Le développeur ne disparaît pas. Il devient arbitre.
Pendant des années, l’entreprise a surévalué une chose chez les développeurs : la production visible.
Le nombre de lignes.
La vitesse d’exécution.
La capacité à sortir une fonctionnalité plus vite que le voisin.
La présence rassurante de quelqu’un qui “fait avancer le sprint”.
Puis l’IA générative est arrivée, et avec elle une rupture bien plus profonde qu’un simple gain d’outillage.
Elle écrit.
Elle reformule.
Elle complète.
Elle documente.
Elle propose des tests.
Elle corrige des bugs.
Elle prépare même des pull requests et peut désormais traiter certaines tâches en arrière-plan comme un agent logiciel (GitHub Docs, OpenAI).
Beaucoup y ont vu un scénario de remplacement.
C’est une lecture paresseuse.
Le développeur ne sort pas du jeu. Il monte d’un étage.
Il quitte progressivement le sous-sol de la production brute pour rejoindre l’étage du discernement. Là où l’on décide ce qu’on construit, pourquoi on le construit, dans quelles conditions on le déploie, et surtout ce qu’on refuse d’industrialiser.
C’est précisément là que le sujet devient stratégique.
L’illusion la plus dangereuse : confondre vitesse et valeur
L’IA accélère la production de code. Sur ce point, les signaux sont désormais trop nombreux pour être ignorés. GitHub a publié des travaux montrant des gains de vitesse et un ressenti positif chez les développeurs utilisant Copilot. McKinsey a également documenté des gains importants sur certaines tâches de développement. Le sujet n’est donc plus de savoir si l’IA accélère. Elle accélère bien (GitHub, McKinsey).
Le piège commence juste après.
Quand le coût marginal de production du code chute, l’entreprise croit spontanément qu’elle a trouvé une machine à productivité. Elle pense “plus de fonctionnalités”. Elle pense “moins de temps”. Elle pense “moins de développeurs seniors”. Elle pense “on va livrer plus vite”.
Et elle oublie ce que cette accélération fabrique en parallèle :
plus de surface logicielle,
plus de dépendances,
plus de revues nécessaires,
plus de dette technique potentielle,
plus de risques de sécurité,
plus de complexité à maintenir dans le temps.
Autrement dit, produire du code plus vite sans gouvernance revient à industrialiser les ennuis avec enthousiasme.
Le rapport DORA est très clair sur le fond : l’IA agit comme un amplificateur. Elle renforce les organisations déjà solides et expose encore plus brutalement les faiblesses des organisations mal structurées. Le problème n’est donc pas l’outil. Le problème est le système qui l’encadre, ou qui ne l’encadre pas (DORA 2025, Google Research).
Le développeur utile demain ne sera pas le plus rapide
Demain, presque tout le monde pourra produire du code plus vite qu’hier.
Cette phrase change tout.
Quand une capacité devient largement distribuée, elle cesse d’être le principal facteur de différenciation. La vraie rareté se déplace ailleurs.
Elle se déplace vers celles et ceux qui savent :
cadre un problème,
distinguer un prototype d’un produit,
évaluer un compromis,
choisir une architecture soutenable,
repérer un risque caché,
poser une limite,
dire non à une mauvaise idée techniquement séduisante.
Le développeur important demain ne sera pas celui qui impressionne par sa vélocité apparente.
Ce sera celui qui protège l’entreprise contre sa propre ivresse.
Car l’IA donne une sensation de puissance immédiate. Elle donne l’impression que tout devient simple. Or dans le logiciel, ce qui détruit la valeur n’est pas seulement ce qu’on rate. C’est aussi ce qu’on accepte trop vite.
Du clavier à la gouvernance
Le déplacement est là.
Avant, une partie importante de la valeur du développeur résidait dans l’exécution.
Maintenant, une part croissante de sa valeur réside dans la gouvernance technique.
Il faut arbitrer ce que l’on garde.
Relire ce que la machine propose.
Valider ce qui mérite d’entrer dans le codebase.
Sécuriser les flux.
Documenter ce qui devra survivre au prochain turnover.
Préserver la cohérence d’ensemble quand plusieurs humains et plusieurs agents IA produisent en parallèle.
GitHub documente déjà des usages où l’agent crée des branches, pousse du code, ouvre des pull requests et itère dans le workflow GitHub. OpenAI décrit aussi Codex comme un agent d’ingénierie logicielle capable de travailler sur plusieurs tâches en parallèle. Cela signifie une chose très concrète : le centre de gravité du métier glisse de l’écriture vers la supervision, puis de la supervision vers la responsabilité (GitHub Docs, GitHub, OpenAI).
Le code devient plus facile à produire.
La cohérence devient plus difficile à préserver.
Les entreprises qui se trompent de métrique vont le payer cher
Beaucoup d’organisations continuent d’évaluer leurs développeurs avec des critères déjà vieillissants :
nombre de tickets fermés,
volume de code livré,
rapidité brute,
activité visible.
Ces métriques rassurent parce qu’elles sont faciles à compter.
Elles sont aussi de plus en plus trompeuses.
