L’analyste métier à l’ère des agents IA

L’IA peut générer l’ébauche d’un cas d’utilisation en moins d’une minute, transformer une idée simple en prototype élémentaire en une heure et produire une documentation des exigences en une fraction du temps autrefois nécessaire. Cette évolution est déjà visible dans le travail quotidien d’analyse métier : les professionnels utilisent l’IA pour préparer les séances de recueil des besoins, rédiger les exigences et repérer les lacunes avant validation. Si l’on ne regarde que ces livrables, la conclusion semble évidente : l’analyste métier est en train de disparaître.

Je ne partage pas cette conclusion. Je travaille depuis des années dans l’analyse métier et informatique, la conception de solutions et la transformation numérique, observant un changement continu et différentes étapes d’adaptation. Ce qui disparaît, ce n’est pas le rôle. C’est sa périphérie. Et c’est tout autre chose.

Ce que fait un analyste

Lorsque vous demandez à un client ce dont il a besoin, il vous dit ce qu’il veut. Ce n’est pas toujours la même chose. Non parce qu’il ne comprend pas son travail, mais parce qu’il ne parvient pas toujours à exprimer ses besoins assez précisément. Les activités courantes restent souvent sous-entendues, car les clients les accomplissent automatiquement chaque jour. Les cas particuliers passent facilement inaperçus, parce qu’on ne s’en souvient généralement que lorsqu’ils se présentent.

Les liens entre services sont compris depuis un point de vue personnel, pas nécessairement à l’échelle de l’ensemble. Et lorsqu’un client décide de modifier plusieurs systèmes à la fois, il ne voit souvent pas que changer un système revient presque toujours à modifier aussi un processus.

Le travail de l’analyste ne consiste pas à consigner ce que le client a dit. Il consiste à découvrir ce qu’il n’a pas dit et à continuer de poser des questions jusqu’à ce que tout apparaisse. L’analyste suit les liens, les dépendances et les conséquences à travers les systèmes, les données et les processus métier.

C’est une capacité de diagnostic, pas une activité administrative.

Trois orientations pour les analystes métier

Les frontières de l’analyse métier n’ont jamais été figées. Les analystes évoluent depuis longtemps vers la responsabilité produit, la gestion de projet et des fonctions plus techniques. L’IA ne fait qu’accélérer ce mouvement en réduisant le temps nécessaire aux livrables courants.

Une récente enquête de Gartner a révélé que plus de la moitié des organisations avaient repensé ou redéfini des rôles à cause de l’IA, tandis que 78 % des responsables RH estimaient que les processus de travail et les rôles devraient évoluer pour tirer parti de leurs investissements dans l’IA.

D’après mes observations et mon expérience directe, trois grandes trajectoires se dessinent.

1. Vers le produit et les activités métier

Les analystes qui aiment façonner les produits peuvent évoluer vers des rôles plus larges, associant responsabilité produit, analyse métier et coordination de la réalisation. Ces combinaisons existent déjà, notamment dans les petites équipes. À mesure que l’IA réduit le temps consacré à la production de documents courants, les frontières entre ces responsabilités devraient devenir plus souples.

Cela ne doit pas conduire à confier quatre métiers à une seule personne sous prétexte que l’IA peut rédiger les documents. L’intérêt est de rapprocher des responsabilités qui reposent déjà sur une même compréhension des besoins clients, des priorités produit et des résultats attendus pour l’entreprise.

Cette orientation exige aussi une meilleure compréhension des données. Le travail d’analyse s’est souvent concentré sur les processus, les fonctionnalités et les exigences, en laissant les données au second plan. Les systèmes d’IA rendent cette séparation de plus en plus difficile.

Un analyste qui comprend à la fois le contexte métier et les données peut reconnaître qu’un modèle répond correctement à la mauvaise question. Cela peut arriver parce que les données disponibles représentent mal la situation, que la définition métier d’un indicateur a changé ou que la question initiale était mal formulée.

L’IA peut aider presque n’importe qui à créer un tableau de bord ou un rapport. Comprendre ce que le résultat signifie pour une entreprise donnée, à un moment précis, exige toujours du contexte et du jugement. Forrester décrit une évolution similaire dans les métiers du logiciel : l’IA réduit le temps consacré à la production répétitive de livrables au profit d’activités comme la validation, l’orchestration et le contrôle.

2. Vers le prototypage technique

Les analystes qui ont une forte affinité avec le développement peuvent être capables de discuter avec un client, puis de construire un prototype fonctionnel : pas simplement une maquette, mais quelque chose que le client peut tester et valider.

