La voiture d’essai est un Jeep Grand Cherokee au pare-brise fissuré. On a découpé des morceaux de ses rétroviseurs pour y loger les caméras. Joydip Saha, qui dirige le projet de conduite mains libres de Stellantis, le décrit comme le véhicule le plus abîmé du parc. Un boîtier jaune sur le tableau de bord sert d’arrêt d’urgence : une pression et le conducteur reprend la main. Dans le parking sous le Chrysler Technology Center d’Auburn Hills, dans le Michigan, le système émet un bip quand il a besoin de lui. Il est justement perdu. Le parking forme un labyrinthe en losange et la voiture se dirige vers la mauvaise sortie. Saha reprend le volant. Sur les routes de banlieue, le même logiciel négocie un carrefour où deux autres conducteurs changent simultanément de file en infraction.

Saha essaie lui-même chaque nouvelle version du logiciel, parfois deux fois par semaine. Il a expliqué à Nick Lichtenberg, de Fortune, qui a passé deux jours au centre et publié son reportage le 1er novembre, que son équipe avait construit le système mains libres du Cherokee en six semaines avec des outils d’IA. Un projet semblable prenait autrefois un an, voire dix-huit mois. Il impose aussi une règle : « Je ne laisserai pas les gens confier l’architecture à l’IA, parce qu’ils finiront par ne plus savoir déboguer. »

Faire tenir un cycle de quatre ans en deux

Cette vitesse compte parce que Stellantis en a besoin. Selon Fortune, l’entreprise veut ramener le développement d’un véhicule de quatre ans à 24 mois, en commençant par deux modèles en 2027. Le groupe exploite 14 marques, son activité européenne perd de l’argent et sa marge opérationnelle ajustée au deuxième trimestre était de 1,8 %, loin de l’objectif de 7 % fixé pour 2030 par le directeur général Antonio Filosa. En février, l’entreprise a comptabilisé une dépréciation d’environ 22,2 milliards d’euros, soit quelque 26,5 milliards de dollars, sur son pari électrique. L’action a chuté de 25 % ce jour-là. Elle perd près de 60 % cette année, selon Fortune.

Dans le bâtiment inauguré par Iacocca en 1991, les ingénieurs citent des gains précis. Ben Zawodni, responsable d’ingénierie logicielle, regroupe des centaines de calculateurs électroniques distincts dans un ordinateur central nommé STLA Brain. Il dit avoir obtenu en une semaine une preuve de concept pour une plateforme mondiale d’observabilité. Avant les agents de programmation, se souvient-il, il aurait fallu environ six mois. Des défauts qui demandaient deux à trois semaines de correction se règlent désormais en deux à trois jours.

En aérodynamique, l’équipe d’Arturo Guzman soumet à un modèle entraîné une modification de la lame avant d’un pick-up Ram et obtient une estimation de la traînée en trois minutes environ. La simulation complète prenait 14 à 24 heures. Guzman, qui a introduit l’IA dans le groupe il y a environ cinq ans, la démystifie auprès des vice-présidents : « Il n’y a pas de miracles. Il n’y a pas de magie. » Il compare le modèle à un stagiaire. La soufflerie de l’entreprise teste toujours, en général, une voiture par jour, précise son responsable Steve Kubiak. Seule l’analyse s’est accélérée : un collègue confie à un assistant les données des vingt derniers essais et lui demande ce qu’il y voit.

Ces chiffres viennent des ingénieurs et ont été recueillis par un journaliste. Ils concernent des projets isolés, pas l’ensemble du cycle de développement du constructeur.

Un travail qui s’intensifie

Les mêmes personnes nuancent le récit. Zawodni dit que les agents lui ont grandement facilité la tâche, puis pose lui-même la question : « Alors pourquoi est-ce que je travaille tellement plus dur ? » Il estime travailler au moins deux fois plus dur qu’avant et ressent « un très fort sentiment d’urgence ». Dans son équipe, dit-il, les réactions divergent. « Je pense qu’il y a eu un coup de pistolet qui a donné le départ. Certains l’ont entendu, d’autres non. » Il ajoute : « Les ingénieurs ont vraiment peur de perdre leurs compétences fondamentales. » Ils veulent savoir pourquoi un point-virgule produit tel effet. Il juge cette curiosité légitime et souhaite qu’ils deviennent plutôt architectes.

