Ton code ne vaut plus rien (et c’est une bonne nouvelle)

Combien vaut ton heure de dev maintenant qu’une IA pond le même CRUD en trois minutes ?

Le marché est en train de répondre, et la réponse n’est pas tendre. Ce qu’on payait cher hier — la capacité à produire du code vite — devient une commodité. Ce qui devient rare, c’est autre chose. Et ce glissement va recoiffer toute la grille des compétences.

Le marché reprice, il ne disparaît pas

La meilleure analyse de la semaine ne parle pas de la mort du métier, mais de son repricing [1]. Pendant les années d’argent facile, les boîtes se battaient pour des généralistes capables de toucher à tout et de shipper vite. La largeur était une prime, parce que chaque ingénieur en plus augmentait le débit de features.

Les LLM n’ont pas tué le métier. Ils ont compressé le coût de l’implémentation [1]. Et ce qui a été touché en premier, c’est exactement ce qui était déjà standardisé : CRUD, glue code, scaffolding frontend, patterns d’architecture connus. Si ta valeur principale, c’est d’assembler des systèmes à partir de frameworks bien documentés, tu es désormais en concurrence avec un dev assisté par IA, un PM technique ou une équipe de deux personnes qui atteint le même résultat.

Le piège, c’est de tout mettre sur le dos de l’IA. Une partie de la correction, c’est juste la fin de l’argent gratuit [1]. Les deux arrivent en même temps. Le marché ne supprime pas le métier — il réévalue la couche du milieu, celle du débit d’implémentation.

Ce qui ne se teste pas devient la nouvelle prime

Si le débit se déprécie, qu’est-ce qui prend de la valeur ? Le goût. Le jugement. Les choses qu’on ne peut pas écrire dans un test unitaire [2].

Karl Tryggvason raconte avoir voulu enrichir son app de running avec des points d’intérêt générés par IA. Il pensait que l’IA serait la feature. Elle a fini dans un rôle de figuration, à côté du data processing classique, parce qu’un modèle qui hallucine ne sait pas ce qui mérite d’être montré [2]. Il note un point clé : maîtriser la plupart des technos d’un projet, c’est ce qui permet de piloter l’agent au lieu de suivre aveuglément ce qu’il propose.

C’est exactement la fracture que décrit Daniel Miessler : le monde se sépare en deux camps [3]. Ceux qui trouvent l’IA glauque ou bullshit et l’évitent. Et ceux qui s’en servent comme d’un outil essentiel, tissé dans tout ce qu’ils font.

Talking to someone who reads 20–50 good books a year is nothing like talking to someone who hasn’t read a book since school made them. Now take that gap and put an exponent on it.

La fracture AI-native, dit-il, c’est ce boost d’opportunité du gros lecteur, multiplié plusieurs fois [3]. Et ça ne concerne pas que les devs : il voit des gens totalement non techniques devenir radicalement plus productifs dès qu’ils sont “câblés” à l’IA.

Mais alors, comment on grandit ?

Là est le vrai vertige. Si l’IA absorbe les petites tâches et les bug fixes, elle absorbe aussi le terrain d’entraînement des juniors [4].

Pendant des décennies, le chemin était balisé : tu étais embauché junior, mis en binôme avec quelqu’un de plus expérimenté, et on te confiait des tâches qui existaient autant pour ton développement que pour le travail lui-même. Écrire du code, ouvrir une PR, recevoir du feedback qui te forçait à repenser ton approche, corriger, apprendre [4]. C’est par répétition et correction qu’on bâtissait le jugement — précisément la compétence qui sépare le senior du junior.

Si l’IA mange cette boucle d’apprentissage, d’où sortiront les seniors de 2035 ? La question n’a rien de théorique : la meilleure réponse, c’est de grandir en délibéré, en gardant la main sur les fondamentaux au lieu de déléguer le raisonnement [5].

Le nouveau métier : écrire des boucles

Et si la compétence premium de demain n’était plus de prompter, mais de concevoir des systèmes qui prompter à ta place ?

C’est le “loop engineering” [6]. Boris Cherny, à la tête de Claude Code chez Anthropic, le résume crûment : “Je ne prompte plus Claude. J’écris des boucles qui lancent des prompts, qui décident quoi faire. Mon job, c’est d’écrire les boucles.” Peter Steinberger dit la même chose : on ne prompte plus des agents, on conçoit des boucles qui promptent des agents [6].

Pendant deux ans, on tenait l’outil en main, tour après tour. Tu tapes, tu lis ce qui revient, tu re-tapes. Cette partie-là est en train de se terminer. Tu construis un petit système qui trouve le travail, le distribue, le vérifie, note ce qui a été fait, puis décide de la suite [6].

Le fil se boucle de lui-même : le débit se déprécie, le jugement et le goût montent, et la compétence qui reprend de la valeur, c’est d’orchestrer — pas d’exécuter.

Reste une question dérangeante. Si on confie aux machines la boucle qui formait nos juniors, qui aura encore le goût et le jugement pour écrire les bonnes boucles dans dix ans ?

---

Sources

1. Repricing of Software Engineering Labor
2. You can’t unit test for taste
3. The Coming Divide: AI-Native or Left Behind
4. Who will be the senior engineers of 2035?
5. Growing as an engineer in a world of AI
6. Loop Engineering

Pour aller plus loin

• No-One Escapes the Permanent Underclass — le scénario noir poussé à l’extrême : que reste-t-il quand l’IA fait tout le travail cognitif mieux que nous ?
• The AI era requires a different kind of experimentation — pourquoi l’expérimentation produit passe des petits tweaks aux gros paris quand le coût de build s’effondre.
• Writing my first evals — du concret pour piloter un agent : comment tester un outil IA dont la sortie change à chaque run.
• Scaling Laws, Carefully — pour comprendre la mécanique qui rend tout ça possible : ce que disent vraiment les lois d’échelle.

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.