Shopify, « All in AI », a partagé sa pratique concrète de mise en œuvre de l'IA pour tous les employés, uniquement du contenu substantiel
TechFlow SélectionTechFlow Sélection
Shopify, « All in AI », a partagé sa pratique concrète de mise en œuvre de l'IA pour tous les employés, uniquement du contenu substantiel
Budget illimité, service juridique donne le feu vert.
Dédié à des analyses Web3 approfondiesIl y a trois mois, le cofondateur et PDG de Shopify, Tobi Lütke, a publié une lettre interne annonçant le virage « All in AI ». Lütke a déclaré : « l’utilisation efficace de l’IA est une attente fondamentale pour chaque employé de Shopify ». Cette initiative a depuis été largement imitée, par des entreprises comme Box et Fiverr, ainsi que par le Premier ministre du Canada.
Trois mois plus tard, quels changements concrets ont eu lieu au sein de Shopify ? S'agit-il simplement d’un slogan ambitieux de la direction ou bien l’IA est-elle réellement intégrée et utilisée efficacement dans l’entreprise ?
Quels processus de travail ont été transformés par le déploiement de l’IA ?
First Round Review s'est entretenu avec Thawar, vice-président de Shopify, qui a partagé la stratégie concrète de l’entreprise en matière d’adoption de l’IA, ses effets mesurables sur la productivité, ainsi que trois enseignements « contre-intuitifs ».
-
Utilisation universelle et sans distinction de l’IA, sans plafond budgétaire.
-
L’IA doit davantage exposer son raisonnement et ses résultats, plutôt que de les cacher.
-
Les débutants et nouveaux diplômés sont particulièrement utiles, notamment dans l’utilisation de l’IA.
On peut dire que Shopify offre une excellente démonstration, tant stratégique que technique, de la mise en œuvre concrète de l’IA en entreprise.
Ce texte est une adaptation par Founder Park d’un article de First Round Review.
Article original : https://www.firstround.com/ai/shopify
01 Utilisation universelle et « sans distinction » de l’IA
De nombreuses entreprises, lorsqu’elles introduisent l’IA, n’ouvrent à tous que les outils les plus basiques, réservant les modèles et applications les plus puissants aux équipes techniques. Shopify fait exactement l’inverse : tous les employés peuvent utiliser chacun des outils et modèles déployés par l’entreprise.
La logique sous-jacente est que les innovations à forte valeur ajoutée peuvent surgir de n’importe où dans l’entreprise, et il est impossible de prédire à l’avance quel usage deviendra prioritaire et méritera donc des investissements.
J’ai acheté 1 500 licences Cursor l’année dernière, mais très vite, ce fut insuffisant. J’ai dû en commander 1 500 supplémentaires. Le groupe d’utilisateurs ayant le plus rapidement augmenté ne venait pas de l’équipe technique, mais des services clientèle et revenus.
Farhan Thawar, Vice-président et responsable technique chez Shopify
Pour encourager les employés à utiliser les meilleurs modèles disponibles, Shopify a adopté trois grandes stratégies :
Stratégie 1 : La conformité juridique passe automatiquement au vert
Le changement commence au sommet. L’équipe dirigeante, y compris les juristes, doit être unanime : adopter l’IA est la priorité absolue de l’entreprise. Cette cohérence hiérarchique signifie que, face aux questions de sécurité ou de confidentialité, l’approche doit être « comment y parvenir » plutôt que « pourquoi pas ». « Si vous ne faites pas du “oui” l’option par défaut, alors en réalité, vous fixez le “non” comme option par défaut », souligne Thawar. « Quand les règles sont floues, cela revient en pratique à une interdiction. C’est ainsi que fonctionnent la plupart des entreprises. »
Fin 2021, lorsque Thawar a décidé d’introduire GitHub Copilot, il a lancé la discussion avec l’équipe juridique de façon directe : « Ma première phrase a été : “Nous allons lancer ce projet. Comment pouvons-nous faire en sorte que tout se passe bien ?” » raconte Thawar. « Leur réponse : “Nous allons trouver un moyen.” Aucune objection. »
Cette attitude contraste fortement avec celle rencontrée par d’autres CTO de grandes sociétés technologiques. Dans un groupe WhatsApp de pairs, Thawar entend souvent des plaintes concernant les blocages juridiques.
