitter.com/8A6h73EdQj
Toutefois, une lecture stricte des chiffres impose de nuancer ce triomphe comptable. La somme de 12 000 dollars ne couvre que la consommation informatique brute. Elle occulte totalement la rémunération des ingénieurs seniors appelés pour encadrer le processus. Ces experts perçoivent des salaires annuels souvent compris entre 150 000 et 250 000 dollars. Leur temps passé à concevoir le prompt initial et à relire le code généré conserve une valeur économique très forte.
Par ailleurs, une étude publiée par DX rappelle que les coûts cachés liés à la supervision humaine grèvent le bilan des déploiements. Pour obtenir un ROI de l’IA dans le développement réellement juste, les décideurs doivent donc additionner le temps d’audit humain au prix des requêtes API.
Ce que ce cas pratique change pour l’avenir des projets SI
Ce précédent modifie la perception des projets informatiques à rallonge. La direction technique d’Asana veut désormais étendre cette méthode à d’autres projets d’ingénierie. Elle cible en particulier les enjeux de performance et la réécriture de sous-systèmes logiciels. Le rôle des développeurs glisse inévitablement de la saisie manuelle de lignes de code vers l’architecture de solutions et la vérification des résultats finaux. Ils se recentrent ainsi sur leur savoir-faire fondamental.
La diffusion de ces outils s’accélère dans le paysage technologique. Le marché bénéficie d’une disponibilité accrue des modèles avancés sur de multiples infrastructures cloud. Notamment depuis la fin de l’exclusivité Microsoft et l’arrivée de la gamme GPT sur AWS.
Néanmoins, les organisations doivent maintenir un contrôle drastique sur la production automatisée. L’apparition récente de comportements inhabituels des agents lors de missions complexes prouve la nécessité d’un garde-fou strict. La rentabilité globale des chantiers informatiques dépendra de la rigueur des procédures de relecture et de la compétence des superviseurs.
Purger des années de vieux code ne réclame plus des armées de consultants pendant cinq ans. Mais l’addition de 12 000 dollars reste trompeuse si l’on oublie la facture salariale des ingénieurs d’élite, mobilisés pour relire chaque ligne produite par les bots. La vraie épreuve démarre maintenant. Asana applique la même méthode à la réécriture de ses bases de données internes avant la fin du trimestre.
- Partager l'article :
