<h2 class="wp-block-heading">Les LLM menacent-ils vraiment le métier de développeur ? Décryptage d&rsquo;un débat qui secoue la communauté tech</h2>



<p class="wp-block-paragraph">Le 6 juin 2026. Un ingénieur logiciel publie un article de blog. Pas sur un grand média tech. Pas dans une revue académique. Sur une plateforme minimaliste appelée Bearblog, sous le pseudonyme <em>human-in-the-loop</em>. L&rsquo;article s&rsquo;intitule : <em>« Les LLM érodent ma carrière d&rsquo;ingénieur logiciel et je ne sais pas quoi faire. »</em></p>



<p class="wp-block-paragraph">En 24 heures : <strong>plus de 1 000 commentaires sur Hacker News</strong>. Des centaines de partages sur LinkedIn, X, et Bluesky. Un fil de discussion qui déborde de témoignages, de contre-arguments, d&rsquo;analyses, de colère parfois, d&rsquo;angoisse souvent.</p>



<p class="wp-block-paragraph">Ce n&rsquo;est pas le premier article qui explore le sujet. Mais quelque chose dans celui-là a touché un nerf à vif. Peut-être sa sincérité. Peut-être le profil de son auteur : dix ans d&rsquo;expérience, spécialiste reconnu, pas un développeur junior en début de carrière qui s&rsquo;inquiète de ne pas trouver son premier emploi. Un professionnel accompli qui confesse, publiquement, qu&rsquo;il ne sait plus quelle valeur il apporte.</p>



<p class="wp-block-paragraph">Ce débat mérite d&rsquo;être décrypté. Parce qu&rsquo;il ne se résume pas à une question technique. Il touche à quelque chose de bien plus profond : <strong>ce qui donne de la valeur à un expert, et ce qui se passe quand cette valeur est soudainement rendue accessoire</strong>.</p>



<h2 class="wp-block-heading">Les bases : qu&rsquo;est-ce qu&rsquo;un LLM et pourquoi ça change tout pour les développeurs ?</h2>



<p class="wp-block-paragraph">Avant d&rsquo;aller plus loin, posons quelques définitions pour les lecteurs qui ne baignent pas dans le jargon tech.</p>



<h3 class="wp-block-heading">LLM : le moteur de la révolution du code</h3>



<p class="wp-block-paragraph">Un <strong>LLM</strong> (Large Language Model : grand modèle de langage) est un système d&rsquo;intelligence artificielle entraîné sur des volumes astronomiques de texte — et notamment, pour les modèles orientés code, sur des milliards de lignes de code provenant de GitHub, Stack Overflow, de la documentation technique et de tutoriels.</p>



<p class="wp-block-paragraph">Claude, GPT-5.5, Gemini, Llama, ce sont tous des LLMs. Ce qu&rsquo;ils font avec du code est remarquable : ils comprennent les instructions en langage naturel, génèrent du code fonctionnel, expliquent des erreurs, réécrivent des fonctions, et proposent des architectures entières.</p>



<h3 class="wp-block-heading">GitHub Copilot, Claude Code, Codex : les outils qui ont changé le quotidien</h3>



<p class="wp-block-paragraph">La révolution ne vient pas des modèles seuls, mais des <strong>outils qui les intègrent directement dans l&rsquo;environnement de travail des développeurs</strong> :</p>



<ul class="wp-block-list">
<li><strong>GitHub Copilot</strong> : directement dans l&rsquo;éditeur de code (VS Code, JetBrains&#8230;), il complète le code en temps réel, propose des fonctions entières sur la base d&rsquo;un commentaire, et répond à des questions en langage naturel.</li>



<li><strong>Claude Code</strong> : un agent de terminal qui peut lire l&rsquo;intégralité d&rsquo;un dépôt de code, exécuter des commandes, corriger des bugs, écrire des tests, et même déployer des applications.</li>



<li><strong>OpenAI Codex</strong> : similaire, avec une intégration profonde dans les workflows d&rsquo;entreprise.</li>
</ul>