Des membres me demandent souvent : “Pouvez-vous faire parler votre avocat général (GC) avec le nôtre ?” Les obstacles qu’ils rencontrent, nous ne les avons jamais connus.
Farhan Thawar, Vice-président et responsable technique chez Shopify
Stratégie 2 : Budget illimité pour les outils d’IA
Le coût est inévitable lorsqu’on cherche à généraliser l’IA. À mesure que Cursor s’est répandu dans l’entreprise, certains ont commencé à craindre une explosion des coûts. Mais cela va justement à l’encontre de l’intention de Thawar : il veut que chacun puisse utiliser ces outils sans retenue, dès lors qu’ils créent de la valeur.
Thawar suit un classement interne indiquant qui consomme le plus de tokens sur Cursor. « Nous n’imposons aucune limite. Je ne veux pas non plus que quelqu’un triche avec un script, mais ce classement reste un excellent indicateur de valeur. Nous ne voulons aucun frein psychologique à l’utilisation de l’IA ou des derniers modèles », dit-il. « Je connais des personnes fières d’apparaître parmi les dix plus gros consommateurs de tokens, car elles ont accompli grâce à l’IA des tâches importantes. » Le chef technologie de Shopify, Mikhail Parakhin, figure récemment parmi eux.
« En discutant avec de nombreux CTO et PDG, j’ai remarqué une tendance préoccupante : ils s’obstinent trop sur le coût des tokens », explique Thawar. « Ils calculent : “Mes ingénieurs utilisent Cursor, Windsurf, GitHub Copilot… Chaque employé coûte entre 1 000 et 10 000 dollars supplémentaires par mois. Puis-je me le permettre ?” Et ils décident alors de restreindre les budgets. »
Cette mentalité va à l’encontre de l’objectif de promotion de l’IA.
« Si vos ingénieurs dépensent 1 000 dollars de plus par mois en utilisant des grands modèles linguistiques (LLM), mais gagnent 10 % en productivité, cet investissement est extrêmement rentable. N’importe quelle entreprise s’en réjouirait. » (Thawar ajoute même : si un ingénieur dépense régulièrement 10 000 dollars par mois tout en créant de la valeur, contactez-le en privé — il veut apprendre.)
Stratégie 3 : Une entrée unique pour l’IA et les MCP
Pour permettre aux employés d’utiliser facilement et de construire les derniers outils IA, Shopify a regroupé toutes les ressources sur une seule plateforme : l’agent interne LLM. Cet agent sert d’entrée unique, permettant aux utilisateurs d’interagir et de passer d’un modèle à l’autre sans friction. En production, il assure également des fonctions essentielles comme l’extension, le suivi et la reprise après incident.
Les employés peuvent construire leurs propres flux de travail avec ce LLM, choisir librement parmi divers modèles, et bénéficier toujours des dernières versions dès leur sortie. La plateforme inclut une riche collection de MCPs ; il suffit de demander à l’agent ou à Cursor pour les activer. Il existe même une bibliothèque d’agents créés par les collègues, disponible pour tous. C’est une station de travail IA tout-en-un, répondant à tous les besoins.
« Le serveur MCP est une couche critique d’infrastructure reliant tous nos outils internes. Notre philosophie est “tout peut être un MCP” », explique Thawar. « Chaque donnée interne, peu importe l’outil où elle est stockée, devient accessible via MCP, permettant aux employés de l’utiliser instantanément pour créer leurs flux de travail. »
02 Exemples de workflows basés sur l’IA
Avec les MCP, Cursor et le chat, infrastructure désormais stabilisée, l’efficacité a grimpé en flèche, aussi bien pour les techniciens que pour les métiers. Voici quelques cas marquants hors des équipes techniques :
Cas 1 : Un outil d’audit web révolutionnant la prospection commerciale
Dans le processus de vente de Shopify, l’analyse comparative des performances des sites web est cruciale. Pour prouver aux commerçants potentiels l’avantage de Shopify en termes de rapidité, les commerciaux doivent auditer le site du prospect, afin de présenter des données probantes. Avant, ce travail était entièrement manuel, long et fastidieux.
