La version populaire de l'histoire sur l'IA et l'ingénierie logicielle est rassurante : les outils élèvent tout le monde, le junior écrit du code de niveau senior, et le terrain de jeu se nivelle. C'est une belle histoire. C'est aussi, la plupart du temps, l'inverse de la réalité. L'IA ne réduit pas l'écart entre ingénieurs. Elle le creuse — parce que ce qu'elle récompense le plus est précisément la seule chose qu'elle ne peut pas vous donner : le jugement sur les raisons pour lesquelles vous faites tout cela.
L'inversion
Une grande partie de ce que nous appelons les bonnes pratiques est en réalité une adaptation aux limites humaines. Nous gardions les fonctions courtes parce qu'une personne ne peut retenir qu'une quantité limitée d'informations en tête. Nous étions disciplinés sur le fait de ne pas nous répéter, en partie parce que modifier la même chose à cinq endroits à la main est une façon courante d'introduire des bugs. Nous documentions les choses parce que la mémoire humaine est faillible. Ce sont de bonnes règles — mais des règles façonnées par le coût qu'implique le fait d'être un humain devant un clavier.
L'IA change ces coûts. Lorsqu'un agent peut lire une base de code entière en quelques secondes, refactoriser de façon atomique un motif dupliqué à travers quarante fichiers, et ne jamais oublier où se trouve quoi que ce soit, certaines de ces anciennes contraintes cessent tout simplement de s'appliquer. L'économie qui produisait la règle s'est inversée, et discrètement, certaines règles se sont inversées avec elle. Pas toutes — mais suffisamment pour que « on a toujours fait comme ça » ne soit plus un réflexe fiable.
L'écart de raisonnement
C'est là que l'écart se creuse. Deux ingénieurs connaissent tous deux la règle « ne vous répétez pas » (DRY). L'un sait pourquoi : que la duplication est dangereuse principalement parce qu'elle finit par diverger lorsqu'on modifie une copie en oubliant les autres, et que la règle porte en réalité sur un risque de maintenance, et non sur la simple existence de deux blocs similaires. L'autre connaît seulement la règle.
Placez les deux dans un monde où une IA peut retrouver et mettre à jour instantanément et de façon fiable chaque copie d'un motif. Le premier ingénieur peut se demander si la règle s'applique encore ici, et à quel moment la duplication devient désormais moins coûteuse que la mauvaise abstraction. Le second ne peut que réciter la règle. Quand le terrain change, la compréhension permet de redériver la bonne réponse ; la mémorisation vous laisse seulement défendre une règle dont la raison d'être s'est évaporée.
C'est cela, l'écart de raisonnement, et l'IA y met le feu aux poudres. L'ingénieur qui a compris les compromis obtient un multiplicateur de puissance. Celui qui a mémorisé les conclusions obtient un outil sûr de lui pour produire plus rapidement davantage de réponses d'hier.
Pas seulement moins productif — un bilan net négatif
Ce ne serait qu'un moindre mal si l'ingénieur en dessous de la barre était simplement moins productif. La vérité plus dure est que, dans un environnement qui évolue rapidement, il peut devenir un poids net pour l'équipe. Il freine les bons changements en invoquant la tradition — « ce n'est pas comme ça qu'on fait ici » — sans pouvoir dire si cette tradition a encore un sens. Il génère des frictions, révise par réflexe et ancre les discussions à des règles qui ne se justifient plus. Le coût n'est pas seulement le travail qu'il ne fait pas ; c'est aussi le frein qu'il impose à tous ceux qui raisonnent autour de lui.
Le mythe de la démocratisation
C'est pourquoi « l'IA démocratise le développement logiciel » n'est vrai qu'à moitié. Oui, le plancher de ce qui est possible a monté : quelqu'un qui ne pouvait rien livrer du tout peut désormais livrer quelque chose. Mais la valeur du jugement a augmenté plus vite encore. Les outils d'IA sont les plus précieux pour les personnes qui savent déjà ce qu'elles font, car ce sont elles qui peuvent distinguer quand l'outil a raison, quand il a tort avec assurance, et quand la situation a suffisamment changé pour que l'ancienne réponse ne tienne plus. Un outil qui vous amplifie ne vaut que ce que vaut ce qu'il amplifie.
Il n'y a pas de nouvelle normalité
L'instinct est d'attendre que les choses se stabilisent — d'apprendre les nouvelles bonnes pratiques, puis de s'y installer confortablement. Mais les capacités progressent trop vite pour cela. Tous les quelques mois, une contrainte qui façonnait notre façon de travailler se relâche à nouveau, et un nouveau lot de sagesse reçue expire discrètement. Il n'existe pas de nouvelle normalité stable à mémoriser. Ce qui compte n'est pas où vous en êtes aujourd'hui, mais la vitesse à laquelle vous pouvez redériver la bonne réponse lorsque le terrain bouge à nouveau — et cela relève de la compréhension, non du manuel de règles que vous avez appris par cœur.
C'est aussi l'argument sincère en faveur du maintien d'un humain fermement dans la boucle, et c'est ainsi que nous avons conçu TaskGoblin. L'agent écrit le code et relit la merge request, mais il ne l'approuve jamais et ne la fusionne jamais lui-même — car le jugement sur la question de savoir si un changement est réellement pertinent pour ce système, à cet instant précis, est exactement la partie qui ne s'automatise pas. L'agent élève le plancher de ce qui est produit. Décider de ce que le système doit être reste votre rôle, et il n'a jamais eu autant de valeur.
Où vous situez-vous ?
Voici un test que vous pouvez appliquer à vous-même. Choisissez une pratique que vous suivez — DRY, fonctions courtes, tests exhaustifs, peu importe. Pouvez-vous expliquer la contrainte à laquelle elle répondait à l'origine ? Et pouvez-vous dire honnêtement si cette contrainte s'applique encore maintenant qu'une IA effectue une partie du travail ? Si oui, tout ira bien pour vous ; vous continuerez à redériver de bonnes réponses à mesure que les outils évolueront. Si tout ce que vous pouvez avancer, c'est que c'est la règle, il convient d'y prêter attention — car le niveau plancher continue de monter, et la distance entre réciter les règles et les comprendre est exactement la distance qui se creuse.