<p class="wp-block-paragraph">Selon une étude récente, <strong>plus de 85 % des développeurs utilisent au moins un outil d&rsquo;IA générative chaque semaine</strong>. Ce n&rsquo;est plus un phénomène de niche. C&rsquo;est le nouveau standard.</p>



<h2 class="wp-block-heading">Le témoignage qui a tout déclenché : trois piliers qui s&rsquo;effondrent</h2>



<p class="wp-block-paragraph">L&rsquo;article de <em>human-in-the-loop</em> est une confession structurée et lucide. Son auteur, développeur backend avec dix ans d&rsquo;expérience, spécialisé dans la finance, les paiements et la comptabilité en partie double, décrit comment, une à une, les compétences qui constituaient son avantage compétitif ont été avalées par les LLMs.</p>



<h3 class="wp-block-heading">Pilier 1 : La connaissance domaine, le premier à tomber</h3>



<p class="wp-block-paragraph">L&rsquo;auteur avait construit sa carrière sur une expertise rare et laborieusement acquise : les systèmes de paiement, la conformité PCI, les dépôt fiduciaire, l&rsquo;idempotence des transferts bancaires, les cycles de vie des paiements. Des connaissances qui s&rsquo;accumulent sur des années de pratique dans des domaines ultra-spécialisés.</p>



<p class="wp-block-paragraph">Sa première mission dans sa nouvelle entreprise : réécrire un système de paiement legacy. Un travail pour lequel on l&rsquo;avait précisément recruté.</p>



<p class="wp-block-paragraph">Son manager lui demande d&rsquo;utiliser l&rsquo;IA pour accélérer la rédaction des documents de conception. Il s&rsquo;y résout. Et là, le choc.</p>



<p class="wp-block-paragraph"><em>« Toute la connaissance que j&rsquo;avais accumulée au fil des ans : les compromis entre les implémentations, comment structurer l&rsquo;idempotence pour prévenir les doubles débits, était en train de devenir inutile. Même si les modèles avaient encore besoin de quelques orientations, ils pouvaient connecter les points pour structurer de tels systèmes, ce qui était la partie la plus difficile. »</em></p>



<p class="wp-block-paragraph">Ce que des humains mettent des années à apprendre comme lire des dizaines de livres, pratiquer dans des projets réels, faire des erreurs coûteuses, est maintenant dans les données d&rsquo;entraînement des modèles. Et les modèles peuvent mobiliser ces connaissances en quelques secondes, à la demande.</p>



<p class="wp-block-paragraph"><strong>Ce n&rsquo;est pas que les LLMs « savent » tout.</strong> Mais ils savent suffisamment pour guider une implémentation compétente dans la plupart des domaines bien documentés. Et dans le monde hyper-documenté du développement logiciel, presque tout est bien documenté.</p>



<h3 class="wp-block-heading">Pilier 2 : Le débogage et les systèmes distribués, la chute la plus brutale</h3>



<p class="wp-block-paragraph">L&rsquo;auteur avait un plan B. Si les LLMs peuvent gérer la conception et la documentation, ils ne peuvent sûrement pas gérer le vrai travail de détective que représente le débogage en production.</p>



<p class="wp-block-paragraph">Déboguer des race conditions dans des systèmes distribués : ces bugs qui n&rsquo;apparaissent qu&rsquo;en production, sous certaines conditions de timing impossible à reproduire en développement, c&rsquo;est une compétence qui se développe sur des années. Une intuition. Une façon de lire des logs, de reconnaître des schémas, de savoir où chercher quand rien d&rsquo;évident n&rsquo;est visible.</p>



<p class="wp-block-paragraph"><em>Sauf que.</em></p>



<p class="wp-block-paragraph">L&rsquo;auteur décrit l&rsquo;évolution des modèles au cours des derniers mois avec une précision qui donne froid dans le dos pour ceux qui se reconnaissent dans ce tableau :</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph">Claude 4.5 résolvait environ 60 % des bugs. Claude 4.6, 4.7, Opus 4.8, GPT-5.5 combinés au DataDog MCP (une intégration qui connecte directement les logs d&rsquo;observabilité au modèle) maintenant <strong>90 % des bugs</strong>, y compris des bugs de race condition complexes, des cas limites inattendus, des problèmes d&rsquo;intégration avec des APIs tierces.</p>
</blockquote>