Un développeur augmenté par IA peut produire bien davantage. Cela ne dit presque rien de la qualité des décisions prises, ni de la propreté de l’architecture, ni de la robustesse future du système. Stack Overflow montre d’ailleurs que les développeurs restent partagés sur la fiabilité des sorties IA, avec une confiance loin d’être absolue. Plus intéressant encore : les professionnels sont moins confiants que ceux qui apprennent à coder. L’expérience ne rend donc pas naïf. Elle rend plus prudent (Stack Overflow).
Cette prudence est une compétence de très haut niveau.
Elle vaut de l’or dans un monde où la machine propose beaucoup, vite, et avec suffisamment d’assurance pour tromper des équipes entières.
La sécurité et la maintenance redeviennent des sujets de direction
L’autre erreur classique consiste à traiter l’IA de développement comme un simple booster individuel.
Ce n’est déjà plus vrai.
Dès que des agents écrivent, modifient, documentent ou proposent du code à l’échelle, la sécurité, la conformité, la traçabilité et la maintenance cessent d’être des sujets purement techniques. Ils deviennent des sujets de gouvernance.
Snyk rappelle que le code généré par IA peut contenir des vulnérabilités comme le code humain, et que la rapidité n’élimine jamais le besoin de contrôles DevSecOps robustes. DORA insiste de son côté sur l’importance d’une politique IA claire, d’un bon écosystème de données et de pratiques organisationnelles solides pour obtenir de la valeur réelle (Snyk, DORA 2025).
Dit autrement : quand l’IA entre dans le SDLC, le développeur senior ne devient pas optionnel.
Il devient garde-fou.
Et dans certaines entreprises, il devient même une pièce de gouvernance au même titre que l’architecte, le responsable plateforme ou le RSSI.
Le développeur de demain devra savoir dire non
C’est peut-être la mutation la plus sous-estimée.
Pendant longtemps, coder a été associé à une forme d’obéissance productive :
on vous demande une fonctionnalité,
vous la développez,
vous la livrez.
Avec l’IA, la valeur du développeur remonte parce que la production n’est plus la partie la plus rare.
La partie la plus rare devient la capacité à dire :
ce besoin est mal formulé,
ce prompt produit quelque chose d’instable,
cette solution ajoute un risque caché,
ce composant ne tiendra pas,
ce raccourci coûtera cher dans six mois,
cet agent ne doit pas avoir ce niveau d’autonomie,
ce code peut fonctionner aujourd’hui et dégrader tout le reste demain.
Dans mon livre, j’insiste sur le fait qu’une technologie ne crée pas de valeur à elle seule : il faut une vision, une stratégie, une communication claire et une équipe alignée. Le chapitre 14 est d’ailleurs consacré à l’application à l’intelligence artificielle.
C’est exactement le sujet ici.
L’IA ne supprime pas le besoin de maîtrise.
Elle le rend plus urgent.
Ce que les dirigeants devraient déjà changer
Les entreprises qui veulent prendre ce virage correctement devraient revoir immédiatement leur regard sur les équipes de développement.
Pas dans six mois.
Pas après un incident.
Pas après avoir rempli la plateforme de code vite généré et mal possédé.
Elles devraient déjà déplacer l’évaluation des développeurs vers cinq axes beaucoup plus sérieux :
la qualité du jugement technique,
la capacité d’arbitrage,
la robustesse des choix d’architecture,
la qualité de revue et de sécurisation,
la capacité à maintenir un système cohérent dans la durée.
Elles devraient aussi accepter une vérité inconfortable : un développeur qui produit moins de code, mais élimine dix mauvaises décisions, crée parfois bien plus de valeur que celui qui alimente la machine en flux continu.
Le nouveau prestige ne sera pas dans la quantité.
Il sera dans la maîtrise.
Monter d’un étage ou sortir du radar
Le développeur qui résistera le mieux à cette bascule n’est pas celui qui nie l’IA.
Ce n’est pas non plus celui qui s’agenouille devant elle.
C’est celui qui l’utilise sans lui abandonner son discernement.
Celui qui comprend que sa valeur quitte le geste pour remonter vers le jugement.
Celui qui sait collaborer avec des agents sans se dissoudre dans leurs sorties.
Celui qui devient lisible pour la direction non comme “ressource de production”, mais comme acteur de cohérence, de sécurité et de décision.
L’IA ne retire pas leur place aux développeurs.
Elle retire surtout de la valeur à une définition trop étroite du métier.
Et c’est une excellente nouvelle pour celles et ceux qui veulent compter davantage.
👉 Dans votre entreprise, vos développeurs sont-ils encore jugés sur ce qu’ils produisent… ou déjà sur ce qu’ils empêchent de casser ?
Références
(DORA) = https://dora.dev/research/2024/dora-report/
(DORA) = https://dora.dev/dora-report-2025/
(GitHub) = https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
(GitHub Docs) = https://docs.github.com/copilot/concepts/agents/coding-agent/about-coding-agent
(GitHub) = https://github.blog/news-insights/product-news/github-copilot-meet-the-new-coding-agent/
(Stack Overflow) = https://survey.stackoverflow.co/2024/ai
(McKinsey) = https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/unleashing-developer-productivity-with-generative-ai
(Snyk) = https://snyk.io/articles/leveraging-generative-ai-with-devsecops-for-enhanced-security/
(OpenAI) = https://openai.com/index/introducing-codex/
(Google Research) = https://research.google/pubs/dora-2025-state-of-ai-assisted-software-development-report/
