Le moment où le métier de développeur a basculé

En février, une étude de Tony Truante a suscité des débats dans le monde de l'IA, affirmant que les LLM n'avaient eu aucun impact sur la productivité, contredisant les promesses des laboratoires d'IA. Pourtant, l'observation des développeurs montre une transformation depuis décembre 2025, notamment avec l'utilisation intensive d'orchestrateurs comme Claude Code ou Codex. Quentin Adam, à la tête d'une entreprise de 70 développeurs, partage son expérience. Initialement dubitatif il y a un an et demi, il considérait l'IA comme un "perroquet statistique" produisant du code de mauvaise qualité. Les premiers modèles de GPT généraient du code qui ne compilait pas, en raison d'un manque de pertinence dans la prédiction des mots. Cependant, les méthodes d'entraînement se sont raffinées, intégrant des boucles de rétroaction. Un défi majeur était le "contexte", la quantité de texte que le modèle peut traiter en entrée. À mesure que la conversation s'allonge, le contexte devient problématique, limitant la taille du code généré. L'avènement du mode "agâage antique", où plusieurs questions sont posées dans le bon ordre par un système de tri local, a permis de franchir un cap. Il y a 18 mois, Quentin a testé des outils où l'IA codait mieux et plus vite que lui, corrigeant même ses erreurs en quelques heures. Il a alors réalisé le potentiel de ces boucles de rétroaction rapides, comparant cela à l'apprentissage de Go par les IA : en se confrontant, elles s'améliorent exponentiellement. Dans le code, la validation est binaire (ça compile ou pas), ce qui accélère l'apprentissage de l'IA. Clever Cloud, l'entreprise de Quentin, est un fournisseur de cloud existant depuis 15 ans. Ils développent l'intégralité de leur stack logicielle, de l'OS aux bases de données (dont une maison basée sur FoundationDB), et gèrent des systèmes de très haute criticité. Quand Quentin a commencé à introduire l'IA, il a constaté que l'IA travaillait bien avec des spécifications claires, par exemple pour implémenter un protocole non encore supporté dans un langage donné. En revanche, si les spécifications étaient floues, l'IA produisait des résultats incohérents. Au début, l'IA a été utilisée pour des outils internes et des expérimentations. Une observation clé a été que l'IA était plus efficace avec des langages fortement contraints, comme Rust. Contrairement à JavaScript ou Go, dont les compilations sont plus "détendues" et ne révèlent les erreurs qu'à l'exécution, Rust, avec son typage fort et sa gestion stricte de la mémoire, offre un compilateur "chiant" qui donne des retours précis. L'IA peut comprendre et corriger ces erreurs, améliorant considérablement la boucle de rétroaction. C'était paradoxal, car à l'époque, les LLM étaient considérés comme meilleurs sur les langages avec les plus grands jeux de données, comme JavaScript et Python. Cependant, même si l'IA était bonne à 80% sur ces langages, elle ne produisait pas toujours un code fonctionnel du premier coup. Les problèmes de qualité des jeux de données, comme les multiples versions de Java, entraînaient des codes obsolètes. Rust, avec ses 10-15 ans d'existence et ses changements non cassants, combiné à un compilateur rigoureux, s'est avéré être un excellent candidat pour l'IA. Clever Cloud utilisait déjà beaucoup Rust, ce qui a facilité l'adoption. L'intégration de l'IA a rencontré une résistance initiale de la part des développeurs, malgré leur rôle historique dans le changement. Quentin a dû les convaincre individuellement, notamment les tech leads, en s'asseyant à leurs côtés pour tester l'outil. L'un d'eux a vu l'IA réaliser en deux heures le travail de cinq semaines, avec un code de meilleure qualité. Face à la rapidité d'évolution du marché, Quentin a renoncé à une politique d'outils unifiée. Il a autorisé les développeurs à choisir les outils d'IA qu'ils voulaient, à condition de ne pas souscrire à des plans annuels et de partager leurs expériences. Cette approche "free range" a permis une expérimentation rapide et diversifiée. Les seniors ont été les premiers à s'adapter, car l'IA leur a permis de recoder en plus de gérer leurs équipes. Ils ont pu réaliser des preuves de concept rapidement, sans solliciter les juniors. Certains ont même déclaré n'avoir jamais codé aussi bien, avec un code plus propre. L'IA facilite la formalisation des idées et permet de réintégrer les bonnes pratiques de codage, souvent négligées par manque de temps. L'IA a transformé le rôle du développeur. Au lieu de se limiter à la génération de code, l'IA excelle dans la création de tests unitaires, de tests d'intégration et de simulations. Ces tests, qui étaient auparavant coûteux en temps, sont devenus abordables. L'IA peut générer des tests unitaires basés sur les spécifications, puis le code, en s'assurant que les tests passent. Les tests d'intégration, qui vérifient la connexion à des bases de données ou des API, sont également facilités. La création de "mocks" (programmes simulant le comportement d'autres programmes pour les tests) est devenue moins onéreuse, ce qui était avant un arbitrage difficile. Enfin, les tests de simulation, inspirés de FoundationDB, permettent de tester des systèmes distribués dans des conditions extrêmes (pertes de paquets réseau, redémarrages inopinés). L'IA peut générer des scénarios aléatoires et complexes, détectant des bugs