<p class="wp-block-paragraph">Un bug qui aurait pris deux jours de travail intense à un ingénieur senior, une seule requête au modèle. Avec le contexte approprié, un lien Sentry, les logs DataDog, la description du comportement attendu le modèle trouve la cause, propose le correctif, et raisonne sur les effets secondaires potentiels.</p>



<p class="wp-block-paragraph"><em>« Je suis encore employable parce que quelqu&rsquo;un doit vérifier le code et orienter le robot. Mais je suis juste un autre ingénieur standard maintenant. »</em></p>



<h3 class="wp-block-heading">Pilier 3 : La qualité du code et l&rsquo;architecture, le dernier rempart&#8230; qui s&rsquo;effrite aussi</h3>



<p class="wp-block-paragraph">Il restait une chose. Quelque chose que les LLMs font vraiment mal, au moins pour l&rsquo;instant : <strong>maintenir une architecture cohérente sur une grande base de code</strong>.</p>



<p class="wp-block-paragraph">Les agents IA laissés à eux-mêmes créent des dépendances circulaires. Dupliquent du code. Mélangent les responsabilités. Ignorent les principes SOLID. Produisent du code qui fonctionne mais qui est impossible à maintenir.</p>



<p class="wp-block-paragraph">C&rsquo;est là qu&rsquo;un développeur expérimenté avec une sensibilité pour l&rsquo;architecture apporte une valeur irremplaçable. Ou du moins, c&rsquo;est ce que l&rsquo;auteur pensait.</p>



<p class="wp-block-paragraph">Sauf que l&rsquo;industrie est en train de décider que <strong>le code n&rsquo;a plus besoin d&rsquo;être lisible par des humains</strong>. Il est fait pour être traité par des LLMs. Une codebase notée C ou D, qui serait autrefois inacceptable, est maintenant <em>suffisante</em>, parce que le prochain agent IA à travailler dessus peut reconstruire le contexte à partir du chaos.</p>



<p class="wp-block-paragraph">Cette réduction du jugement architectural à un simple concept de <em>« goût »</em> est vécue comme une dévalorisation profonde d&rsquo;une expertise construite sur des années.</p>



<h2 class="wp-block-heading">Ce que disent les données au-delà des témoignages individuels</h2>



<p class="wp-block-paragraph">Le témoignage de <em>human-in-the-loop</em> est personnel. Mais il s&rsquo;inscrit dans un contexte documenté.</p>



<h3 class="wp-block-heading">Le paradoxe de la productivité METR</h3>



<p class="wp-block-paragraph">En <strong>février 2026</strong>, le laboratoire de recherche en IA METR (Model Evaluation &; Threat Research) a publié un résultat surprenant. Après avoir tenté de reproduire une étude de 2025 mesurant les gains de productivité des développeurs avec IA, ils ont découvert quelque chose d&rsquo;imprévu : <strong>la plupart des développeurs refusent de travailler sans IA, même pour un nombre limité de tâches, même dans le cadre d&rsquo;une étude</strong>.</p>



<p class="wp-block-paragraph">Cette dépendance structurelle est en elle-même un signal. Elle suggère que les développeurs ont intégré l&rsquo;IA non pas comme un outil optionnel, mais comme une prothèse cognitive dont l&rsquo;absence crée une friction psychologique réelle.</p>



<p class="wp-block-paragraph">Et l&rsquo;étude originale de 2025 avait révélé quelque chose d&rsquo;encore plus troublant : bien que les développeurs <em>rapportaient</em> que l&rsquo;IA les rendait plus productifs, les mesures objectives montraient qu&rsquo;ils n&rsquo;étaient pas significativement plus rapides. La perception de gain de productivité et la réalité mesurée divergeaient.</p>



<h3 class="wp-block-heading">Le piège de la maintenance : la formule de James Shore</h3>



<p class="wp-block-paragraph">En <strong>mai 2026</strong>, James Shore, développeur et auteur reconnu, notamment de <em>The Art of Agile Development</em> a publié une analyse qui a rapidement fait le tour du web.</p>



