Une IA rédige aujourd'hui une fonction, une classe, un fichier de tests presque aussi vite qu'on la décrit. La question monte donc : le développeur écrit-il encore du code ? La réponse tient en un déplacement. Produire des lignes n'a jamais été le cœur du métier ; c'était le passage obligé vers le vrai travail — comprendre le problème, choisir une structure, garantir que le résultat est juste et en répondre. L'IA prend en charge une part croissante de la production, et met en pleine lumière ce qui restait caché derrière le clavier. Cet article ouvre une série sur ce que devient le métier de développeur à l'ère de l'IA, et pose le fil rouge : ce qui se déplace, ce qui reste, et pourquoi.
Le code n'est plus le goulot d'étranglement
Pendant des décennies, la contrainte était mécanique : traduire une intention en instructions exactes prenait du temps, ligne à ligne. Les outils de complétion et de génération assistée par IA font sauter une partie de ce coût. Ils proposent le squelette d'un module, la traduction d'un langage vers un autre, un brouillon de solution, une batterie de tests candidats. Le clavier cesse d'être le mur. Ce que la machine accélère, c'est la matière ; ce qu'elle ne décide pas, c'est ce que cette matière doit devenir (Fig. 1). Le développeur glisse alors vers l'amont et l'aval : spécifier ce qu'on veut, puis vérifier et décider ce qu'on garde.
Ce n'est pas une nouveauté conceptuelle surgie de nulle part : c'est le prolongement direct de la façon dont ces modèles fonctionnent. Un grand modèle de langage produit la suite la plus probable à partir de ce qu'on lui donne — un mécanisme que nous avons détaillé dans les LLM démontés : pre-training, fine-tuning, RAG. Quand ce modèle est mis en boucle avec des outils pour agir, il devient un agent capable d'exécuter, et non plus seulement de suggérer. La production de code se déplace ainsi de la main vers la supervision.
La productivité de l'IA est réelle — et plus contestée qu'on ne le dit
Le discours ambiant promet des gains spectaculaires. La réalité mesurée est plus nuancée, et c'est important pour raisonner juste. Le rapport DORA 2024 de Google Cloud observe qu'à chaque hausse de 25 % de l'adoption de l'IA correspondent des gains individuels — environ +3,4 % de qualité du code perçue et +7,5 % de qualité de la documentation — mais aussi un recul de la livraison : le débit estimé baisse de 1,5 % et la stabilité de 7,2 %. Le même rapport relève que 39 % des répondants n'ont que peu ou pas confiance dans le code généré par IA, et conclut sans détour que « l'IA n'apparaît pas comme une panacée ».
Plus frappant : dans un essai contrôlé randomisé publié par METR en 2025, seize développeurs open-source expérimentés ont mis 19 % de temps en plus pour boucler leurs tickets lorsqu'ils pouvaient utiliser des outils IA de début 2025 — alors qu'ils s'attendaient à aller 24 % plus vite, et croyaient encore, après coup, avoir gagné du temps. Les auteurs précisent que ce résultat vaut pour leur cadre précis (dépôts matures, développeurs très expérimentés) et ne décrit pas tout le développement logiciel. Mais la leçon est durable : le ressenti de vitesse n'est pas la vitesse, et produire du code plus vite ne se traduit pas mécaniquement en valeur livrée plus vite.
La difficulté n'est pas que l'IA écrive du code visiblement faux — elle écrit souvent du code net, plausible, qui passe la première lecture. C'est précisément le risque. Comme tout grand modèle de langage, un assistant de génération de code est sujet à l'« hallucination » : la production d'un contenu vraisemblable mais non fondé, un travers documenté par la recherche comme un frein à la fiabilité de ces systèmes. Un appel d'API qui n'existe pas, une hypothèse implicite fausse, un cas limite oublié peuvent se glisser dans un code par ailleurs élégant. Et plus la sortie paraît fluide, plus la tentation est grande de la valider sans la lire vraiment.
Ce qui se déplace, ce qui reste
La bonne façon de lire ce changement n'est pas « l'humain contre la machine », mais une répartition (Fig. 2). D'un côté, ce que l'IA accélère : le code répétitif, la traduction d'un langage à un autre, un premier brouillon, des tests candidats, la documentation. De l'autre, ce qui reste irréductiblement humain : le jugement — est-ce seulement la bonne solution ? —, l'architecture et ses compromis, le contexte métier qu'aucun prompt ne contient entièrement, et la responsabilité de ce qui est livré. Ces quatre-là ne se délèguent pas, parce qu'ils supposent de comprendre des enjeux que le code n'exprime pas.
