🕘2026.08.21
présent
et futur
Le métier de développeur.euse informatique est en plein changement… et pas dans le bon sens. Le développement de logiciel est sans doute l’un des domaines dans lesquels les IAs génératives rencontrent le plus de succès, en tout cas en terme d’adoption volontaire. Le résultat de cette collaboration enthousiaste entre les développeur.euses et les “agents” n’est cependant pas un franc succès. Si l’IA fonctionnait à la hauteur du “hype”, les logiciels aujourd’hui devraient augmenter rapidement en qualité et en capacités. En pratique, on observe tout le contraire: les bugs se multiplient, l’infrastructure logicielle s’effrite.
Les dégâts sont importants pour les logiciels, ils le sont aussi pour les développeur.euses.
La tentation est forte pour celles et ceux qui apprennent à programmer. Lorsque la frustration monte face à un bug qui semble insurmontable, ou face à un problème pour lequel on ne voit juste pas la solution, Claude et ses amis sont à portée de clavier. Faire appel à eux, bien souvent, nous donne l’impression d’aller de l’avant. Le bug est résolu! Le code compile! La fonctionnalité est là, elle fonctionne! L’apprentissage, par contre, passe à la trappe.
Utiliser l’IA est un piège. En échange d’une impression de capacités décuplées à court terme, on se prive de croissance personnelle… et on se rend dépendant aux méga-sociétés qui délivrent au rabais les précieux tokens qui nous donnent accès aux outils qui deviennent vite indispensable pour gérer un code dont on perd rapidement la maîtrise.
Et lorsque demain, après-demain, bientôt, la bulle spéculative explosera (enfin!), les prix des tokens vont flamber, pour les services qui survivront. Laissant derrière eux des logiciels impossible à manipuler par des humains, qui de toute façon n’ont plus les compétences pour.
Quand bien même les outils d’IA générative fonctionneraient aussi bien qu’ils le prétendent, je ne les utiliserais pas. Parce que je suis fondamentalement opposé au projet de société techno-féodal, et à la construction massive de data centers qui consomment toute l’électricité qu’on devrait cesser de produire pour respecter nos engagements climatiques. Et parce que j’accorde de la valeur aux compétences que j’ai acquises, et que je continue à acquérir, en écrivant mon code et mes textes moi-même.
J’ai énormément appris l’an dernier en préparant des cours sur des technologies et concepts que je ne maîtrisais pas nécessairement pleinement au départ: Typescript, les structures de données en Java, PostgreSQL… Je prépare pour l’instant un cours de machine learning où, même si c’est “mon” domaine d’expertise, je continue à découvrir des nouvelles choses, ou des nouvelles manières de faire les choses.
Cet apprentissage vient souvent de mes moments de blocage. Lorsque je n’arrive pas à faire quelque chose, lorsque je butte sur un problème, c’est invariablement un signe qu’il y a Quelque Chose que je n’ai pas compris. Une faille dans mon modèle mental. Si je laisse Claude résoudre le blocage, je passerai probablement outre, et mon modèle mental restera incomplet et inexact. Et les choses que je savais quitteront progressivement mon cerveau, car je n’aurai plus besoin de les utiliser. J’aime autant éviter.
Sans compter que j’aime programmer, en fait. Si c’est pour me transformer en machine à prompter, je préfèrerais clairement faire autre chose. Heureusement, l’option de ne pas utiliser l’IA est bien présente, et même assez facile à appliquer. Et moins coûteuse.