Analyste métier

États-Unis. Le bureau des statistiques prévoit que l'emploi des analystes en management progressera de 10 % de 2025 à 2035, bien plus vite que la moyenne, avec environ 94 100 postes à pourvoir par an. O*NET cite business analyst parmi les intitulés de poste déclarés pour ce métier, qui comprend aussi les consultants en management ; la page elle-même ne mentionne ni les business analysts ni l'IA. Elle compte des emplois, non des tâches.

Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.

États-Unis. Le bureau des statistiques prévoit que l'emploi des analystes des systèmes informatiques progressera de 8 % de 2025 à 2035, bien plus vite que la moyenne, de 544 400 à 587 200, avec environ 32 900 postes à pourvoir par an, et indique qu'à mesure que les organisations continuent de s'appuyer sur l'informatique et de l'étendre, y compris l'intelligence artificielle, des analystes des systèmes informatiques seront recrutés pour concevoir et installer de nouveaux systèmes. O*NET classe « IT business analyst » parmi les intitulés de poste de ce métier. Elle compte des emplois, non des tâches.

Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.

États-Unis, Veterans Health Administration. L'entrée d'inventaire de l'agence, marquée comme déployée et développée en interne, indique que son équipe de conception centrée sur l'humain utilise de grands modèles de langage et des agents sur mesure, et que le système simplifie des tâches comme l'analyse des retours des utilisateurs, la génération de user stories, la synthèse des conclusions d'ateliers et l'affinage des personas, avec des enseignements plus rapides et moins de travail manuel pour le personnel. C'est l'agence qui décrit son propre système ; elle ne rapporte aucun effet sur les effectifs ni sur la qualité des user stories.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Un projet dans un cabinet de conseil informatique, où des modèles de langage ont généré des spécifications de conception fonctionnelle et des user stories à partir de synthèses de recueil des exigences et de modèles de documents, évaluées par l'analyste expert du cabinet. L'analyste a estimé le gain de temps de rédaction entre 10 % et 15 % ; certaines user stories sont restées non traitées par tous les modèles, parce que la connaissance que détiennent les analystes peut être tacite et absente des documents de recueil ; et les auteurs concluent que les modèles peuvent améliorer la documentation initiale mais ne peuvent pas remplacer l'intervention humaine, des analystes experts restant nécessaires pour l'exactitude et l'exhaustivité.

Essai à petite échelle dans un cadre réel. Cela nous dit que les conditions de déploiement sont mises à l'épreuve, non qu'elles sont réunies — donc un pilote ne suffit jamais à lui seul ; deux indépendants suffisent.

Un chatbot universitaire évalué lors de 33 entretiens simulés avec des parties prenantes, des étudiants jouant les parties prenantes. Il a commis un nombre d'erreurs courantes comparable à celui d'un intervieweur humain et a recueilli jusqu'à 73,7 % de l'ensemble des exigences. Les auteurs écrivent que les entretiens menés par des personnes restent précieux et nécessaires pour un recueil très sensible ou complexe, où la dynamique interpersonnelle joue un rôle décisif pour faire émerger les exigences non exprimées.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

États-Unis, Social Security Administration. L'entrée d'inventaire, marquée comme déployée avec une date de mise en service au 1er octobre 2024 et une plateforme achetée à un fournisseur, indique que le composant génératif accélère la modernisation des systèmes hérités en analysant automatiquement du code COBOL et d'autres codes hérités, en générant une documentation cohérente des exigences métier et en réécrivant le code dans des langages modernes, ce qui réduit l'effort manuel de création de documents. Il reconstitue des exigences à partir de code existant au lieu de les recueillir auprès de personnes.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Une étude comparant GPT-4 et CodeLlama à des références humaines pour la rédaction d'une spécification d'exigences d'un portail de gestion d'associations étudiantes d'une université, notée sur huit critères. Elle indique que les modèles peuvent égaler la qualité de production d'un ingénieur logiciel débutant, et que les documents humains ont demandé 4 à 24 heures une fois les exigences définies, tandis que les versions des modèles ont pris 7 à 47 fois moins de temps, même s'il était difficile de les obtenir justes du premier coup. Les exigences étaient fournies, non recueillies.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

Autriche, la division informatique d'un groupe postal. Des chercheurs et des employés de l'entreprise ont mis en place un système d'agents autonomes fondé sur un LLM pour améliorer la qualité des user stories et l'ont évalué avec 11 participants répartis dans six équipes agiles. L'article indique que les résultats du système exigent pour l'instant une validation manuelle par le product owner afin de s'aligner sur les objectifs du projet et les attentes des parties prenantes, et six participants à l'enquête ont trouvé les descriptions réécrites trop longues. C'est un petit pilote dans une seule entreprise.

Essai à petite échelle dans un cadre réel. Cela nous dit que les conditions de déploiement sont mises à l'épreuve, non qu'elles sont réunies — donc un pilote ne suffit jamais à lui seul ; deux indépendants suffisent.

Si vous débutez, attendez-vous à ce que les modèles de langage rédigent des documents d'exigences et des user stories plus vite que vous ne pouvez les taper, et à ce que votre valeur tienne à ce qu'ils ne savent pas faire : obtenir des gens le vrai besoin, remarquer ce qui n'a pas été dit, et vérifier la version rédigée par rapport à ce besoin.

Attendez-vous à passer moins de temps à écrire et plus à recueillir, négocier et valider. Les analystes recherchés seront ceux qui savent mener les conversations difficiles et juger si une spécification rédigée par une machine est juste.

Rester et se renforcer

Rester, et déplacer votre temps de l'écriture vers le recueil et la validation

La rédaction est le point fort des outils ; la recherche enregistrée ici laisse encore aux personnes les entretiens sur des sujets sensibles et la validation.

Refaçonner le poste

Aller vers le travail sur les processus et le changement

Amener des services à s'accorder et des personnes à adopter une nouvelle façon de travailler est une négociation que les outils résument mais ne mènent pas.

Mouvement latéral

Passer à la gestion de produit

Décider quoi construire et pourquoi est voisin du travail de l'analyste et dépend du même jugement sur ce dont les gens ont besoin.

Pas au vu des éléments actuels. Les modèles de langage rédigent des documents d'exigences et des user stories, et des agences fédérales américaines utilisent l'IA pour les générer, mais les études enregistrées ici confient toujours à des personnes la validation des versions rédigées et la conduite des entretiens sur des besoins sensibles ou complexes, et les projections américaines prévoient une croissance des métiers qui incluent les analystes métier.

Nous ne répondons pas à cette question par un nombre d'années. Un signal à surveiller à la place : si des exigences rédigées par une machine commencent à partir vers les développeurs sans qu'un analyste les valide, et si l'on confie à des bots d'entretien un recueil complexe et sensible. Ni l'un ni l'autre n'est ce que montrent les éléments aujourd'hui.

Elle peut en rédiger des premières versions. Une étude a trouvé des versions d'une spécification d'exigences rédigées par GPT-4 comparables à celles d'un ingénieur débutant et 7 à 47 fois plus rapides une fois les exigences définies ; dans les équipes informatiques d'un groupe postal, les user stories améliorées par un agent devaient encore être validées par le product owner.

Les projections américaines prévoient une croissance de 10 % pour les analystes en management et de 8 % pour les analystes des systèmes informatiques de 2025 à 2035 ; les deux incluent les analystes métier. Le travail se déplace de la rédaction de documents vers le recueil, la négociation et la validation.