Il y a un débat récurrent dans les communautés de Business Analysts : est-ce que l'IA va remplacer le métier ?
La question est légitime. Mais je pense qu'elle mérite d'être posée autrement.
L'IA est déjà capable d'accélérer une partie du travail quotidien d'un BA. Rédaction de spécifications, synthèse de réunions, structuration de besoins, préparation de tests... Des tâches qui pouvaient prendre plusieurs heures peuvent désormais être réalisées beaucoup plus rapidement.
Mais produire un document n'est pas la même chose que comprendre un problème.
Et c'est précisément là que se situe l'enjeu.
L'IA ne signifie pas nécessairement la fin du métier de Business Analyst. Elle remet en question certaines façons de l'exercer, en particulier lorsque la valeur ajoutée repose principalement sur la production de documents plutôt que sur l'analyse, la compréhension des besoins et la qualité des décisions.
Ce que l'IA automatise, et c'est tant mieux
Soyons honnêtes : une partie du temps d'un BA est consacrée à des tâches répétitives.
Rédiger une user story à partir d'une conversation déjà bien cadrée. Reformuler des notes de réunion en document structuré. Produire un énième livrable à partir d'un template existant. Résumer un échange de cinquante e-mails pour en extraire les points clés.
Ces tâches sont utiles. Mais elles ne nécessitent pas toujours que l'on réalise manuellement chaque étape.
Aujourd'hui, l'IA peut aider à produire une première version de ces livrables en quelques minutes. On lui fournit la matière, on précise le contexte, on guide la rédaction, puis on vérifie et on affine le résultat.
Le travail de frappe et de mise en forme peut ainsi être considérablement réduit.
Le gain dépend évidemment de la complexité du sujet, de la qualité des informations disponibles et du niveau de vérification nécessaire. Une synthèse simple ne demande pas le même effort qu'un ensemble de spécifications impliquant plusieurs systèmes et des règles métier complexes.
Mais le potentiel est réel.
Et l'intérêt ne se limite pas à produire plus vite. Le véritable avantage apparaît lorsque le temps économisé permet de consacrer davantage d'énergie à l'analyse, aux échanges avec les équipes et à l'exploration de solutions.
L'IA peut aussi devenir un formidable outil d'apprentissage.
Tu veux comprendre comment fonctionne une API ? Déchiffrer une structure de données ? Comprendre un extrait de code ou explorer les causes possibles d'une erreur technique ?
Tu peux demander une explication adaptée à ton niveau, approfondir les points qui restent flous et explorer plusieurs exemples jusqu'à mieux comprendre le sujet.
Cela ne remplace pas l'expérimentation, la documentation technique ni l'expertise d'un développeur. Mais cela peut réduire considérablement les obstacles à l'apprentissage et permettre au BA d'aborder des sujets techniques qu'il aurait auparavant eu plus de mal à explorer seul.
Pour quelqu'un qui souhaite élargir ses compétences, c'est une opportunité particulièrement intéressante.
Ce que l'IA ne comprend pas automatiquement
L'IA traite de l'information. Elle peut analyser des textes, repérer des incohérences apparentes, proposer des hypothèses et générer des réponses convaincantes.
Mais disposer d'informations ne signifie pas nécessairement comprendre le contexte dans lequel elles s'inscrivent.
Prenons un exemple.
Un responsable comptable explique que son équipe contourne le système informatique en place depuis plusieurs mois. On pourrait demander à une IA de proposer une amélioration du processus ou de rédiger les spécifications d'une nouvelle fonctionnalité.
Elle pourrait produire une réponse structurée et tout à fait plausible.
Mais avant de chercher une solution, plusieurs questions méritent d'être posées.
Pourquoi l'équipe contourne-t-elle le système ? Est-ce parce qu'il est trop lent, parce qu'une fonctionnalité manque, parce que le processus officiel ne correspond plus à la réalité du terrain ou parce que les utilisateurs n'ont jamais été correctement accompagnés ?