<p class="wp-block-paragraph">Sa thèse, exprimée avec une clarté mathématique implacable :</p>



<blockquote class="wp-block-quote is-layout-flow wp-block-quote-is-layout-flow">
<p class="wp-block-paragraph"><em>« Vous écrivez du code deux fois plus vite maintenant ? Espérez avoir divisé par deux vos coûts de maintenance. Sinon, vous êtes piégé. Vous tradez un gain de vitesse temporaire contre un esclavage permanent. »</em></p>
</blockquote>



<p class="wp-block-paragraph">La logique est limpide une fois qu&rsquo;on la comprend. Chaque ligne de code écrite doit être maintenue : corrections de bugs, mises à jour de dépendances, refactorisation, adaptation à de nouveaux besoins. Si l&rsquo;IA multiplie par deux votre production de code sans réduire la complexité de maintenance dans la même proportion, vous doublez votre dette technique future.</p>



<p class="wp-block-paragraph">Les données empiriques sont préoccupantes :</p>



<ul class="wp-block-list">
<li><strong>44 % des tokens</strong> utilisés par les équipes servent à corriger des bugs générés par l&rsquo;IA (selon Aiswarya Sankar, CEO d&rsquo;Entelligence AI)</li>



<li>L&rsquo;outil de revue de code <strong>CodeRabbit</strong> a analysé des pull requests open source et conclu que le code IA produit <strong>1,7 fois plus de problèmes</strong> que le code humain</li>



<li>En <strong>avril 2026</strong>, des chercheurs de la Singapore Management University ont confirmé que <em>« le code généré par IA peut introduire des coûts de maintenance à long terme dans des projets logiciels réels »</em></li>
</ul>



<p class="wp-block-paragraph"><strong>Uber a épuisé son budget IA 2026 dès le mois d&rsquo;avril</strong> en quatre mois. Son COO a reconnu publiquement que cette dépense n&rsquo;avait pas produit d&rsquo;augmentation mesurable des projets livrés ni de la productivité. Ce n&rsquo;est pas un cas isolé.</p>



<h3 class="wp-block-heading">L&rsquo;enquête NYT : « les programmeurs programment à peine »</h3>



<p class="wp-block-paragraph">En <strong>mars 2026</strong>, le New York Times Magazine a publié un long reportage signé Clive Thompson, journaliste technologique et auteur de <em>Coders: The Making of a New Tribe</em>, après avoir interrogé plus de 70 développeurs chez Google, Amazon, Microsoft et dans des startups.</p>



<p class="wp-block-paragraph">Sa conclusion, volontairement provocatrice : les programmeurs de la Silicon Valley <em>« programment à peine »</em>.</p>



<p class="wp-block-paragraph">L&rsquo;essentiel de leur travail consiste désormais à :</p>



<ul class="wp-block-list">
<li>Décrire ce qu&rsquo;ils veulent obtenir en langage naturel.</li>



<li>Superviser l&rsquo;exécution des agents IA.</li>



<li>Valider et corriger les sorties.</li>



<li>Arbitrer les choix architecturaux quand le modèle propose plusieurs solutions.</li>
</ul>



<p class="wp-block-paragraph">Ce changement de nature du travail, de l&rsquo;exécution technique à la supervision et au jugement, est perçu très différemment selon les profils.</p>



<h2 class="wp-block-heading">Les deux camps du débat : ni tout blanc ni tout noir</h2>



<p class="wp-block-paragraph">Le fil Hacker News sur l&rsquo;article de <em>human-in-the-loop</em> a fait émerger deux positions assez clairement distinctes. Elles méritent d&rsquo;être exposées équitablement.</p>



<h3 class="wp-block-heading">Camp 1 : « L&rsquo;IA est un outil de productivité, pas une menace existentielle »</h3>



<p class="wp-block-paragraph">Ce camp bien représenté parmi les développeurs seniors qui utilisent les outils IA avec bonheur avance plusieurs arguments solides.</p>