invisibles sur une seule instance. Chaque commit est soumis à la simulation, générant des rapports de bugs traités par d'autres agents. Cette approche a profondément modifié le fonctionnement de Clever Cloud, du codage à la vérification et la validation. Quentin estime que ne pas adopter cette transformation revient à prendre du retard, car tout le monde bénéficiera de ces gains de productivité et de qualité. Il insiste sur le fait que l'IA n'est pas un junior humain, mais une entité "inhumaine" à laquelle il faut confier des tâches inhumaines. Par exemple, pour les réunions de synchronisation d'un monolithe géré par 30 personnes, l'IA analyse les branches de code, les résultats de tests, les commentaires de PR, les issues, les emails et les conversations Slack pour identifier les points de tension et d'incompréhension. Ce travail documentaire, qui prendrait 3-4 jours à un humain, est réalisé par l'IA en 20 minutes, rendant les réunions plus efficaces. L'IA permet également de s'attaquer à la dette technique et aux "vieux dossiers" de code. Clever Cloud migre des librairies entières, par exemple de JavaScript à Rust. Quentin a encouragé ses équipes à adopter l'IA, allant jusqu'à dire que ceux qui ne voulaient pas s'y mettre ne seraient pas retenus. Seuls 2% de la masse salariale est partie, et l'entreprise embauche. Face à des géants comme Microsoft, Amazon et Google, Clever Cloud utilise l'IA pour rester compétitif. Les détracteurs de l'IA craignent la production de code "inmaintenable" et de mauvaise qualité, inapplicable aux systèmes critiques. Quentin répond que l'IA doit être encadrée par un grand nombre de tests. Le coût des tokens pour générer du code est faible par rapport au coût des tokens brûlés pour le tester. Le code généré par l'IA n'est pas destiné à être réécrit, mais plutôt à être validé par les tests. L'architecture, la conception et l'environnement de test deviennent plus importants que le code lui-même. Les limites actuelles de l'IA sont souvent dues à une mauvaise architecture d'intégration. Les bonnes pratiques de développement (typage fort, tests unitaires, TDD, audit de sécurité automatisé) deviennent essentielles. L'IA permet d'automatiser ces pratiques. Clever Cloud soumet chaque commit à des tests de pénétration automatisés, utilisant même différentes IA (Claude, Gemini, Grok) pour s'attaquer à ses propres systèmes, ce qui a permis de découvrir de nombreuses failles. L'objectif de Clever Cloud est de n'avoir que du code produit en 2026, décommissionnant tout le legacy de 15 ans. L'IA facilite la réécriture et la migration vers des librairies plus performantes et sécuritaires, avec des audits de performance rapides. Quentin constate que l'IA a un impact variable selon les métiers. Dans le tertiaire, la productivité est multipliée par trois. Dans le développement, les gains sont de 1,5x pour l'état de l'art, mais peuvent atteindre 10x pour d'autres tâches. Les développeurs de kernel ou de réseaux bas niveau rencontrent plus de difficultés, car l'IA n'a pas assez de données pour ces domaines très spécifiques. Le problème survient quand on veut les gains sans les contraintes. Utiliser l'IA uniquement pour coder sans l'encadrer par un harnais de qualité et de sécurité conduit à produire du code incompris dans un modèle incompris, menant à des échecs. Le coût de l'IA en tant que générateur de code est faible par rapport à l'investissement nécessaire pour rendre l'IA pertinente. Enfin, l'IA pourrait chambouler le statut quo de la souveraineté numérique européenne. Le marché de l'IA, perçu comme une "vraie intelligence artificielle", a alerté les décideurs sur son importance. Parallèlement, la remise en question des partenariats avec les États-Unis a renforcé le besoin d'autonomie. Le coût du logiciel ayant chuté, il est possible de reproduire des technologies à moindre coût, permettant des progrès rapides. La distillation de modèles (créer un modèle "étudiant" à partir d'un modèle "maître") rend difficile d'empêcher la diffusion des modèles, réduisant l'avance des acteurs les plus forts. L'Europe pourrait recréer des versions logicielles et des modèles à moindre frais. Des avancées concrètes ont eu lieu. L'Europe a lancé un appel d'offres de 180 millions pour du cloud souverain, remporté par des consortiums européens (dont OVH, la Poste Luxembourgeoise et Clever Cloud), face aux géants américains. Un "sovereignty framework" a été créé pour définir les critères de souveraineté. Quentin a également développé une "clause de souveraineté finale" dans ses contrats. Si Clever Cloud passe sous contrôle extracommunautaire, le client souverain obtient une licence illimitée du code, et la clause de non-sollicitation de personnel tombe, rendant l'entreprise sans valeur pour un acheteur étranger. Cette clause vise à garantir la souveraineté et à inciter les grands groupes français à investir dans les entreprises européennes. Des entreprises comme Wallix (systèmes d'identité) ou CRSI (constructeur de serveurs français) ont connu des croissances boursières monstrueuses, prouvant qu'il existe des alternatives de financement autres que la vente à des groupes américains. La période actuelle est une révolution géopolitique, financière et technologique, où les cartes peuvent être rebattues. Il est crucial que les décideurs écoutent les experts techniques et investissent massivement pour ne pas se laisser distancer.