La règle de Saha pointe dans l’autre sens, alors que les deux responsables travaillent dans le même bâtiment. L’un veut accélérer l’émergence d’architectes ; l’autre interdit à l’outil de concevoir l’architecture, car les ingénieurs doivent encore savoir répondre à chaque question sur un produit dont dépend la sécurité.

D’autres parlent de qualité plutôt que de temps gagné. Mel Roberts planifie des fonctions d’infodivertissement à un horizon de cinq à huit ans. Son outil de recherche à base d’IA renvoie dix à quinze sources qu’elle doit toutes vérifier. « Je ne pense pas que cela fasse gagner du temps », dit-elle, même si son travail gagne en solidité. Amanda French, qui dirige des équipes chargées des plateformes, utilise l’IA pour rassembler les exigences et les nomenclatures de pièces conservées dans des systèmes régionaux qui n’ont jamais été conçus pour échanger entre eux, héritage des nombreuses fusions de l’entreprise. Toutes deux disent que le jugement humain reste nécessaire. « Ce ne sont pas les IA qui vont nous dire quelles seront les nouvelles plateformes », dit Zawodni.

Le phénomène dépasse Detroit. Le 20 octobre, la Linux Foundation a publié une enquête auprès de projets open source. Parmi les responsables de maintenance, 59 % signalaient une hausse du volume de contributions depuis l’essor de l’IA générative ; environ 25 % des demandes d’intégration entrantes étaient jugées de faible qualité. Une production accélérée en amont devenait du travail de révision en aval. Chez Stellantis, cette révision incombe aux ingénieurs mêmes qui écrivent le code.

Se rendre remplaçable, tout en recrutant

Ned Curic, directeur de l’ingénierie et de la technologie, passé par Amazon, Microsoft et Toyota, défend une idée qu’il sait difficile à faire accepter : « La meilleure chose que vous puissiez faire pour votre carrière, c’est de vous rendre superflu. » Il dit l’avoir fait lui-même plusieurs fois en mettant une équipe en état de bien fonctionner avant de passer à autre chose. L’entreprise doit toujours avoir une nouvelle occasion à proposer à ceux qui y parviennent. Selon Fortune, Curic a aussi déclaré à Bloomberg, au Mondial de l’automobile de Paris en octobre, que Stellantis recruterait cette année « plusieurs centaines » d’ingénieurs en Europe et aux États-Unis.

Curic parle franchement de la situation. Certaines équipes remportent des « succès phénoménaux », dit-il, mais « à l’échelle de toute l’organisation, nous n’y sommes pas ». Anne Laliron, qui dirige le groupe de recherche technologique d’environ 400 personnes, ajoute une observation : les ingénieurs chevronnés gardent en mémoire les échecs passés et parfois « leur cerveau ferme des portes ». Les jeunes ingénieurs qui avaient un simulateur de course dans leur sous-sol ont adopté le simulateur de conduite sans hésitation. Les pilotes d’essai qui avaient passé dix ou vingt ans dans des prototypes réels ont mis plus de temps.

Ce que quatre ans pourraient permettre de trancher

Alison Rahm, ingénieure en chef pour les SUV de taille moyenne et grande, se souvient d’une réunion en 1997. Son responsable y avait annoncé l’arrivée d’une nouveauté appelée courrier électronique. « Nous étions tous complètement paniqués », raconte-t-elle. Ils sont retournés à leur bureau et l’ont essayé. Aujourd’hui, l’IA effectue des vérifications qu’elle faisait à la main, comme parcourir une liste d’environ 1 000 pratiques de conception. Les ingénieurs peuvent dès lors se demander si les règles elles-mêmes sont justes.

Elle n’est pas prête à renoncer aux contre-vérifications. Après l’arrivée des simulations d’accident, rappelle-t-elle, les ingénieurs ont continué pendant des années à précipiter de vraies voitures contre des murs pour s’assurer que leurs hypothèses tenaient. Combien de temps faudra-t-il pour accorder la même confiance à l’IA ? Après une pause, elle répond qu’il faudra un cycle de vie supplémentaire : « Je dirais quatre ans. » Cela mène à 2030, l’année pour laquelle Filosa a promis une marge de 7 %.

Références

  • Boysel, S., & Lai, A. (2026). Navigating Open Source Software Development in the Generative AI Era: Challenges and Opportunities for Project Communities (announced by the Linux Foundation, 20 October 2026). prnewswire.com
  • Lichtenberg, N. (2026). ‘The best thing that you can do for your career is to make yourself redundant’: Inside Stellantis’ AI push after the ‘starting gun went off’. Fortune. fortune.com