Quand les gens découvrent le code avec l'IA

L’IA est probablement l’outil le plus marquant de ces dernières années.

Contrairement à la blockchain, très intéressante sur le plan théorique mais limitée à des cas d’usage spécifiques, l’IA est immédiatement exploitable et s’intègre dans presque tous les domaines.

En développement logiciel, son impact est déjà majeur.

L’IA abaisse la barrière d’entrée… mais pas la complexité

L’un des effets les plus visibles de l’IA est la réduction drastique de la barrière à l’entrée.

Aujourd’hui, il est possible de :

• générer une application web
• connecter une API
• déployer un projet simple

sans réelle expérience préalable.

Mais cela crée une illusion dangereuse : la capacité à produire du code n’est pas équivalente à la capacité à concevoir un système.

L’effet Dunning-Kruger amplifié par l’IA

Ce phénomène n’est pas nouveau, mais l’IA l’accélère fortement.

Un débutant peut désormais :

• produire du code fonctionnel rapidement
• obtenir des résultats visibles
• contourner les premières difficultés

Ce qui crée une perception erronée de compétence.

En réalité :

• la compréhension des abstractions reste faible
• les compromis techniques sont ignorés
• la complexité est simplement masquée

Le problème n’est pas que ces profils produisent du code, c’est qu’ils ne savent pas évaluer la qualité de ce qu’ils produisent.

Dans la pratique, l’IA permet d’accélérer massivement le développement.

Sur plusieurs projets complets, on observe un schéma récurrent :

• 80–90 % du code est généré rapidement
• 10–20 % concentre la majorité de la difficulté réelle

Ces 10–20 % incluent :

1. Architecture

• structuration du code
• découplage des composants
• gestion des dépendances

2. Maintenabilité

• lisibilité
• cohérence globale
• dette technique

3. Scalabilité

• gestion de la charge
• optimisation des performances
• choix d’infrastructure

4. Debugging avancé

• erreurs non triviales
• comportements émergents
• interactions complexes

5. Qualité et sécurité

• tests
• edge cases
• vulnérabilités

Et c’est précisément là que l’IA atteint ses limites sans supervision experte.

Le piège du “vibe coding”

Une tendance actuelle consiste à générer du code sans réelle compréhension :

• prompts vagues
• absence de validation
• aucune relecture critique

Résultat :

Un système qui fonctionne en surface, mais qui reste fragile.

Les problèmes typiques incluent :

• duplication de logique
• architecture chaotique
• dépendances inutiles
• failles de sécurité

Le danger n’est pas immédiat, il apparaît à l’échelle.

Peut-on se passer des développeurs ?

Pour des projets simples : oui.

Pour des MVP rapides ou des outils internes, l’IA peut suffire.

Mais ces projets ont une caractéristique commune : ils sont facilement reproductibles.

Aucune barrière à l'entrée, donc pour vos concurrents aussi.

Dès que les enjeux augmentent :

• complexité fonctionnelle
• contraintes techniques
• exigences de fiabilité

le besoin en expertise redevient central.

Un bon test "hardcore" pour l'IA

Reproduire un logiciel complexe (type Photoshop), en Rust, multi-plateforme, avec un niveau de qualité production, uniquement avec de l’IA.

Aujourd’hui, c’est irréaliste sans expertise avancée.

Non pas parce que l’IA est faible, mais parce que :

• la coordination du système est trop complexe
• les décisions techniques ne sont pas automatisables
• la validation demande une compréhension profonde

Conclusion

L’IA ne remplace pas les développeurs.

Elle :

• accélère l’exécution
• réduit certaines frictions
• augmente la productivité

Mais elle ne remplace pas :

• la conception
• le jugement technique
• la maîtrise de la complexité

Elle transforme le métier, elle ne le supprime pas.