C'est l'histoire d'un ingénieur qualifié d'« inefficace » : le système disait qu'il n'était pas assez bon, la direction s'est contentée d'examiner le système et il a passé deux mois à prouver qui avait tort. Il s'est ensuite retrouvé au sein du comité d'examen côté client.
Basé sur une expérience réelle partagée par un membre de la communauté. Si vous avez une histoire comme celle-ci, contactez-nous. Le prochain pourrait être le vôtre.
Mercredi, 10h14.
J'étais aux prises avec une procédure stockée écrite il y a sept ans. La page wiki — laissée par quelqu'un qui était déjà parti — contenait exactement une ligne de documentation :
"La logique de ce déclencheur ? Lisez le code. J'ai oublié."
Slack a cinglé. Notification à l'échelle de l'entreprise :
[Notification système] AI Estimation Engine v1.0 est désormais disponible. Toutes les tâches de développement doivent être soumises via le module AI Estimation. Les heures estimées seront prises en compte dans les évaluations de performances.
La chaîne a explosé.
Mike (Frontend) : "Je viens de l'essayer. 'Mettre à jour le style de la page de connexion' - estimé à 0,5 jour. Vous vous souvenez de celui avec lequel j'ai fait des allers-retours avec le PM pendant trois jours ? Il pense que c'est un après-midi."
Dave (Backend) : « Ma migration de données – « Migrer la base de données, intégrer deux systèmes externes. » L'IA dit 2 jours. C'est vrai."
Alex : "Qui met à jour son LinkedIn ? 🙋"
Douze mains se sont levées.
Je n'ai pas augmenté le mien. J'ai ouvert le système et saisi une tâche :
Module de paiement — Correction du rapprochement des données historiques (procédure stockée vieille de 7 ans, développeur d'origine qui ne fait plus partie de l'entreprise, documentation incomplète)
Le système a renvoyé :
# Moteur d'estimation AI - Réponse API # POST /api/v1/estimate # Requête : { "task": "Corriger le rapprochement des données historiques", "repo": "payment-module", "context": "Procédure stockée vieille de 7 ans, pas de documentation, développement restant" } # Réponse : { "estimated_days": 1.5, "confidence": "high", "model": "estimate-engine-v1", "training_data_coverag...
[Courte citation de 8% de l'article original]