Que vaut un dev en 2026 ?

Et si la valeur du développeur aujourd'hui ne se trouvait plus dans le code ?

Qu'est-ce qui le différencie ? Qu'est-ce qui peut faire de lui un "meilleur" développeur ?

Si vous pensez qu'il n'y a pas de réponse à cette question, détrompez vous.

Anthropic et OpenAI revendiquent aujourd'hui un code 100% créé à l'aide de l'IA.

Sur le blog de Google, Sundar Pichai annonce quant à lui 75% pour ses équipes.

Et là, on parle de Google et pas de la startup Tartampion du coin.

Donc, la question qu'on se pose tous, comment évalue t-on les devs si ce n'est par le code ? Puisque le code est généré par IA.

La qualité des prompts

Le prompt a t-il réellement un impact sur le résultat ?

Oui, totalement.

Je dirais même que l'idéal aujourd'hui: c'est de considérer l'IA comme un enfant qui n'a pas encore tout assimilé et qui continue d'apprendre.

Maintenant, si vous avez besoin de lui pour une tâche, vous devez apprendre à lui transmettre suffisamment d'éléments pour qu'il soit capable de le faire immédiatement.

Et c'est ça l'art du prompt engineering.

Si dès aujourd'hui vous constatez que l'IA n'agit pas comme vous le voulez, à tous les coups vous ne lui fournissez pas suffisamment d'éléments pour faire la tâche correctement.

Pour bien prompter il faut:

• Expliquer la tâche
• Donner un exemple de résultat qu'il est censé fournir
• Lister les règles à respecter
• Lister les contre-indications ou interdictions

Si en tant que dev, vos prompts ressemble à:

"Fais moi un composant UserForm" ne vous étonnez pas du résultat.

L'idéal est de faire une règle que vous donnez en début de contexte pour ne plus y revenir:

"Quand tu fais des formulaires, utilise react-hook-form, zod pour la validation. Evite le state en local dans le composant..."

En gros, il faut du détail, et c'est ici que votre expérience doit ressortir.

Le premier prompt est un prompt que n'importe quel étudiant de première année va rédiger, le second est un prompt d'un développeur qui a déjà codé des interfaces et qui sait pourquoi il faut passer par certaines technos et interdire certaines approches.

Travailler son prompt

Il vaut mieux passer 1h à rédiger un prompt solide qui encadre l'exécution que d'y aller en YOLO et devoir y revenir plus tard.

Non seulement, la seconde approche peut coûter très cher en tokens, mais elle peut également casser la structure de votre repository.

Si vous avez déjà commencé à aller dans une direction, le fait d'avoir laissé le champ libre à l'IA est une grosse erreur.

J'ai passé des jours à revenir sur du code mal fait à cause de prompts pas suffisamment précis. Enormément de tokens cramés avec les fenêtres de limitations, c'est du temps perdu.

Faut-il pour autant créer systématiquement des skills ?

Je n'irai pas jusqu'à dire qu'il faut obligatoirement des skills pour encadrer vos IA.

Le problème c'est que les langages et technos étant des outils, ils ne conviennent pas à tous les besoins.

Ce n'est pas comme si on codait tous les projets avec toujours exactement les mêmes dépendances.

C'est pourquoi, je préfère stocker mes prompts dans des notes plutôt que dans des skills. Et si je fais des skills, ces derniers sont souvent locaux à mes projets.

Les IA vont-ils évoluer encore et encore ?

Miser sur l'évolution continue des IA pour compenser des prompts maigres, c'est tout sauf fiable.

Premièrement, je ne crois pas en un modèle d'IA qui ne fait que grossir sans limite à chaque itération.

Cette approche est impossible à servir de manière indéfinie pour toujours plus d'utilisateurs. On est limité par design.

En revanche, je pense qu'un model de plus en plus smart, compact et doté de compréhension c'est possible. Il sera probablement même, de plus en plus décentralisé.

Donc le futur ressemblera de moins en moins en un super datacenter qui distribue un model de plusieurs téra-paramètres, mais plutôt à plusieurs petits models connectés de manière à former une super intelligence.

Et l'humain là dedans jouera le rôle d'orchestrateur et de transmetteur.

Car ce dernier devra être capable de passer les règles et les compétences à de nouveaux models qui seront de plus en plus livrés avec moins de savoir pré-établis mais plutôt une capacité d'apprentissage.

Enfin, attendre une hypothétique évolution des modèles à venir, c'est parier sur l'inconnu et se passer d'outils qui sont, au moment où l'on parle, déjà suffisamment puissants pour faire votre travail de dev.