L’IA révélateur de fragilité ?

Sur LinkedIn et dans les équipes tech, le refrain tourne en boucle depuis des mois : l’IA va remplacer les développeurs, coder n’a plus aucun charme, on ne fait plus de l’artisanat mais du copier-coller glorifié. C’est faux, ou en tout cas ce n’est pas mon expérience. J’adore coder avec l’IA (j’ai d’ailleurs testé la variante locale dans Claude Code gratuit avec son LLM local ?). Elle m’évite les heures perdues sur Stack Overflow à ressusciter des extraits de 2015 qui ne marchent qu’à moitié, et les derniers modèles me permettent d’écrire du code plus propre, plus vite, avec moins de friction. Pour les faire tourner chez soi, les chiffres qui comptent sont dans LLM quels chiffres ? Quel usage ?.

Le problème vient de tout ce qui gravite autour du code, que l’IA a mis à nu plus vite qu’on ne l’aurait voulu.

Les Pull Requests sont devenues illisibles

Il fut un temps où la revue de code était un moment d’échange : un dev soumettait cinquante lignes, un collègue plus expérimenté pointait deux ou trois axes d’amélioration, et l’équipe progressait ensemble. Aujourd’hui, l’IA génère des dizaines de fichiers et des centaines de lignes en quelques secondes, soumises par des développeurs (dans le meilleur des cas) le plus souvent incapables d’expliquer précisément les choix que le modèle a fait. La charge de relecture, de compréhension et de correction retombe sur les seniors. Et relire du code mal conçu généré par une machine est nettement plus pénible que d’accompagner un humain qui progresse. Il n’y a rien à transmettre, juste du nettoyage. Cela peut pencore passer pour langage comme le PHP, beaucoup moins pour du Rust.

Le non-tech qui se prend pour un développeur

L’autre effet secondaire plus chaotique avec l’IA générative, c’est d’avoir convaincu des profils non-techniques qu’ils étaient devenus développeurs. Scrum masters, chefs de projet, analystes métier génèrent du code à coups de prompts. Sur le papier, l’idée séduit. Dans les faits, la plupart du temps, le code produit n’a aucune gestion d’erreurs, ignore les cas limites, et n’a pas l’ombre d’une architecture. Le pire arrive quand ces scripts bricolés atterrissent sur un bureau avec la consigne : « on a fait le plus gros, tu peux juste mettre ça en prod ? » Réparer du code sans fondations prendra toujours plus de temps que de tout réécrire depuis zéro. Mais ça, personne ne voudra l’entendre avant de l’avoir essayé, ou plutot subit.

Un Dunning-Kruger sous stéroïdes

Ce phénomène s’explique assez simplement : moins on connaît un sujet, plus on surestime sa compétence, et l’IA ne fait finalement qu’amplifier ce biais cognitif. Afficher une application qui tourne à l’écran en quelques minutes donne une illusion de maîtrise totale. Ceux qui n’ont jamais entendu parler de dette technique, de scalabilité ou qui n’ont pas à assurer de maintenance se croient soudain capables de concevoir des systèmes complexes. Ce seront  presque toujours les développeurs expérimentés qui nettoieront la casse ensuite. Dans l’ombre, sans que personne ne le remarque, « en temps masqué » comme on dit.

Enfin, le management qui ne comprend plus les délais est peut-être le point le plus usant au quotidien. Une fonctionnalité qui demandait des semaines de travail se heurte maintenant à la même question, en boucle : « avec l’IA tu ne peux pas nous faire ça en une demi-journée ? » Ou encore, « J’ai vu un mec sur X/LinkedIn qui a fait toute l’appli en dix minute ». Ce que le management ne veut pas voir, c’est que la démo virale n’est qu’une coquille vide, incapable de tenir plus de quelques minutes face à de vrais utilisateurs, à de la charge réelle ou à un audit de sécurité. Devoir justifier en permanence pourquoi une fonctionnalité solide prend du temps face à ce fantasme est devenu une source d’épuisement à part entière.

Le prototype qu’on confond avec un produit

Il est désormais trivial de sortir un prototype visuellement abouti grâce à l’IA pour impressionner des investisseurs ou des clients et c’est tant mieux. Par contre, après l’effet d’annonce qui fonctionne, tout le monde jubile, jusqu’au moment où le projet atterrit chez l’équipe technique. Pour transformer ce château de cartes en produit stable, il faut souvent se creuser la tête pour tout reconstruire. Sauf que les parties prenantes, qui ont déjà vu le prototype « marcher », ne comprennent pas pourquoi ça prend du temps. L’équipe hérite d’une pression et d’une dette technique qu’elle n’a même pas créé.

Ma perception est que l’IA a surtout allégé le métier des tâches répétitives, sans tuer le plaisir de coder. Ce qui use vraiment le métier en ce moment, c’est la confusion généralisée entre la vitesse à laquelle on produit un POC et la qualité d’un système qui devra tourner en prod pendant des années. Le problème n’est d’ailleurs pas propre au code, on le voit avec le débat sur les mathématiques. Ce qui manque, c’est du temps de cerveau d’experts pour relire et valider ce que produit l’IA. Pourquoi on ne nous en laisse plus, c’est le sujet du prochain billet.

By tech