Récemment, un commercial sans formation technique a utilisé Cursor pour développer un outil générant automatiquement des rapports complets comparant les performances web. L’outil récupère les données du site du prospect, les compare aux benchmarks de Shopify, et peut même invoquer des documents internes pour fournir des arguments précis aux commerciaux.
Bobby Morrison, Chief Revenue Officer (CRO) de Shopify, loue cette approche : « Nos meilleurs développeurs commerciaux redessinent tout : analyse de marché, identification d’opportunités, élaboration de stratégies et solutions pour les marchands. Ceux qui réussissent le mieux possèdent tous une “maîtrise de l’IA”. Ils collaborent intuitivement avec les outils IA et évoluent à la vitesse de l’IA. Pour eux, l’IA n’est pas un outil séparé, c’est une manière de travailler. »
Pour Shopify, la véritable opportunité de l’IA réside dans la possibilité de repenser entièrement le modèle de vente. « Par exemple, lors d’un appel de vente additionnelle, le commercial peut, pendant la conversation, demander à un agent d’extraire en quelques secondes des données autrefois longues à obtenir. Ces données, auparavant rares, sont maintenant immédiatement accessibles », explique Thawar.
« Quel impact cela a-t-il sur la méthode de vente ? Vous pouvez défendre vos arguments avec plus de confiance, ouvrir de nouvelles voies de communication au sein de l’organisation cliente, et peut-être même transformer radicalement la façon dont vous contactez de nouveaux prospects. »
Cas 2 : La page “À faire aujourd’hui” du sales engineer
Un ingénieur commercial a intégré dans un tableau de bord personnel, créé avec Cursor, les MCPs de ses outils préférés : GSuite Drive, Slack, Salesforce, etc. Ce tableau utilise les informations en temps réel de ces outils pour classer intelligemment ses tâches par ordre de priorité.
Avant, il devait constamment basculer d’une application à l’autre. Désormais, il ouvre simplement le tableau et demande : « Que dois-je faire aujourd’hui ? » Le système peut détecter, par exemple, qu’un deal est sur le point d’être conclu dans Salesforce, tout en remarquant qu’il n’a pas encore répondu à un email crucial du client, et lui rappelle aussitôt d’y remédier. « Il n’ouvre presque plus les applications individuelles », note Thawar. « Cursor est devenu sa page d’accueil professionnelle. Il n’a même plus besoin de se connecter à sa messagerie. C’est incroyable. »
C’est exactement le retour sur investissement attendu par Shopify dans son infrastructure IA. Pour une entreprise réputée pour sa rigueur en infrastructure, c’est une évolution naturelle. « Nous privilégions le développement d’infrastructures internes, c’est dans notre ADN », affirme Thawar.
« Plutôt que de passer des semaines à développer une fonction isolée, nous préférons investir plus de temps dans une infrastructure réutilisable. Par exemple, en créant des agents LLM et des serveurs MCP, nous visons à construire un système utilisable par tous. Dès qu’un MCP pour Slack est créé, toute l’entreprise peut l’utiliser immédiatement. »
Cas 3 : L’agent RFP pour améliorer le taux de conversion
Pour les entreprises vendant aux grands comptes, remplir des demandes de propositions (RFP) est une routine. Chaque RFP contient des centaines de questions, nécessitant des réponses personnalisées, des informations internes et une collaboration transversale.
Pour y répondre, l’équipe outils commerciaux de Shopify a développé un agent capable de traiter plusieurs questions RFP simultanément. Construit sur LibreChat (dont Shopify est un contributeur majeur), cet agent exploite les bases de connaissances internes — documents publics, centre d’aide, études de cas — pour générer des réponses riches, documentées et cohérentes, libérant ainsi considérablement les ingénieurs solutions.
Lorsqu’il répond, l’agent attribue à chaque réponse un « score de confiance », indiquant si l’information est suffisante. Il apprend aussi des réponses RFP ayant déjà permis de remporter des marchés, et intègre ces succès passés dans la base de connaissances pour améliorer continuellement la qualité future des réponses.
