L’IA ne remplace pas les développeurs — elle déplace le métier (et fait exploser la facture)

Combien d’entreprises ont vraiment licencié à cause de l’IA en un an dans l’État de New York ? Une seule. Sur plus de 160 plans sociaux déclarés [1]. On nous vend le grand remplacement des développeurs ; les chiffres racontent une toute autre histoire — celle d’un métier qui se déplace, et d’une facture qui arrive.

Le mythe du licenciement-IA

Block, Snap, Intuit : en quelques mois, trois géants ont annoncé des coupes en pointant l’IA du doigt. Jack Dorsey a justifié 4 000 départs chez Block par une « nouvelle façon de travailler » [1]. Sauf que le reportage qui a suivi a révélé autre chose : une entreprise sous pression financière après avoir triplé ses effectifs pendant la pandémie. Une data scientist de Cash App a publiquement raconté avoir vu « très peu de gains de productivité » malgré une IA « enfoncée dans la gorge de tout le monde ».

Le motif se répète partout. 59 % des recruteurs américains admettent mettre l’IA en avant pour expliquer un gel d’embauche ou un licenciement, parce que ça passe mieux auprès des actionnaires que d’avouer des contraintes budgétaires [1]. Et le chiffre le plus parlant : dans la première année où New York a ajouté une case « IA » à ses déclarations de licenciement, pas une entreprise sur 160 ne l’a cochée. Soit 0,2 % des 25 000 personnes licenciées.

L’« AI washing » des plans sociaux est devenu un sport. Le grand remplacement n’a pas eu lieu — l’emploi des ingénieurs logiciels continue même de croître, juste un peu plus lentement.

Pourquoi le code n’a jamais été le goulot

Si l’IA est si forte en code et que personne n’est remplacé, c’est qu’on s’est trompé d’endroit. Le vrai travail d’ingénierie n’est pas l’écriture de code, c’est ce que l’essai de Normaltech appelle le « sandwich décider–exécuter–livrer » [1]. L’IA compresse spectaculairement la couche du milieu — l’exécution. Mais décider quoi construire, et assumer ce qu’on livre, résistent à l’automatisation. Et ce ne sont pas quelques points de capacité en plus qui y changeront grand-chose.

C’est exactement ce que développe Yusuf Aytaş quand il oppose le vibe coder à l’ingénieur logiciel [2]. La bonne métrique n’est pas le « time to first demo » — la vitesse à laquelle on passe de l’idée à l’appli. C’est le time to safe merge : le temps pour intégrer un changement de façon sûre dans une base de code partagée, avec sa relecture, ses tests, son rollback, sa coordination.

A vibe coder measures time to first working version. A software engineer measures time to safe merge.

Et là, la nuance devient tranchante : l’IA produit des completions, pas des décisions. Or une complétion ne peut pas porter le blâme.

Ownership is the third difference. A vibe coder can say the model generated it. A software engineer has to say, I own it.

L’output n’est pas le progrès. Si l’outil génère plus, l’humain doit contraindre plus — sinon le travail n’est pas économisé, il est juste repoussé en aval, là où la maintenance devient la corvée de quelqu’un d’autre.

La facture arrive

Pendant qu’on débat de qui remplace qui, l’addition tombe. Le CTO d’Uber l’a résumé en avril : « Je repars de zéro, parce que le budget que je pensais nécessaire est déjà pulvérisé » [3]. L’adoption de Claude Code y est passée de 32 % à 84 % des 5 000 ingénieurs en trois mois. Le budget IA annuel : cramé en quatre mois. Coût mensuel par ingénieur : entre 500 et 2 000 dollars.

La raison est structurelle. Un agent ne fait pas un appel, il en fait dix à vingt pour une seule tâche : il planifie, récupère du contexte, appelle des outils, valide, recommence. Résultat, les workflows agentiques consomment 5 à 30 fois plus de tokens qu’un simple chatbot [3]. Pire : 62 % de la facture d’inférence d’un agent vient du re-sent context — le modèle qu’on paie pour relire ce qu’il sait déjà. La déflation du coût du token ne sauvera personne : la consommation grimpe plus vite que le prix unitaire ne baisse.

C’est la même intuition que Wes McKinney revisite via The Mythical Man-Month : orchestrer un essaim d’agents ne supprime pas les vieux goulots — dérive d’architecture, scope creep, coordination — ça les amplifie [4]. L’agent-mois est aussi mythique que l’homme-mois.

Les limites techniques qu’on oublie de regarder

Il y a une raison technique à tout ça : la fameuse fenêtre de contexte géante est en grande partie un argument marketing. Il existe une « zone intelligente » où le modèle est affûté, et une « zone bête » au-delà d’environ 100k tokens, où l’attention décroche [5]. Peu importe qu’on vous vende 1M ou 2M de contexte : un agent de code y entre avant le déjeuner, après quelques lectures de fichiers et une longue session de debug. L’auto-compaction aide, mais elle se déclenche une fois qu’on est déjà dans la zone bête, et résume avec un modèle déjà dégradé.

Et pendant ce temps, hors de la bulle tech, l’adoption stagne. Environ 70 % de la population active américaine n’utilise pas l’IA [6]. Chez la Gen Z, pourtant la plus consciente de l’IA, l’adoption a plafonné — pendant que la colère envers l’IA bondissait de 40 % en un an. La réalité n’est pas « tout le monde utilise l’IA pour tout », c’est « certains utilisent l’IA pour certaines choses ».

Bottom line pour ceux qui dirigent

Mises bout à bout, ces données dessinent un métier qui ne disparaît pas — il monte d’un cran. L’ingénieur devient grutier : il ne pose plus chaque brique, il supervise, décide, contraint et reste responsable. Le craft ne s’efface pas, il se déplace vers la décision et l’ownership — précisément les deux couches que l’IA ne sait pas porter.

Pour un manager, ça change la question. Elle n’est plus « combien de postes l’IA va-t-elle supprimer ? » mais « mon organisation est-elle prête à payer la facture des tokens, à mesurer le time to safe merge plutôt que la démo, et à garder l’humain là où il décide et assume ? »

Si l’IA déplace le travail au lieu de le supprimer — où, dans votre équipe, est en train de migrer la responsabilité ?

---

Sources

1. Why AI hasn’t replaced software engineers, and won’t
2. Vibe Coder vs Software Engineer
3. The Bill Arrives: How to Manage Agentic AI Costs at Scale
4. The Mythical Agent-Month – Wes McKinney
5. Don’t trust large context windows
6. No, everyone is not using AI for everything.

Pour aller plus loin

• AI is code – and can’t be prompted into being smarter — un rappel salutaire que prompter plus fort ne rend pas un modèle plus intelligent.
• Claude Fable is relentlessly proactive — Simon Willison disséque le comportement « proactif » de la nouvelle génération d’agents, et ce que ça implique pour la supervision.
• Statement on the US government directive to suspend access to Fable 5 — l’actualité géopolitique qui rappelle que l’accès aux modèles frontière n’a rien d’acquis.
• Why a Computer Science Degree Still Opens Hidden Doors — un contrepoint utile au discours « plus besoin d’apprendre à coder ».

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.