Récemment, j'ai remarqué une paradoxe intéressante dans la façon dont l'IA bouleverse toute la logique du développement. Pendant des années, nous avons pensé que le goulet d'étranglement était le manque de mains capables de transformer les exigences en code. Nous avons construit des pyramides de développeurs, scalé des "usines de fonctionnalités". Mais l'IA générative a tout cassé. Désormais, le code est généré pratiquement gratuitement — cela ne constitue plus un avantage concurrentiel. Lorsque la programmation devient une commodité, le volume de lignes et la vitesse de commit deviennent du bruit. Ils cessent simplement d’avoir une signification. Alors, la question se pose : si le coût du code diminue, où se trouve alors la véritable pénurie ?

La première chose qui vient à l’esprit — peut-être que l’IA remplacera simplement les humains dans les postes de gestion ? Mais il y a un problème fondamental. L’IA génère très bien des options de solutions, peut être un conseiller brillant. Mais prendre des décisions — ce n’est pas une tâche computationnelle. La gestion repose sur des choses que l’IA ne peut tout simplement pas faire : définir des valeurs (ce qui est acceptable), assumer la responsabilité via un risque personnel, gérer les conflits par contrat social, travailler avec des variables inconnues qui ne figurent pas dans les données d’entraînement. L’humain reste porteur du mandat et de la responsabilité — cela ne change pas.

Mais ce qui inquiète vraiment : pendant que nous nous en sortons avec cela, un crise silencieuse se profile au niveau du développement. L’IA agit comme un changement technologique vers plus de séniorité. Les ingénieurs expérimentés voient leur productivité augmenter considérablement — leur performance croît de façon exponentielle. Mais pour les développeurs débutants, l’IA complique la situation. Ils manquent de contexte pour vérifier les résultats du réseau neuronal, ils ne voient pas les erreurs cachées comme les race conditions, que l’IA dissimule sous des hacks simples. Et ainsi se forme une nouvelle logique de recrutement : on embauche des sénior, on automatise les juniors. Cela semble logique, mais c’est une piège.

Traditionnellement, les organisations embauchaient des débutants pour des tâches simples — ils acquéraient de l’expérience, étudiaient l’architecture, devenaient la prochaine génération d’ingénieurs expérimentés. Si on cesse d’embaucher des débutants, le pipeline de talents s’effondrera. Et dans cinq ans, l’entreprise sera sans nouvelle génération de professionnels. Les juniors ne seront plus une investissement pour l’avenir, mais un fardeau dans une logique d’"accélération de la sortie du code". Mais c’est une stratégie à court terme.

Si la capacité à réaliser une fonctionnalité n’est plus rare, la compétition se déplace vers d’autres couches. Celui qui sait transformer le chaos des désirs en alternatives claires, qui contrôle l’ontologie du business avant d’écrire le code, qui construit un bon retour d’information du marché — c’est lui qui gagne. C’est la couche du choix, la couche du modèle du monde, la couche des mesures. C’est la couche de légitimité — qui forme le mandat au changement. C’est la couche des interdits — qui définit les limites de l’automatisation. Et c’est la couche des données — l’infrastructure devient un actif politico-technique.

Pour ne pas se noyer dans tout cela, il faut de nouvelles structures. Au niveau des processus, apparaît le Truth Office — le propriétaire de la source unique de données et de mesures. La Governance Cell — ceux qui contrôlent les risques et ont le droit d’arrêter la chaîne de production. Le Semantic Core — les architectes de l’ontologie.

Mais l’essentiel — c’est la culture du perceptron à grande échelle. Ce n’est pas juste du mentorat. C’est un programme ciblé où les débutants travaillent en binôme avec des mentors expérimentés dans des équipes produits réelles. L’objectif n’est pas la rapidité de sortie du code, mais le développement de la pensée critique, la transmission du "goût systémique". Les assistants IA doivent avoir un mode pour les débutants, utilisant un dialogue socratique, défiant l’apprenant, expliquant les décisions, identifiant les lacunes dans les connaissances.

Hier, nous rivalisions par la performance d’exécution. Demain, nous rivaliserons par la performance d’apprentissage et la qualité des interdits. Survivront ceux qui comprennent : l’IA peut écrire du code en une seconde, mais seul un environnement humain conscient peut transformer un junior d’hier en un ingénieur doté d’une pensée critique.