03 Laisser l’IA montrer davantage son raisonnement, plutôt que de le cacher
Beaucoup craignent qu’une dépendance excessive à l’IA use notre esprit et nous éloigne du travail lui-même. Pourtant, un fait contre-intuitif est que, bien utilisée, l’IA peut justement révéler davantage de détails et nous impliquer plus profondément.
« La plupart pensent qu’une expérience utilisateur idéale consiste à poser une question et recevoir une réponse, en minimisant autant que possible le “désordre” intermédiaire », dit Thawar. « Mais si votre objectif est d’aider les gens à maîtriser une compétence, montrer ce processus est bien plus efficace. »
Stratégie : Ingénierie contextuelle appliquée aux humains
Shopify a compris que pour tirer pleinement parti de l’IA, il ne suffit pas d’optimiser les prompts : il faut systématiquement appliquer l’« ingénierie contextuelle » aux employés.
Par exemple, chez Shopify, les chefs de projet doivent soumettre chaque semaine un rapport d’avancement, transformant ainsi le système de gestion de projets en autoroute d’informations. Un agent IA extrait désormais automatiquement les pull requests GitHub liées au projet, les documents, commentaires et messages Slack, et rédige un brouillon de rapport hebdomadaire.
Chaque vendredi, le chef de projet reçoit ce brouillon, accompagné de questions provocatrices comme : « Qu’avez-vous accompli cette semaine ? » Cela l’oblige à examiner de façon critique le résumé de l’IA et à l’améliorer. Il est incité à repérer les inexactitudes, à exposer les risques latents, plutôt que d’accepter passivement le contenu, car il souhaite que son travail soit correctement compris.
« Selon les retours du chef de projet, l’IA génère un nouveau rapport. Nous comparons la version finale au brouillon initial, et l’IA apprend à partir de ces modifications, évoluant progressivement », explique Thawar. Autrefois, la rédaction du rapport prenait beaucoup de temps à collecter les données. Désormais, les chefs de projet peuvent concentrer leur énergie sur ce que les humains font le mieux : penser de façon critique, remettre en cause, et ainsi améliorer les résultats.
Nous avons constaté que la moitié des brouillons générés par l’IA sont validés sans modification. La qualité est élevée, en partie parce que l’IA agrège toutes les informations pertinentes accessibles.
Farhan Thawar, Vice-président et responsable technique chez Shopify
Workflow : Le framework Roast pour “critiquer” le code
Shopify exploite l’une des plus grandes applications Ruby on Rails au monde. Permettre à des centaines d’ingénieurs de collaborer efficacement sur une base de code unique et immense reste un défi permanent, surtout dans un langage comme Ruby, qui valorise la “convention plutôt que la configuration” et encourage l’expression personnelle.
Les ingénieurs de Shopify ont découvert que l’IA peut devenir un puissant outil pour maintenir les conventions de code, uniformiser les tests unitaires et les normes de mise à jour. Toutefois, l’IA seule n’est pas fiable : elle a besoin d’une orientation structurée claire, combinée à des outils et principes déterministes.
C’est pourquoi Shopify a développé Roast, un framework open source pour l’orchestration IA destiné à vérifier, corriger et itérer le code. Son nom vient d’un outil IA interne homonyme, qui formule des critiques constructives et des suggestions d’amélioration sur le code existant, selon le principe du “roast” (moquerie bienveillante). Roast n’est pas un prompt unique effectuant toutes les tâches, mais permet aux développeurs de concevoir et exécuter des boucles de feedback composées de petites étapes précises et à fort taux de réussite :
-
Roast décompose le workflow en plusieurs étapes, montrant clairement le raisonnement de l’IA à chaque étape.
-
Ces étapes forment ensemble un historique de conversation complet, facilitant la traçabilité de la logique décisionnelle de l’IA.
-
Son agent central CodeAgent (basé sur Claude Code) résume chaque action effectuée et ses raisons.
