L’IA qui code a gagné le débat. Maintenant vient la facture.

Quand Linus Torvalds répond aux anti-IA du kernel Linux par « Fork it. Or just walk away. » [1], on comprend qu’un cap a été franchi. La question n’est plus « est-ce que ça marche ». Elle est devenue : comment on fait tourner ça sans se faire déborder — ni ruiner ?

Le débat « est-ce que ça marche » est clos

Torvalds ne prend pas de gants. Sa position est « basée sur le mérite technique. Pas sur la peur des nouveaux outils » [1]. Et il enfonce le clou : « L’IA n’est qu’un outil, comme les autres. Et c’est clairement un outil utile. Ce n’était peut-être pas si “clair” il y a un an, mais ça ne fait plus débat aujourd’hui. »

Ce qui est frappant, c’est que même les critiques les plus lucides continuent d’utiliser ces outils. Dans un billet honnête, un ingénieur raconte la dissonance vécue à la Local-First Conf de Berlin : des orateurs descendent les LLM, applaudis par une salle qui a Claude Code ouvert sur ses écrans [2]. Il résume le paradoxe d’une phrase : les critiques ont raison, et il utilise quand même les LLM.

In a world hurtling towards AI, we believe humans are the best agents.

La bagarre idéologique laisse place à une question plus terre-à-terre : où est la valeur, maintenant que le modèle est un acquis ?

La valeur a migré du modèle vers l’implémentation

Réponse des labos : pas dans le modèle. Anthropic, avec Blackstone, Goldman Sachs et Hellman & Friedman, vient de nommer sa co-entreprise à 1,5 milliard de dollars — Ode — dont le seul métier est de déployer l’IA dans les entreprises [3]. Leur pari, mot pour mot : « on peut facilement imaginer ça comme une entreprise à mille milliards de dollars un jour ». OpenAI a fait le même geste avec The Deployment Company. Le message est clair : gagner un client entreprise demande bien plus qu’un meilleur modèle.

Et cette valeur d’implémentation, elle est de plus en plus documentée. Anthropic a publié sa méthode pour piloter des migrations de code à grande échelle avec Claude Code [4]. Le prérequis n’est pas le modèle : c’est un « juge » fiable. Un juge capable d’évaluer l’ancien et le nouveau code sur un pied d’égalité, validé contre du code volontairement cassé — « un juge qui n’attrape pas les régressions n’est pas un juge ».

Le cas d’école, c’est Bun, ce runtime JavaScript avec 22 millions de téléchargements mensuels, réécrit de Zig vers Rust pour tuer les bugs mémoire [5]. Pas de magie : une « parity harness » de sept scénarios réels, chaque changement de comportement traité comme un bug à corriger. L’IA écrit le code ; c’est l’échafaudage humain autour qui garantit qu’il est juste.

Le harness devient l’objet d’ingénierie

Du coup, l’objet qu’on ingénierie n’est plus le prompt. C’est le harness — la tuyauterie qui encadre l’agent. Une équipe propose même un « Harness Handbook » pour rendre ces harnesses compréhensibles, auditables et modifiables [6]. Leur constat mérite d’être médité : « L’agent demandera-t-il confirmation avant de supprimer un fichier ? » Répondre à ça, c’est tracer la logique de confirmation, ses contournements, et chaque endroit du code qu’un changement toucherait.

Autrement dit, on est passés du « ça génère du code » au « prouve-moi comment ce système se comporte ». C’est de l’ingénierie de fiabilité, pas du prompt engineering. Et ça garde l’humain dans la boucle — non par nostalgie, mais parce que c’est là que se joue la confiance.

Et puis arrive la facture

Reste le sujet dont personne ne parlait il y a un an : le coût. Ramp vient d’étendre son produit de suivi de la dépense en tokens, en pointant une réalité que les DAF découvrent [7]. Pendant des années, on suivait deux types de dépenses : les gens et les fournisseurs. Les tokens sont un troisième type, et ils se comportent différemment — usage-based, éclatés entre équipes et providers, facturés sur des clés d’API plutôt que sur des porteurs de carte. « La dépense en tokens est devenue l’une des catégories de dépense qui croît le plus vite. »

Et la maturité impose aussi la prudence. Le CLI de Grok a été pris à uploader tous vos fichiers locaux vers le cloud [8]. Adopter un agent, c’est lui donner les clés de sa machine. La question de la sécurité et de l’auditabilité n’est plus un « nice to have ».

Le débat s’est déplacé en un an : de « faut-il coder avec l’IA » à « comment on gouverne des agents qui écrivent, dépensent et accèdent à tout ». Si les humains sont vraiment « les meilleurs agents », c’est peut-être justement pour tenir cette gouvernance-là. Qui, chez vous, regarde déjà la facture en tokens ?

---

Sources

1. Linus Torvalds to critics of AI coding in Linux: “Fork it. Or just walk away.”
2. The LLM Critics Are Right. I Use LLMs Anyway.
3. Anthropic, Blackstone bet the next trillion-dollar AI business is implementation, not just models
4. How Anthropic runs large-scale code migrations with Claude Code
5. The Pulse: What can we learn from Bun’s rapid Rust rewrite with AI?
6. Harness Handbook — Making Agent Harnesses Understandable, Auditable & Editable
7. Ramp targets AI’s fastest-growing cost with expanded token spend tracking
8. The Pulse: Grok’s CLI caught uploading all your local files to the cloud

Pour aller plus loin

• Microsoft’s Nadella criticizes Anthropic’s Fable for being ‘editorially controlled’ — quand la gouvernance des modèles devient un sujet de bagarre entre géants.
• The Agentic Web Summer — un tour d’horizon de l’été où le web est devenu agentique.
• Salesforce’s Agentforce isn’t winning over clients, KeyBanc analysts claim — le revers de la médaille : déployer des agents en entreprise reste difficile.
• Kimi K3 Tech Blog: Open Frontier Intelligence — la course aux modèles ouverts ne ralentit pas côté frontier.
• Alphabet shares fall on report its most powerful AI model Gemini 3.5 Pro is delayed — preuve que le modèle seul ne suffit plus à rassurer les marchés.

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.