Le code est gratuit. Ce qui coûte cher, c’est tout le reste.

Un CRM reconstruit en 8 heures. Une startup à 1,8 milliard avec deux employés. Du code en production pushé depuis un téléphone. Le code n’a jamais été aussi facile à produire — et pourtant, les équipes n’ont jamais autant galéré à maintenir ce qu’elles construisent. Où est passé le problème ?

Le code est devenu une commodity

Chez Marmelab, une développeuse a reconstruit 80 % d’un CRM existant en 8 heures avec un agent de codage — même UI, même logique métier, stack différente [1]. Le code est propre, les bonnes pratiques sont respectées. Il manque quelques fonctionnalités, quelques bugs — mais ça tourne. Coût total : un abonnement et une journée de travail. Pour un logiciel qui avait pris des mois à construire humainement.

« Reproducing existing software has become basically free. »

Gergely Orosz décrit la même bascule [2] : des centaines de lignes de code en production, pushées et mergées depuis son téléphone via Claude Code for Web. Pas du prototypage — du code réel, testé, déployé. Les modèles de fin 2025 ont déclenché ce qu’il appelle un “step change”. Et Matthew Gallagher l’illustre à l’extrême [3] : avec $20 000 et des outils IA, il a monté Medvi jusqu’à $1,8 milliard de CA projeté cette année. Avec son frère comme seul employé.

Des clones aux réimaginings

Drew Breunig observe que le développement agentique entre dans sa deuxième phase [4]. La première vague produisait des clones — des ports d’un langage à un autre, des reconstructions à partir de suites de tests existantes. Anthropic a écrit un compilateur C en Rust. Vercel a recréé Bash en TypeScript. On copiait du code existant, guidé par des spécifications et des tests.

La deuxième vague produit des réimaginings. On ne copie plus — on explore des designs alternatifs que personne n’aurait eu le temps d’essayer manuellement. Le “spec-driven development” permet aux agents de tester des hypothèses architecturales, pas juste de reproduire ce qui existe [4].

La dette invisible

Mais voilà le problème que personne ne voit venir. Le code est propre. Les tests passent. Et pourtant, personne ne comprend plus le système. Margaret-Anne Storey, chercheuse à l’Université de Victoria, propose un modèle de “triple dette” [5] :

• La dette technique vit dans le code — c’est celle qu’on connaît.
• La dette cognitive vit dans les personnes — c’est l’érosion de la compréhension partagée. Quand personne ne peut expliquer pourquoi le système est construit comme ça.
• La dette sociale vit dans les relations — c’est la perte de vocabulaire commun, de confiance et de coordination entre les membres de l’équipe.

L’IA accélère les trois simultanément. Le code AI-generated est souvent livré sans contexte — pas de trace du “pourquoi”, pas d’explication des contraintes qui ont guidé le design. Les développeurs qui ne comprennent plus le code qu’ils maintiennent hésitent à le modifier. Et les équipes qui s’appuient sur des agents sans processus de revue partagé perdent progressivement leur capacité à communiquer sur leur propre système [5].

Le contexte est le vrai goulot

C’est exactement le diagnostic que pose l’article “AI Coding Agents, Deconstructed” [6]. Le problème n’est jamais le modèle — c’est le système autour. Chaque action d’un agent vit dans une fenêtre de contexte. System prompt, input utilisateur, résultats d’outils, injections de skills — tout cohabite dans le même espace fini.

« Context is power, but context is finite. Too little and the agent can’t connect the dots. Too much and the important stuff drowns. »

La tension est fondamentale : trop peu de contexte et l’agent perd le fil, trop et il noie l’essentiel. L’article propose un framework en quatre éléments — constitution, spécifications, plans, tâches — pour structurer ce que l’agent sait, peut faire, et dans quelles limites. La compétence critique n’est plus d’écrire du code — c’est de designer les systèmes qui encadrent les agents qui écrivent le code [6].

Le goulot s’est déplacé vers le test

Simon Willison confirme sur le podcast de Lenny Rachitsky [7] : le goulot d’étranglement a migré du code vers le test. Quand produire du code ne coûte presque rien, vérifier qu’il fonctionne correctement devient le vrai travail. Sa capacité à estimer la durée d’un projet logiciel est, selon ses propres mots, “cassée” — les petites tâches prennent 10 minutes au lieu de 2 heures, mais les grosses restent imprévisibles.

Et surtout : il est désormais plus difficile d’évaluer du logiciel. Quand n’importe qui peut produire du code fonctionnel, comment distinguer le robuste du fragile ? La compétence d’ingénierie — comprendre les systèmes, anticiper les edge cases, structurer pour le changement — n’a jamais été aussi nécessaire [7].

Le mot de la fin

Le code gratuit ne rend pas les développeurs obsolètes — il déplace la valeur. De l’écriture vers la compréhension. Du “comment” vers le “pourquoi”. De la production vers la vérification. La vraie question pour 2026 n’est pas “qui écrit le code ?” mais “qui comprend encore le système ?”

Sources

1. Software Developers Will Never Die
2. When AI writes almost all code, what happens to software engineering?
3. How A.I. Helped One Man (and His Brother) Build a $1.8 Billion Company
4. The 2nd Phase of Agentic Development
5. RDEL #137: What kinds of new debt are teams accumulating with AI?
6. AI Coding Agents, Deconstructed
7. Highlights from my conversation about agentic engineering on Lenny’s Podcast

Pour aller plus loin

• The Skill of Using AI Agents Well — Un guide pratique sur comment utiliser efficacement les agents IA, entre stratégie de contexte et gestion des risques
• Open Models have crossed a threshold — LangChain montre que les modèles ouverts rivalisent désormais avec les modèles fermés sur les tâches agentiques
• Why we’re rethinking cache for the AI era — Cloudflare repense le caching CDN pour un web où 32 % du trafic est automatisé par l’IA
• Meet the software engineers who aren’t letting AI push them out — Comment les ingénieurs restent indispensables en doublant leurs compétences en product sense et architecture

Cet article a été rédigé en m’appuyant sur une IA pour m’aider à synthétiser et structurer ma veille. Les idées, le choix des sources et la relecture restent les miens.