-
Lors d’évaluations comme le scoring de tests, Roast fournit des retours détaillés, expliquant d’abord le “pourquoi” et le “comment”, avant de présenter le résultat final.
« En combinant des outils déterministes et des outils IA, ils peuvent s’enrichir mutuellement et combler leurs lacunes », affirme Samuel Schmidt, développeur chez Shopify ayant participé à Roast. Ce framework simplifie l’utilisation des agents IA et expose tout le processus aux ingénieurs collaborateurs, rendant plus facile l’exécution de processus complexes de façon reproductible et évolutive.
Outil déjà utilisé en interne pour résoudre de nombreux défis techniques — comme analyser des milliers de fichiers de test et corriger automatiquement des erreurs fréquentes — Roast a permis d’améliorer significativement la couverture des tests. Ce faisant, l’équipe a défini un nouveau paradigme plus fiable pour accomplir avec l’IA des tâches d’ingénierie complexes, un défi auquel de nombreuses équipes sont confrontées. Shopify a donc décidé d’ouvrir Roast au public, invitant toute la communauté à façonner ensemble l’avenir de l’exécution assistée par IA.
04 Cultiver une “mentalité de débutant” dans le développement produit
Shopify ne se contente pas d’augmenter le nombre de débutants : il transforme aussi ses processus de développement produit, en mettant l’accent sur le prototypage — une pratique incarnant la mentalité de débutant. Il voit là la clé véritable pour franchir les obstacles et trouver des solutions.
Stratégie : Recruter davantage de talents juniors
En matière de recrutement, Shopify a changé de cap, refusant la vision simpliste selon laquelle « l’IA remplacera les humains ». Il a instauré un nouveau principe : « Si vous pouvez créer une valeur exceptionnelle grâce à l’IA, l’entreprise investira davantage pour vous soutenir », y compris en recrutant de nouvelles personnes.
Contrairement à l’idée reçue que l’IA détruira les postes d’entrée de gamme, suscitant une anxiété généralisée chez les jeunes diplômés en informatique, Shopify a au contraire intensifié ses embauches de stagiaires. Il a constaté que ces jeunes utilisent l’IA de façon particulièrement créative, porteurs d’une authentique mentalité de débutant.
Après avoir réussi à intégrer 25 stagiaires en ingénierie, Lütke a demandé à Thawar jusqu’où ce programme pouvait s’étendre. « Au départ, j’ai répondu qu’avec notre infrastructure actuelle, nous pouvions accueillir 75 personnes. Puis j’ai corrigé : 1 000 », dit Thawar.
Thawar possède une grande expérience dans la gestion de programmes de stage. Il sait que les stagiaires apportent vitalité, passion et énergie. À l’ère post-LLM, ils apportent aussi une nouvelle compétence : ils sont des « centaures IA » naturels. « Ils sont toujours curieux des nouveaux outils et des raccourcis. J’espère qu’ils sauront “faire l’économie” en utilisant les derniers outils », dit-il. « Nous l’avons vu à l’ère du mobile. À l’époque, j’embauchais massivement des stagiaires parce que je savais qu’ils étaient des “natifs mobiles”. »
Stratégie : Plus de prototypes pour explorer le meilleur chemin
Désormais, le prototypage occupe une place centrale dans le processus de développement produit chez Shopify. L’entreprise cherche activement à augmenter le ratio entre tentatives de prototypes et produits finaux construits. Cela illustre un principe fondamental de Shopify : la « voie rapide du développement produit ». La seule façon de résoudre un problème complexe est d’expérimenter sans cesse. Lütke a dit à Thawar : « Un problème a des milliers de mauvaises solutions, et environ dix mille solutions correctes. Votre mission est de trouver la meilleure parmi ces dix mille. Ce que vous venez de montrer n’est que la première solution qui fonctionne, pas la meilleure. Pourquoi vous arrêtez ? »
Thawar complète : « Vous êtes face à un problème aux centaines de variables et niveaux. Vous devez explorer différentes voies. Elles pourraient aboutir à des produits finaux semblables, mais les compromis sous-jacents seraient radicalement différents. »
Par exemple, l’outil de chat IA interne de Shopify découle d’un prototype. L’ingénieur senior Matt Burnett voulait initialement améliorer l’accès interne aux LLM, et a expérimenté avec des outils open source. Il a itéré sur la version initiale, résolvant des problèmes de perte de données et d’extensibilité, et a exposé les failles architecturales en faisant tester l’outil tôt à ses collègues. Finalement, l’outil a été adopté à grande échelle, au point qu’une équipe dédiée a été créée pour le gérer.