Cela change la validation des exigences : les clients peuvent interagir avec une idée plutôt que d’essayer de l’interpréter à partir d’un document. Les malentendus peuvent apparaître plus tôt, lorsque les modifications restent relativement peu coûteuses.

Mais un prototype n’est pas un système de production.

La sécurité, l’intégration, le passage à l’échelle et les performances sous charge ne se résolvent pas avec « l’IA m’aide à coder ». Construire un logiciel d’entreprise destiné à la production demande un autre niveau d’expertise en ingénierie. Certains analystes peuvent acquérir progressivement ces compétences et se rapprocher du développement de systèmes de production. Cette voie est bien plus exigeante que ne le laisse penser le prototypage rapide, mais elle reste réaliste.

3. Vers la gestion de projet et de la réalisation

Les analystes coordonnent déjà les échanges avec les clients, participent aux estimations et gèrent les questions de périmètre, d’exigences et de changement. Cela crée un recoupement naturel avec la gestion de projet.

Sur les petits projets, une même personne peut parfois cumuler l’analyse et la coordination, car ces deux responsabilités reposent sur la compréhension du périmètre, des parties prenantes et des dépendances. Cela peut raccourcir les circuits de communication et faciliter le lien entre les décisions quotidiennes de réalisation et le besoin métier initial.

Cela ne rend pas le chef de projet inutile. Dans les projets plus importants, où la coordination des personnes, des risques et des dépendances est réellement complexe, la gestion de projet reste une discipline spécialisée. L’approche mixte n’a de sens que lorsque le périmètre le permet.

La distinction est importante. L’IA peut réduire l’effort nécessaire pour créer des plans, des comptes rendus de réunion ou des rapports d’avancement, mais la production de ces documents n’a jamais représenté toute la valeur de la gestion de projet.

Ce qui distingue ceux qui réussissent cette évolution

Ces trois orientations demandent aux analystes de dépasser les frontières habituelles de leur rôle. La curiosité leur donne l’envie de tester de nouveaux outils et de nouvelles approches. L’apprentissage continu évite ce que j’appelle une dette de connaissances : l’accumulation progressive d’hypothèses et de compétences dépassées, à la manière de la dette technique d’un système ancien.

La capacité à vérifier est peut-être toutefois la plus importante. Les analystes ont l’habitude de demander « Est-ce réellement correct ? » avant « Est-ce terminé ? ». Dans un environnement rempli de productions d’IA fluides et présentées avec professionnalisme, cette habitude prend de la valeur.

L’IA peut donner des réponses incorrectes sous une forme assurée et convaincante, un phénomène souligné par des chercheurs du MIT Sloan comme l’une des principales raisons pour lesquelles la supervision humaine reste indispensable. Ses productions peuvent être structurées, fluides et soignées.

L’échec ne survient pas au moment où l’on utilise l’IA. Il commence lorsqu’un résultat plausible est accepté sans vérification.

La question n’est pas de savoir si les analystes métier vont disparaître

De nombreux articles sur l’avenir du rôle d’analyste prennent la forme de prédictions. Ce n’en est pas une. C’est un constat : le rôle évolue, comme il l’a toujours fait. Ce qui change cette fois, c’est la vitesse, et le fait que sa périphérie devient accessible à presque tout le monde.

Un développeur peut utiliser l’IA pour analyser des exigences. Un responsable peut s’en servir pour générer des récits utilisateurs. Ils ne le feront pas forcément très bien, mais un analyste dont la valeur repose uniquement sur la production de livrables rencontrera des difficultés.

Au cœur du rôle restent la capacité à découvrir les besoins non exprimés, à relier les contextes métier et technique, à vérifier les résultats et à voir des liens que le client ne perçoit pas. Selon le rapport 2025 de l’IIBA sur l’état mondial de l’analyse métier, 74 % des professionnels estiment que l’IA a une incidence positive sur leur carrière, tandis que les compétences humaines comme la communication, la réflexion stratégique et l’adaptabilité deviennent plus importantes.

La question n’est pas de savoir si l’analyse métier va disparaître. Elle est de savoir ce qui reste lorsque sa périphérie devient accessible à tous.

La réponse est le jugement qui se développe au fil d’années de pratique, de projets variés et d’expériences de l’échec. C’est la capacité à reconnaître qu’une exigence documentée est incomplète, qu’un prototype fonctionnel résout le mauvais problème ou qu’une réponse soignée repose sur une hypothèse fausse.

C’est cette part de l’analyse métier qui ne s’acquiert pas rapidement.