<p class="wp-block-paragraph"><strong>L&rsquo;effet Excel :</strong> Quand Excel est apparu, les comptables n&rsquo;ont pas disparu. Ils ont simplement passé moins de temps à faire des calculs à la main et plus de temps à interpréter les chiffres, concevoir des modèles, conseiller les décisions. La valeur ajoutée s&rsquo;est déplacée, pas évaporée.</p>



<p class="wp-block-paragraph"><strong>La libération des tâches ingrates :</strong> Karim, développeur full-stack à Paris interviewé dans une analyse de l&rsquo;impact des LLMs sur le métier, témoigne : <em>« Comme je passe moins de temps sur le code redondant, j&rsquo;ai plus de temps pour apprendre de nouveaux concepts, explorer des architectures propres, et vraiment comprendre ce que je fais. L&rsquo;IA m&rsquo;a libéré du temps pour devenir un meilleur développeur. »</em></p>



<p class="wp-block-paragraph">Léa, lead dev dans une startup, va dans le même sens : <em>« Dans mon équipe, l&rsquo;IA est devenue un outil d&rsquo;intégration incroyable pour les juniors. Elle les débloque rapidement sur des questions simples, ce qui leur permet de monter en compétence plus vite. »</em></p>



<p class="wp-block-paragraph"><strong>Les nouveaux rôles qui explosent :</strong> Selon le PwC AI Jobs Barometer 2025, les architectes LLMOps et les spécialistes Security IA affichent une <strong>prime salariale de +56 %</strong> par rapport à leurs pairs sans compétences IA. Les emplois tech augmentés par l&rsquo;IA ont progressé de <strong>252 % en France</strong> entre 2019 et 2024.</p>



<h3 class="wp-block-heading">Camp 2 : « La dégradation des compétences est réelle et irréversible »</h3>



<p class="wp-block-paragraph">Ce camp, plus nuancé et souvent plus silencieux dans les médias grand public, pointe vers des problèmes structurels que l&rsquo;enthousiasme masque.</p>



<p class="wp-block-paragraph"><strong>La perte de compétences fondamentales :</strong> Si les juniors ne font jamais le travail pénible : déboguer sans aide, comprendre le comportement de la mémoire, lire des stack traces complexes, ils n&rsquo;accumulent pas les réflexes qui permettent de valider correctement le travail des agents. On ne peut pas superviser efficacement ce qu&rsquo;on n&rsquo;a jamais fait soi-même.</p>



<p class="wp-block-paragraph"><strong>Le <em>tokenmaxxing</em> et la pression économique :</strong> Dans de nombreuses entreprises, la pression pour utiliser l&rsquo;IA massivement crée un phénomène pervers : des développeurs qui génèrent du code à tout prix pour montrer leur productivité, sans nécessairement valider la qualité du résultat. Le code produit est plus abondant. Il n&rsquo;est pas nécessairement meilleur.</p>



<p class="wp-block-paragraph"><strong>L&rsquo;asymétrie de marché :</strong> Si les LLMs nivellent les compétences (un senior avec IA peut faire le travail de cinq mid-levels selon certaines estimations), la demande de développeurs pourrait chuter structurellement, non pas parce que les développeurs deviennent inutiles, mais parce qu&rsquo;il en faut <em>moins</em> pour produire la même quantité de logiciels.</p>



<p class="wp-block-paragraph">La donnée de <strong>PwC</strong> est frappante : <em>« les développeurs junior perdent 45 % de leurs tâches au profit des copilotes de code »</em>. Ce n&rsquo;est pas la même chose que de dire que les développeurs sont menacés, mais les parcours d&rsquo;entrée dans le métier sont clairement perturbés.</p>



<h2 class="wp-block-heading">La vraie question : qu&rsquo;est-ce qui reste irremplaçable ?</h2>



<p class="wp-block-paragraph">Après tout ça, une question s&rsquo;impose. Si les LLMs peuvent faire la conception, le code, le débogage, et que même l&rsquo;architecture devient une compétence dépréciée, qu&rsquo;est-ce qui reste ?</p>



<h3 class="wp-block-heading">Ce que les agents IA font encore très mal (en 2026)</h3>



