Zapier

Zapier a passé 14 ans à accumuler plus de 8000 intégrations, et cet inventaire est aussi un passif. Lisa Orr, une responsable ingénierie de l'entreprise, décrit le problème comme de l'« app erosion » : les API tierces changent constamment, si bien que les intégrations se dégradent en continu et que les tickets de support arrivent plus vite qu'ils ne se résolvent. La crise de backlog qu'elle décrit menace la fiabilité, l'expérience client, et potentiellement le churn.

La réponse a pris la forme de deux expérimentations parallèles lancées deux ans avant le récit qu'elle en fait. La première a fait passer le personnel support de la simple qualification à la correction directe des bugs, encadrée par des garde-fous : quatre applications cibles, revue d'ingénierie obligatoire, corrections d'applications uniquement. La seconde, Scout, a appliqué l'IA générative après que le dog-fooding d'Orr elle-même a fait apparaître le vrai goulot d'étranglement : 50% du temps passait à rassembler du contexte. Scout répond à cela avec un analyseur de contexte, un générateur de diffs et un générateur de tests. Le taux de succès des merge requests a atteint 97%, et le temps de résolution est passé de 72 heures à quelques minutes.

Zapier revient dans les sources comme un point de données d'adoption plutôt que comme un produit. Le rapport 2026 d'Anthropic sur les tendances du codage agentique cite un taux d'adoption de l'IA de 89% chez eux, aux côtés des «800+ agents internes». Justin Reock, de DX, cite les bots d'onboarding de l'entreprise, qui ont rendu les nouveaux ingénieurs productifs en 2 semaines au lieu de 90 jours, comme exemple d'une organisation qui dirige l'IA vers une contrainte réelle plutôt que vers le temps de codage.

Ce que les sources laissent en suspens, c'est l'endroit où se stabilisera la frontière entre support et ingénierie une fois qu'elle a été délibérément brouillée.