La réponse change complètement la nature du problème et les solutions envisageables.
C'est là que le travail du BA prend toute sa dimension. Il faut rencontrer les personnes concernées, comprendre leurs contraintes, observer les pratiques réelles et confronter plusieurs points de vue.
Il faut aussi parfois gérer des désaccords, des priorités contradictoires et des non-dits qui ne figurent dans aucun document.
L'IA peut aider à préparer ces échanges et à analyser ce qui en ressort. Elle peut même suggérer des questions pertinentes auxquelles on n'avait pas pensé.
Mais c'est au BA de replacer ces informations dans leur contexte, de vérifier les hypothèses et de contribuer aux décisions avec les parties prenantes.
La valeur du métier ne réside donc pas simplement dans la capacité à produire une réponse. Elle réside aussi dans la capacité à déterminer si l'on pose la bonne question.
Un exemple concret : l'intégration d'une API
C'est sur les sujets techniques que cette distinction devient particulièrement visible.
Imaginons que tu travailles sur l'intégration d'une API externe. Pour un cas simple, avec des champs qui correspondent directement entre deux systèmes, l'IA peut aider à comprendre la documentation, identifier les champs utiles, proposer un mapping et préparer une première version de la documentation fonctionnelle.
C'est déjà un gain intéressant.
Mais les choses se compliquent lorsque plusieurs appels doivent être enchaînés pour obtenir le résultat attendu, que certaines opérations dépendent de règles métier ou que le comportement varie selon le contexte du client.
À ce stade, générer un mapping ne suffit plus.
Pourquoi faut-il effectuer ces appels dans cet ordre ? Quelle règle métier justifie cette transformation ? Que se passe-t-il si une information est absente ? Comment le système doit-il réagir lorsqu'un appel échoue ? Quelles conséquences une modification pourrait-elle avoir sur les processus existants ?
L'IA peut proposer des pistes, analyser des exemples et aider à explorer les scénarios possibles. Mais ses propositions doivent être confrontées à la documentation réelle, au fonctionnement du système et aux contraintes métier.
Elle peut également se tromper, supposer qu'une fonctionnalité existe ou proposer une logique techniquement plausible mais inadaptée au contexte.
Le BA doit donc comprendre suffisamment le flux pour challenger les propositions, identifier les zones d'incertitude et travailler efficacement avec les développeurs.
Plus le sujet est complexe, plus la qualité du contexte fourni et la vérification des résultats deviennent importantes.
L'objectif n'est pas de faire de chaque BA un développeur. C'est de lui donner les moyens de mieux comprendre les systèmes qu'il analyse et de tirer parti de l'IA sans lui déléguer aveuglément son jugement.
L'IA menace-t-elle certains profils de BA ?
C'est probablement la partie la moins confortable de cette transformation.
Pendant des années, certaines organisations ont défini le rôle de Business Analyst principalement autour de la collecte des besoins, de la rédaction des spécifications et de la production de livrables standardisés.
Le BA recueille les demandes, remplit les templates, rédige les documents et transmet le résultat aux équipes techniques.
Lorsque la valeur d'un poste repose essentiellement sur ces activités, l'automatisation change effectivement la donne.
Si un outil permet de produire une première version de spécifications en quelques minutes, une organisation peut légitimement se demander combien de temps et de ressources doivent encore être consacrés à cette production.
Cela ne signifie pas que le métier disparaît. Cela signifie que certaines tâches prennent moins de temps et que les attentes envers les personnes qui les réalisent peuvent évoluer.
Il faut toutefois éviter un raccourci : produire des documents ne veut pas dire faire un mauvais travail de BA. La documentation reste indispensable dans de nombreux projets. La différence se situe dans ce qui l'accompagne.
Un document peut être le résultat d'une véritable analyse, d'ateliers complexes et d'arbitrages difficiles. Il peut aussi être une formalisation presque mécanique d'informations déjà disponibles.
L'IA n'aura pas le même impact sur ces deux situations.