<p class="wp-block-paragraph">La communauté Hacker News et les analyses récentes convergent sur plusieurs lacunes persistantes :</p>



<ul class="wp-block-list">
<li><strong>Comprendre le contexte organisationnel</strong> : qui décide quoi, quelles sont les contraintes politiques et budgétaires, quel est le niveau de risque acceptable pour cette organisation spécifique.</li>



<li><strong>Naviguer l&rsquo;ambiguïté des exigences</strong> : un actionnaire qui dit « je veux quelque chose de rapide et de fiable » ne sait pas lui-même ce que ça signifie précisément. Aider à clarifier cette ambiguïté reste une compétence humaine.</li>



<li><strong>Juger les conséquences à long terme</strong> : pas juste « est-ce que ce code fonctionne ? » mais « est-ce que ce choix technique va créer des problèmes dans deux ans ? ».</li>



<li><strong>La responsabilité et la confiance</strong> : un client signe un contrat avec un humain, pas avec un agent IA. La responsabilité légale, éthique, et relationnelle reste ancrée dans les relations humaines.</li>



<li><strong>La détection des hallucinations</strong> : un commentateur a souligné le cas d&rsquo;un LLM qui avait généré du code basé sur une mauvaise interprétation d&rsquo;une réglementation, avec une confiance totale et un avocat avait dû valider</li>
</ul>



<h3 class="wp-block-heading">Le « goût » comme compétence, vraiment une dévaluation ?</h3>



<p class="wp-block-paragraph">L&rsquo;auteur de l&rsquo;article original vit la réduction de son expertise architecturale au concept de <em>« goût »</em> comme une dévaluation. Mais plusieurs voix dans le débat proposent une lecture opposée.</p>



<p class="wp-block-paragraph">Le jugement esthétique et technique, savoir distinguer un bon code d&rsquo;un mauvais, une architecture maintenable d&rsquo;un désastre en sursis, une dette technique acceptable d&rsquo;une dette qui va paralyser l&rsquo;équipe dans six mois <strong>n&rsquo;est pas moins précieux parce qu&rsquo;on lui donne un nom moins technique</strong>. C&rsquo;est peut-être même le contraire.</p>



<p class="wp-block-paragraph">Si les LLMs produisent du code qui fonctionne mais qui pue architecturalement, quelqu&rsquo;un avec du <em>goût</em> et la légitimité pour imposer ses standards devient une ressource rare, pas courante.</p>



<h2 class="wp-block-heading">Les chiffres du marché : que disent vraiment les données d&#8217;emploi ?</h2>



<h3 class="wp-block-heading">Une tension entre deux signaux contradictoires</h3>



<p class="wp-block-paragraph">Le marché de l&#8217;emploi tech envoie simultanément deux signaux contradictoires en 2026 :</p>



<p class="wp-block-paragraph">D&rsquo;un côté, <strong>les offres d&#8217;emploi en développement sont en baisse</strong> dans certains segments. Amazon, Salesforce, et plusieurs autres grandes entreprises ont réduit leurs effectifs tech ces deux dernières années. Les startups embauchent moins de développeurs pour la même quantité de fonctionnalités produites.</p>



<p class="wp-block-paragraph">De l&rsquo;autre, <strong>les profils hybrides (développeurs + IA) voient leurs salaires exploser</strong>. Les architectes d&rsquo;agents, les spécialistes en sécurité des systèmes IA, les ingénieurs capables de concevoir des orchestrations multi-agents, ces profils sont activement chassés avec des rémunérations inédites.</p>



<p class="wp-block-paragraph">L&rsquo;auteur de l&rsquo;article original pointe quelque chose de juste : <em>« on nous a enseigné que les généralistes et les spécialistes auront toujours leur rôle. Mais maintenant le marché pousse tout le monde à devenir généraliste. Si tout le monde est généraliste, le prix d&rsquo;un généraliste baisse si la demande ne suit pas. »</em></p>