Ce garde-fou porte un nom, et il figure noir sur blanc dans la réglementation. Le règlement européen sur l'IA, à son article 14 sur la supervision humaine, impose que les personnes chargées de superviser un système restent conscientes de la tendance à « se fier ou trop se fier » automatiquement à sa sortie — le biais d'automatisation — et gardent la capacité d'en interpréter le résultat, voire de l'écarter. Autrement dit : le droit lui-même part du principe qu'une sortie d'IA doit être questionnée, pas exécutée les yeux fermés. Ce principe, valable pour les usages à haut risque, est une bonne boussole pour tout code généré.
Le nouveau métier : spécifier, vérifier, décider
Si la production de lignes n'est plus le goulot, alors la valeur du développeur se concentre sur trois gestes. Spécifier : transformer un besoin flou en intention nette, avec contraintes et critères de réussite — un modèle ne devine pas ce que vous n'avez pas dit. Vérifier : lire le code proposé, le tester, recouper ce qui doit l'être ; ce n'est pas une formalité, c'est là que se joue la qualité. Décider : garder, corriger ou refuser, en assumant le résultat. Ce triptyque suppose une compétence qui, elle, ne se raccourcit pas : savoir lire du code reste la condition pour pouvoir le valider.
- Spécifiez avant de générer. Un prompt vague produit un code vraisemblable mais à côté. Nommez l'intention, les contraintes et ce qui définit « réussi ».
- Lisez ce que vous validez. Traitez chaque proposition comme le brouillon d'un tiers : à relire, pas à copier. Le code que vous ne comprenez pas, vous ne pouvez pas le maintenir.
- Vérifiez les points qui coûtent cher. Appels externes, cas limites, sécurité, hypothèses implicites : c'est là que l'hallucination fait le plus de dégâts.
- Gardez l'architecture et le contexte métier. Ce sont les décisions que le modèle ne peut pas prendre à votre place, faute de connaître vos enjeux réels.
Ces outils sont bien réels et progressent vite, comme le montre l'état de l'art des modèles en 2026. La question n'est donc pas de les rejeter, mais de savoir ce qu'on leur confie — surtout quand on passe d'un assistant qui suggère à un système qui agit. La frontière entre un agent et un simple chatbot, et la question de qui pilote vraiment la machine, deviennent centrales dès que l'IA touche à votre environnement de travail.
Alors, écrivons-nous encore du code ? Moins à la main, autant par l'esprit. Le clavier a changé de rôle, pas le métier : il reste de comprendre, d'arbitrer et de répondre de ce qui tourne. La série qui s'ouvre ici explorera, un déplacement à la fois, ce que l'IA change vraiment au travail du développeur — et ce qu'elle ne changera pas.
- Le déplacement : l'IA accélère la production de code ; le métier glisse vers spécifier, vérifier, décider.
- La nuance : les gains sont réels mais contestés — DORA note des gains individuels mais un recul de la livraison (débit −1,5 %, stabilité −7,2 %) ; METR mesure des experts 19 % plus lents avec l'IA.
- Le risque : un code plausible n'est pas un code juste — l'hallucination glisse des erreurs dans un rendu élégant.
- Le garde-fou : le biais d'automatisation, nommé jusque dans l'article 14 du règlement européen sur l'IA.
- Ce qui reste : jugement, architecture, contexte métier, responsabilité — les décisions que le modèle ne prend pas à votre place.
Pour comprendre les briques sous ce changement : les LLM démontés, les agents qui exécutent et l'état de l'art des modèles en 2026. Côté outils : agent ou chatbot, quand basculer et qui pilote vraiment votre machine.
Ceci ouvre notre série « Le métier dev change avec l'IA ». Pour situer l'IA sans céder au discours magique, téléchargez l'Atlas IA 2026 et abonnez-vous à la newsletter AISKILLSPRO.
Au-delà de l'IA, retrouvez nos guides, tutoriels et modules Odoo sur OdooSkills, le blog Odoo ↗ (nouvel onglet).