Software Crew AI
Du flou à la User Story en un dialogue
L'IA qui structure vos besoins en spécifications prêtes à être développées
Elodie TURLIER
ALYRA - Session Douglas-Adams - Décembre 2025
Certification RS5487 - Gérer un projet en mobilisant
les méthodes agiles
Le cadrage : un goulot d'étranglement
"Lundi matin, sprint planning.
Le PO présente un ticket : 'Ajouter l'authentification sur l'application'.
Un des dev demande : 'OAuth ? JWT ? Session ? SSO ? Gestion des rôles ?'
Silence. Le ticket repartira en backlog."
Le PO présente un ticket : 'Ajouter l'authentification sur l'application'.
Un des dev demande : 'OAuth ? JWT ? Session ? SSO ? Gestion des rôles ?'
Silence. Le ticket repartira en backlog."
25 milliards d’heures/an
perdues à cause d’une collaboration inefficace.
69 %
des développeurs perdent au moins 8 h/semaine à reformuler ou interpréter les specs.
47 %
des professionnels jugent la rédaction de spécifications comme l’étape la plus frustrante.
50 %
du coût d’un projet peut être absorbé par du rework lié à des besoins mal définis.
lightbulb
Le cadrage flou coûte cher en temps, en qualité et
crée des frictions au sein de l'équipe.
Software Crew AI - La Solution
Besoin flou
(texte, doc)
Dialogue IA
(clarifications)
User Story structurée
(INVEST + Gherkin)
timer
Cadrage guidé
Questions ciblées
handshake
Médiateur
Produit ↔ Tech
menu_book
RAG
Contexte projet
check_circle
Standards
INVEST, Gherkin
lightbulb
Un dialogue structuré remplace des heures de
réunions
Analyse des Parties Prenantes
Comprendre les utilisateurs pour concevoir la bonne solution
| Persona | Problème actuel | Valeur apportée | Adoption |
|---|---|---|---|
| Product Owner | Temps de cadrage long, reformulations multiples | User Stories structurées rapidement | Utilisateur principal |
| Développeur | Specs floues, questions récurrentes | Critères d'acceptation clairs | Bénéficiaire indirect |
| Scrum Master | Sprints perturbés par le rework | Vélocité stabilisée | Sponsor potentiel |
| Client / Métier | Incompréhension du livrable final | Validation en amont | À convaincre |
check_circle Quick wins
- PO : gain de temps immédiat
- Dev : moins d'allers-retours
warning Points d'attention
- Ne pas by-passer la validation métier
- Former les PO à l'outil
lightbulb
Un outil n'a de valeur que s'il répond aux vrais
problèmes des utilisateurs
Objectifs du projet
Objectifs SMART
| Objectif | Indicateur de succès |
|---|---|
| O1. Valider la faisabilité technique | POC fonctionnel démontrable |
| O2. Comparer 2 approches IA | Rapport comparatif documenté |
| O3. Générer des US conformes INVEST | 80% US valides en sortie |
| O4. Livrer en 5 semaines | Démo finale le 14/12 |
Périmètre (In/Out)
✓ Dans le périmètre
- Spécifications fonctionnelles
- POC Prompt Engineering + RAG
- POC Fine-tuning ML
- Interface conversationnelle
- Documentation projet
✗ Hors périmètre
- Intégration Jira / Git
- Spécifications techniques
- Déploiement production
- Multi-tenancy
Le défi technique : 2 approches à explorer
Approche A - Fine-tuning ML
model_training
Entraîner un modèle dédié
Spécialisé génération User Stories
- Dataset annoté nécessaire (500+ exemples)
- Expertise ML requise
- Temps d'entraînement + itérations
Approche B - Prompt + RAG
psychology
Orchestrer un LLM existant
Prompt Engineering + Retrieval
- Démarrage immédiat (0 données)
- Itération rapide sur prompts
- Contextualisation via RAG
help_outline
Objectif O2 : comparer ces 2 approches pour choisir la plus adaptée
Diagnostic complet du projet
| Dimension | Paramètres identifiés | Impact projet |
|---|---|---|
| Humain | 4 personnes temps partiel, équipe distribuée (France), formation en parallèle | Disponibilité variable, async privilégié |