<h3 class="wp-block-heading">Le paradoxe Python</h3>



<p class="wp-block-paragraph">Une donnée particulièrement frappante de l&rsquo;analyse de MonJobEnDanger.fr 2026 : les développeurs Python, le langage dominant dans le monde de l&rsquo;IA, affichent <strong>69 % de risque de transformation de leur métier</strong>. Précisément parce que Python est le langage sur lequel les LLMs sont le mieux entraînés, et donc celui pour lequel la génération automatique est la plus fiable.</p>



<p class="wp-block-paragraph">Ceux qui maîtrisent le plus le langage de l&rsquo;IA sont paradoxalement les plus exposés à être remplacés par l&rsquo;IA pour les tâches qu&rsquo;ils maîtrisent.</p>



<h2 class="wp-block-heading">Ce que les développeurs peuvent faire</h2>



<p class="wp-block-paragraph">Pour les développeurs qui lisent cet article avec une certaine anxiété, voici quelques directions concrètes que les analystes et praticiens suggèrent.</p>



<h3 class="wp-block-heading">Investir dans les compétences que les LLMs ne peuvent pas acquérir facilement</h3>



<ul class="wp-block-list">
<li><strong>La connaissance du domaine métier de l&rsquo;utilisateur final</strong> :pas de l&rsquo;implémentation technique, mais de la réalité des professionnels que le logiciel sert : leurs contraintes réglementaires, leurs flux de travail, leurs priorités.</li>



<li><strong>La conduite de réunions et l&rsquo;animation de décisions</strong> : clarifier les exigences ambiguës, arbitrer les conflits entre parties prenantes, documenter les décisions avec leur contexte.</li>



<li><strong>La conception d&rsquo;évaluations et de tests</strong> : définir ce que <em>« fonctionne correctement »</em> signifie est une décision humaine que les LLMs ne peuvent pas prendre seuls.</li>
</ul>



<h3 class="wp-block-heading">Devenir un orchestrateur efficace plutôt qu&rsquo;un exécutant</h3>



<p class="wp-block-paragraph">La métaphore qui revient souvent : le développeur évolue du rôle de musicien à celui de chef d&rsquo;orchestre. Ce n&rsquo;est pas nécessairement une dégradation, un chef d&rsquo;orchestre n&rsquo;est pas moins qualifié qu&rsquo;un musicien, il est différemment qualifié.</p>



<h3 class="wp-block-heading">Développer une pensée critique sur les sorties IA</h3>



<p class="wp-block-paragraph">La capacité à identifier rapidement quand un output IA est techniquement plausible mais fondamentalement erroné : hallucination, mauvaise compréhension du contexte, code qui compile mais qui crée un bug subtil en production, est la compétence différenciante du développeur moderne.</p>



<h2 class="wp-block-heading">L&rsquo;inquiétude de <em>human-in-the-loop</em> est-elle fondée ou prématurée ?</h2>



<p class="wp-block-paragraph">Êtes-vous développeur ? Vivez-vous cette transition dans votre propre carrière ? Partagez-vous l&rsquo;anxiété de <em>human-in-the-loop</em>, ou êtes-vous de ceux qui voient l&rsquo;IA comme une libération plutôt qu&rsquo;une menace ?</p>



<p class="wp-block-paragraph">Et si vous n&rsquo;êtes pas développeur : en tant qu&rsquo;utilisateur de logiciels, manager, ou entrepreneur, comment percevez-vous cette évolution ? Êtes-vous inquiet de la qualité du code produit par des agents non supervisés ?</p>



<p class="wp-block-paragraph"><strong>Ce débat n&rsquo;a pas de réponse simple, et les meilleures analyses émergent souvent des échanges entre praticiens.</strong> Partagez votre perspective dans les commentaires.</p>



<p class="has-text-align-right wp-block-paragraph">Source : <a href="https://human-in-the-loop.bearblog.dev/llms-are-eroding-my-software-engineering-career-and-i-dont-know-what-to-do/">Bearblog</a></p>

Ce n'est pas la pomme de terre qui pose problème, c'est ce qu'on en fait…
Alerte Cybersécurité : Décryptage de la première attaque informatique 100 % automatisée par une IA…
Deux systèmes d'exploitation. Deux philosophies radicalement différentes. Un même objectif : protéger les données, la…