Lier étroitement utilisation de l’IA et performance
Pour mesurer divers aspects de l’efficacité des ingénieurs dans l’ensemble de l’organisation, Thawar utilise un tableau de bord d’activités techniques. Il suit qui pratique la programmation en binôme, qui participe aux entretiens, et, comme mentionné plus haut, qui utilise Copilot.
Des années de données chez Shopify montrent que la programmation en binôme accélère fortement l’apprentissage. Grâce à ce tableau, l’entreprise a analysé la relation entre durée de binôme et évaluation de performance. Résultat : plus un ingénieur passe de temps en binôme, plus son impact est élevé ; inversement, moins il en fait, plus son impact diminue.
Maintenant, ce tableau suit aussi l’utilisation par les employés d’outils IA comme Cursor, Claude Code et les agents LLM. Une analyse préliminaire révèle une corrélation positive entre l’usage de ces outils et l’impact professionnel. Cela aide à identifier les outils créateurs de valeur et à établir des liens avec la performance individuelle.
Shopify a intégré des questions liées à l’IA dans son système d’évaluation 360 degrés. Managers et collègues doivent évaluer leur niveau de “nativité IA” ou de “réflexe IA”. L’entreprise prévoit, après plusieurs années de collecte de données, d’analyser plus en profondeur le lien entre utilisation de l’IA et influence individuelle.
Thawar donne lui-même l’exemple, pratiquant la programmation en binôme pour montrer comment utiliser l’IA. « Quand je fais du binôme avec un ingénieur, c’est à la fois pour observer sa méthode de résolution, et pour promouvoir ma philosophie. J’ai toujours un onglet ChatGPT ouvert, et je lui montre concrètement comment je collabore en continu avec l’IA. »
05 L’efficacité accrue redessine les processus de travail
Si vous analysez minutieusement chaque geste d’une équipe sportive professionnelle ou d’une cuisine de restaurant étoilé Michelin, vous verrez que leur efficacité atteint environ 80 %. Comparez cela à une entreprise type, dont l’efficacité opérationnelle atteint rarement 20 %.
« Les entreprises gaspillent de façon incroyable, simplement parce que nous n’avons pas encore découvert la meilleure manière de faire. » souligne Thawar. « L’IA accélère les processus existants, c’est évident. Mais sa valeur plus profonde, moins visible, est qu’elle vous fait réaliser soudainement que vos processus pourraient être exécutés dans un ordre complètement différent, selon des hypothèses radicalement nouvelles. Quand ce moment d’épiphanie arrive, vous pouvez sauter des tonnes de tâches redondantes, voire redéfinir entièrement le processus. »
Reprenons l’exemple de l’outil d’audit web. Thawar réfléchit à la façon dont il pourrait transformer le processus de vente. « Quand le coût de produire un rapport d’audit web devient négligeable, vous pouvez changer qui présente ces données, et quand. Par exemple, vous pourriez l’introduire plus tôt dans l’entonnoir de vente, sans attendre que le client soit fortement qualifié. Ainsi, le type de clients contactés par les SDR pourrait changer », dit-il. « Cela donnerait naissance à un nouveau processus de vente. Et le seul moteur de ce changement serait notre capacité à produire ces rapports à très faible coût. »
Il prend l’exemple célèbre, mais difficile à reproduire, du « système de production Toyota ». L’IA pourrait tout changer. « L’IA modifie fondamentalement nos hypothèses de base. Vous pouvez l’utiliser pour résoudre des problèmes combinatoires complexes sur la chaîne de production, et multiplier l’efficacité par mille. C’est là que réside la véritable magie. Ce que nous cherchons, c’est découvrir cette “puissance des processus”. »
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