| Temporel | 5 semaines (10/11 → 14/12), créneaux différents | Délai court, planning serré |
| Technique | 2 approches IA à tester (ML vs Prompt/RAG), stack à définir, montée compétence | Incertitude technique élevée |
| Financier | Budget : 0€ (projet formation) | Contrainte coût → solutions gratuites/freemium/open-source |
| Matériel | Laptops personnels, GitHub gratuit, Notion gratuit, Discord gratuit, VS Code | Pas de serveur dédié → cloud gratuit |
Forces
Équipe motivée, compétences complémentaires (dev, data, PM), vision produit claire
Contraintes
Charge variable, synchronisation complexe, budget nul, montée en compétence
Risques
Surcharge individuelle, blocage technique, non-livraison
Pertinence de l'approche Agile
| Caractéristique projet | Besoin identifié | Réponse Agile |
|---|---|---|
| help_outlineIncertitude technique (2 POC) | Expérimentation, droit à l'erreur | ✓ Itérations courtes, feedback rapide |
| scheduleÉquipe temps partiel variable | Flexibilité, pas d'engagement fixe | ✓ Pas de sprints timeboxés |
| scienceBesoin de pivoter | Adaptation sans friction | ✓ Changement de priorité facilité |
| publicÉquipe distribuée | Communication transparente | ✓ Rituels et artefacts partagés |
| savingsBudget nul | Maximiser la valeur livrée | ✓ Focus sur l'essentiel (MoSCoW) |
check_circle
L'Agile est pertinent : adaptation rapide + gestion de l'incertitude + transparence → essentiel pour un POC exploratoire
État de l'art des méthodes Agiles
| Méthode | Principe clé | Prérequis | Notre contexte |
|---|---|---|---|
| Scrum | Itérations courtes, rôles définis, événements réguliers, amélioration continue | Équipe stable, disponible, synchronisation forte, engagement sur des Sprints complets | ✗ Peu adapté : difficile à synchroniser, trop structurant, peu de cycles |
| Kanban | Visualisation du flux, limitation du WIP, amélioration continue | Volonté de visualiser le travail, discipline sur le flux, outil partagé | ✓ Idéal : flexible, asynchrone possible, simple à mettre en place |
| Lean | Élimination du gaspillage, focus sur la valeur, amélioration continue | Culture d’amélioration, implication de tous, vision globale | ~ Source d’inspiration : utile pour l’état d’esprit, pas un cadre concret |
| Crystal | Adaptation à la taille/criticité, communication, simplicité | Maturité d’équipe, adaptation au contexte, communication fréquente | ✗ Peu de valeur ajoutée : surdimensionné pour un POC court |
Pourquoi pas Scrum ?
Scrum est trop structurant et exigeant pour une petite équipe, à temps partiel, dispersée, sur un projet très court.
Dans ce contexte, on risque de passer plus de temps à "faire du Scrum" qu’à avancer sur ton POC.
Pourquoi Kanban ?
Adéquation diagnostic → Kanban
| Contrainte diagnostic | Réponse Kanban |
|---|---|
| Charge variable (2-10h/sem) | ✓ Flux continu |
| Pas de PO/SM dédiés | ✓ Aucun rôle imposé |
| Besoin de pivoter (POC) | ✓ Changement sans friction |
| Équipe distribuée | ✓ Tableau partagé visible |
| Budget nul | ✓ Outils gratuits (Notion) |
6 pratiques Kanban appliquées
- Visualiser le flux - Tableau Notion 5 colonnes
- Limiter le WIP - Max 2 tâches In Progress
- Gérer le flux - Suivi vélocité hebdo
- Expliciter les règles - DoR / DoD formalisées
- Feedback loops - Daily async + Weekly sync
- Améliorer - Rétrospective continue
lightbulb
Kanban choisi car : flexibilité maximale +
visualisation + amélioration continue = parfait pour
POC exploratoire à charge variable
Artefacts Kanban déployés
Tableau Kanban (Notion)
Backlog
US
US
Todo
US
In Progress
US
To Test
US
Done
✓
WIP : 6 Todo / 2 In Progress / 2 To Test (max)
Priorisation MoSCoW
Must
41 US
Should
2 US
Could
12 US
Won't
0 US
Politiques explicites
Definition of Ready (DoR)
- Titre clair + lié à Epic
- Format "En tant que... je veux..."