Pour le BA qui considère la documentation comme un outil au service de l'analyse, l'IA peut devenir un accélérateur formidable. Elle peut réduire le temps consacré aux tâches répétitives et permettre de consacrer davantage d'efforts à la compréhension des enjeux, à la qualité des solutions et à la coordination des parties prenantes.
Mais cela suppose de faire évoluer ses pratiques, d'apprendre à utiliser les outils et de rendre visible la valeur de son travail au-delà des livrables produits.
La question n'est donc pas simplement de savoir si l'IA peut réaliser certaines tâches. Elle est aussi de savoir comment le métier va se réorganiser autour de ces nouvelles possibilités.
Le BA peut aussi devenir un acteur de l'intégration de l'IA
Il existe une autre opportunité, moins souvent mise en avant.
Le Business Analyst connaît les processus métier, les difficultés rencontrées par les équipes et les points de friction qui ralentissent les activités. Il est donc bien placé pour contribuer à identifier les situations dans lesquelles l'IA pourrait apporter une valeur réelle.
Cela peut commencer par des questions très concrètes.
Quelles tâches répétitives mobilisent beaucoup de temps ? Quelles étapes nécessitent une recherche d'information fastidieuse ? Où les équipes doivent-elles reformuler, classer ou synthétiser manuellement des informations ? Quelles activités pourraient être assistées par l'IA sans compromettre la qualité du résultat ?
Prenons un processus de validation documentaire.
Aujourd'hui, une personne peut devoir parcourir plusieurs documents, comparer des informations, vérifier la présence de certains éléments et signaler les incohérences.
L'IA pourrait aider à extraire les informations utiles, comparer les contenus et préparer une synthèse des points à vérifier.
Le BA peut alors contribuer à repenser le processus : déterminer quelles étapes peuvent être assistées, quelles vérifications doivent rester obligatoires, qui conserve la responsabilité de la décision et comment gérer les erreurs.
Il faut aussi évaluer les contraintes de confidentialité, de sécurité, de coût et de fiabilité. Toutes les tâches automatisables en théorie ne sont pas nécessairement pertinentes à automatiser dans un contexte donné.
L'enjeu n'est pas d'ajouter de l'IA partout. C'est d'identifier les cas d'usage où elle résout réellement un problème.
Cette réflexion mobilise précisément les compétences du BA : comprendre un processus, identifier un besoin, évaluer des solutions et accompagner les changements qu'elles impliquent.
Le développement technique, l'architecture, la sécurité et la gouvernance restent des responsabilités partagées avec les spécialistes concernés. Le BA apporte sa connaissance du métier et contribue à faire le lien entre les possibilités techniques et les besoins réels.
C'est une extension naturelle du rôle, à condition de rester centré sur la valeur créée plutôt que sur la nouveauté de l'outil.
Comment l'IA change le quotidien concrètement
La transformation ne se limite pas à la rédaction de spécifications. Plusieurs activités du BA peuvent déjà bénéficier de cette assistance.
La rédaction des spécifications
Plutôt que de partir d'une page blanche, tu peux fournir un brief, des notes d'atelier et des règles métier à l'IA pour obtenir une première structure.
Tu peux ensuite compléter les éléments manquants, challenger les formulations ambiguës et vérifier que les cas particuliers sont correctement pris en compte.
Le gain de temps est particulièrement intéressant lorsque le format est récurrent. Mais une spécification bien présentée n'est pas nécessairement correcte. La validation reste indispensable.
La synthèse et l'analyse des informations
Les besoins peuvent être dispersés dans des comptes rendus, des e-mails, des retours utilisateurs et des documents de projet.
L'IA peut aider à regrouper ces informations, à faire ressortir des thèmes récurrents, à identifier des contradictions apparentes et à préparer une synthèse.
C'est une manière d'accélérer le travail préparatoire, à condition de revenir aux sources lorsque le sens d'une information est incertain ou que plusieurs interprétations sont possibles.
