Le contexte
Stellar assure une connectivité continue en combinant réseaux cellulaires et satellitaires. Son logiciel STEER® tourne directement sur le matériel de ses clients et orchestre les modems et liaisons disponibles. Ses ingénieurs travaillent au quotidien avec Jira et GitLab, et voulait passer d’un usage ponctuel de l’IA à des pratiques intégrées à son flux de travail — sans rien céder sur ses standards d’ingénierie.
En septembre 2026, David Patiashvili s’est déplacé deux jours dans la région bordelaise pour travailler avec deux ingénieurs de l’équipe STEER®.
Notre rôle : former sur le terrain, pas en salle
Pas de diapositives. Chacun sur son poste, avec ses accès Jira et GitLab, sur des cas réels et en cours. La formation et l’accompagnement se sont confondus : chaque notion abordée débouchait sur un usage concret, construit avec l’équipe.
- De meilleures pratiques avec les assistants de code, au service des standards existants plutôt qu’à leur place ;
- des flux de travail automatisés, là où une tâche répétitive mobilisait un ingénieur ;
- un modèle d’IA local, pour réduire la consommation de jetons sur les tâches volumineuses comme la revue de code et les activités de test.
Côté infrastructure, nous avons installé n8n et Ollama en auto-hébergé, sur une machine bien dimensionnée du laboratoire de test : les traitements lourds restent sur le réseau de Stellar.
Un résultat concret : la revue d’une merge request hors norme
Un exemple de ce qui en est sorti : un flux de revue automatisé, utilisé sur une merge request de 99 fichiers. Claude Code déclenche l’automatisation dans n8n — le flux lui-même ayant été construit avec Claude —, qui s’appuie sur un modèle Qwen 3.6 exécuté en local. Dix minutes plus tard, le résultat arrive dans GitLab.
L’ingénieur garde la décision finale, mais sait exactement où concentrer son attention. Selon l’équipe, c’est probablement près d’une demi-journée de travail fastidieux évitée, pour ne garder que la vraie ingénierie logicielle. D’autres flux du même type sont déjà en préparation.
Ce qu’en dit l’équipe
Matthieu Sevestre, CPTO de Stellar, a raconté ces deux jours sur LinkedIn :
Teams that learn to make the most of these tools, without losing their
engineering standards, will have a very concrete edge in the years ahead.
Pourquoi cette approche
Une formation IA qui reste théorique s’évapore en quelques semaines. Travailler sur les tickets de l’équipe, avec ses outils et ses contraintes, laisse derrière soi des flux qui tournent — et une équipe capable de construire les suivants seule. C’est le principe de notre formation IA pour équipes techniques.