- Critères d'acceptation Gherkin
- Dépendances et priorité identifiées
Definition of Done (DoD)
- Critères d'acceptation validés
- Livrable disponible (fichier/URL)
- Documentation à jour
Organigramme & Rituels
Organigramme projet
psychology
Dev + Consultante
Prompt/RAG
code
Développeur
POC ML
groups
2 Consultantes
Veille & Docs
Justification : Organisation horizontale cohérente avec Kanban : pas de Scrum Master (pas de sprints), pas de PO dédié (flux continu = priorisation collective). Autonomie des contributeurs sur leurs US.
Calendrier des rituels
| Rituel | Fréquence | Durée | Participants | Objectif |
|---|---|---|---|---|
| Kick-off | 10/11 (unique) | 1h | Tous | Aligner vision, valider scope |
| Weekly | Lundis | 30 min | Tous | Revue WIP, coordination |
| Daily async | Quotidien | 5 min | Tous | Sync fait/en cours/bloqué |
| Réapprovisionnement | Hebdo | 15 min | Dev | Alimenter colonne Todo |
| Démo finale | 14/12 (unique) | 1h | En individuel + jury | Valider POC, recueillir feedback |
Livrables produits par l'équipe
search
Rapport de Veille
Concurrentiel • Commercial • Juridique • Technologique
- SWOT du projet
- Cartographie concurrents
- picture_as_pdf Télécharger ↗
grid_view
Business Model Canvas
Vision produit et modèle économique
- Proposition valeur chiffrée
- Segments cibles B2B
- picture_as_pdf Télécharger ↗
gavel
Legal Design
Conformité IA Act & RGPD
- Classification : Risque limité
- Obligations transparence
- picture_as_pdf Télécharger ↗
view_list
Backlog & User Stories
55 US structurées INVEST + Gherkin
- Priorisation MoSCoW
- picture_as_pdf Backlog ↗
- picture_as_pdf User Stories ↗
play_circle
Démo vidéo disponible
▶ Génération d'US en temps réel
model_training
POC Machine Learning
Fine-tuning NLP exploratoire
- Pipeline NLP fonctionnel
- Fine-tuning Flan-T5
- Repo GitHub ↗
Bilan
55
User Stories totales
37
US livrées
67%
Taux complétion
12
US/semaine (vélocité)
Objectifs atteints
| O1. Faisabilité technique | ✓ POC fonctionnel |
| O2. Comparer 2 approches | ✓ Rapport documenté |
| O3. US conformes INVEST | ✓ 85% valides |
| O4. Livrer le 14/12 | ✓ Démo prête |
Outils utilisés
- Notion - Kanban + Backlog + Documentation
- Discord - Communication asynchrone
- Google Meet - Weekly synchrone
- GitHub - Versioning
Tous outils gratuits → cohérent avec contrainte budget nul
Conclusion
verified
Kanban validé
Adapté aux POC exploratoires
science
2 POC comparés
Décision objective
sync
4 objectifs atteints
Dans les délais
Améliorations
- DoR/DoD formalisées dès J1
- Métriques
Perspectives
- POC → MVP
- Intégration Jira
Merci - Questions ?
Définitions - Méthodes Agiles
checklist INVEST
Critères pour une bonne User Story
- Indépendante - Sans dépendance
- Négociable - Point de départ
- Valeur - Apporte de la valeur
- Estimable - Claire à estimer
- Small - Taille raisonnable
- Testable - Vérifiable
code Gherkin
Langage pour scénarios de tests
Given (Étant donné)
→ contexte de départ
When (Quand)
→ action effectuée
Then (Alors)
→ résultat attendu
track_changes SMART
Critères pour objectif efficace
- Spécifique - Clair et précis
- Mesurable - Quantifiable
- Ambitieux - Défi réalisable
- Réaliste - Moyens disponibles
- Temporel - Échéance définie
Définitions - Intelligence Artificielle
search RAG
Retrieval-Augmented Generation
Technique combinant un modèle de langage avec un système de recherche.
1. Recherche dans une base documentaire
2. Utilise le contexte trouvé
3. Génère une réponse enrichie
2. Utilise le contexte trouvé
3. Génère une réponse enrichie
tune Fine-tuning
Ajustement fin d'un modèle
Prendre un modèle pré-entraîné et le ré-entraîner sur des données spécialisées.
Modèle général
arrow_forward
Modèle spécialisé
psychology Machine Learning
Apprentissage automatique
Branche de l'IA permettant aux systèmes d'apprendre à partir de données sans programmation explicite.
Données
arrow_forward
Patterns
arrow_forward
Prédictions