La préparation des tests
À partir d'une spécification fonctionnelle, l'IA peut proposer des cas de test, des scénarios nominaux, des cas limites et des situations d'erreur.
Elle peut aussi générer des jeux de données fictifs pour faciliter la préparation des tests.
Cela permet d'explorer plus rapidement un ensemble de scénarios et de repérer certaines situations qui auraient pu être oubliées.
Mais les cas générés ne sont pas automatiquement complets ni pertinents. Ils peuvent manquer une règle métier importante, reposer sur une hypothèse erronée ou inclure des scénarios impossibles dans le système réel.
Le BA doit donc vérifier que les tests reflètent les besoins et les risques du projet. L'équipe doit également tenir compte des contraintes de l'environnement de test et de la gestion des données.
L'investigation en amont
C'est peut-être le point le plus important.
L'IA peut aider à préparer un entretien utilisateur, proposer des questions de clarification, organiser les résultats d'un atelier ou explorer plusieurs solutions possibles.
Mais elle ne doit pas devenir un prétexte pour éviter d'aller sur le terrain.
Observer un processus réel, écouter les utilisateurs, comprendre les contraintes d'une équipe et confronter les différentes perceptions du problème restent essentiels.
L'IA peut rendre ces activités plus efficaces. Elle ne dispense pas de les réaliser.
Comment se positionner en tant que BA ?
Si tu es Business Analyst aujourd'hui, je pense que la bonne question n'est pas seulement : « Est-ce que l'IA va me remplacer ? »
C'est aussi : « Est-ce que j'utilise l'IA pour améliorer mon travail et consacrer davantage de temps à ce qui compte vraiment ? »
Quelques pistes concrètes peuvent aider à avancer.
Commencer par les tâches répétitives. Choisis une activité que tu réalises régulièrement, comme la synthèse d'un atelier ou la préparation de cas de test. Expérimente avec un outil autorisé dans ton organisation, compare le résultat à ta méthode habituelle et vérifie le gain réel.
Apprendre en explorant. Utilise l'IA pour mieux comprendre les APIs, les structures de données, les concepts techniques et les outils que tu rencontres dans tes projets. Vérifie les réponses et confronte-les à des sources fiables.
Renforcer ses compétences d'analyse. La capacité à clarifier un besoin, à identifier les hypothèses fragiles et à comprendre les contraintes des parties prenantes devient d'autant plus importante que la production de contenu est facilitée.
Rendre sa valeur visible. Ne présente pas ton travail uniquement à travers les documents produits. Montre aussi les problèmes que tu as aidé à clarifier, les risques identifiés, les décisions facilitées et les améliorations apportées aux processus.
Expérimenter sans perdre son esprit critique. Une réponse convaincante n'est pas nécessairement juste. Les résultats doivent être vérifiés, les informations sensibles protégées et les outils utilisés conformément aux règles de l'organisation.
Il ne s'agit pas de courir après chaque nouvel outil ni de tout automatiser du jour au lendemain. Il s'agit de développer progressivement une pratique qui combine les capacités de l'IA avec le jugement, l'expérience et la compréhension du contexte.
La suite
L'IA transforme déjà une partie du travail du Business Analyst. Elle accélère certaines tâches, facilite l'exploration de sujets techniques et ouvre de nouvelles possibilités pour améliorer les processus.
Mais elle ne rend pas automatiquement l'analyse meilleure. Elle peut aussi permettre de produire plus rapidement une réponse à côté du problème.
La différence se fera donc autant dans la manière d'utiliser ces outils que dans la capacité à comprendre ce qu'ils produisent, à en évaluer les limites et à les intégrer intelligemment dans le travail quotidien.
C'est précisément ce que je souhaite explorer dans les prochains articles : des outils, des méthodes, des expérimentations et des retours d'expérience concrets pour comprendre ce qui fonctionne réellement.
Abonne toi à la newsletter pour recevoir régulièrement des analyses, des outils concrets et des prompts directement utilisables dans ton quotidien de BA.