Ce que l'IA peut faire aujourd'hui

Prenons les développeurs comme exemple concret. Sur le papier, le raisonnement est simple : un abonnement IA, quelques prompts bien rédigés, et en quelques minutes on obtient un code fonctionnel. Pas de charges, pas de salaires, pas de congés payés.

Les gains de productivité sont réels et documentés. Voici ce que l'IA permet déjà de faire efficacement :

  • Générer des messages d'erreur de formulaire en quelques secondes
  • Implémenter la traduction automatique de pages vers plusieurs langues en quelques heures au lieu de plusieurs jours
  • Permettre aux clients d'exprimer plus facilement leurs besoins, parfois en produisant eux-mêmes une interface HTML présentant leur demande
  • Fournir une première version fonctionnelle d'un projet : landing page, portfolio, MVP


Alors pourquoi des entreprises comme Anthropic recrutent-elles encore des développeurs ?

Certains argueront qu'Anthropic, qui construit ces LLM, n'a pas les mêmes enjeux qu'une petite boîte ou un freelance. C'est vrai. Mais cela amène à reconnaître quelque chose d'essentiel : l'IA ne suffit pas pour faire le travail, du moins pas aujourd'hui.

En génie logiciel, on apprend que les utilisateurs savent ce qu'ils veulent, mais pas forcément comment l'exprimer. C'est précisément là qu'intervient le développeur.

Le développeur : bien plus qu'un programmeur

Un développeur, c'est un peu comme un architecte dans le bâtiment : il conçoit le plan avant même que les maçons ne montent les murs. Son rôle couvre :

  • Comprendre le besoin réel, souvent différent du besoin exprimé
  • Concevoir et modéliser l'architecture système
  • Choisir le langage et la base de données adaptés au contexte
  • Coder l'interface et la logique métier
  • Déléguer intelligemment certaines tâches à l'IA

C'est aussi le développeur et l'architecte qui décident quand et comment utiliser un outil. Ça a toujours été comme ça, et ça ne changera pas. L'outil change, le rôle de décision reste humain.

L'illusion du "vibe coding" : le cas Jack

Imaginons Jack, sans aucune notion en informatique, qui veut lancer un SaaS. Avec des outils comme Lovable, Claude Code ou Emergent AI, l'IA fait le travail sans qu'il n'écrive une ligne de code. Les clients paient, et ça lui suffit.

Mais Lovable, par exemple, ne produit que du React et Supabase. Jack ne se soucie pas de la sécurité ni de la maintenabilité. Il paye son abonnement IA, son hébergement, et ça roule… jusqu'au jour où :

Un client veut une fonctionnalité avancée et est prêt à payer pourLa solution tombe en panne parce que l'architecture n'a pas été pensée pour la chargeOn atteint les limites des requêtes API alors que les clients ont déjà payé et se plaignent


On va produire et déployer du code en masse qui risque de ne pas être testé ni documenté correctement si un expert n'est pas là pour faire la loi. La vitesse de génération de l'IA crée une illusion de productivité mais du code non testé en production, c'est une bombe à retardement.


Maintenir un code que personne ne comprend, c'est un gouffre financier. C'est comme construire une maison avec des robots : elle tient debout, mais quand tu veux refaire un mur porteur, tu as besoin d'un professionnel.

Faire évoluer une application : le vrai piège

Il y a un angle qu'on oublie souvent : faire évoluer une application construite par une IA. On remet des sous, certes, mais surtout on doit remettre tout le code à la prochaine IA parce que celle qu'on utilisait en 2025 n'existe plus, a changé, ou ne comprend plus le contexte d'origine.

C'est là qu'on pleure et qu'on appelle un humain professionnel pour démêler ce casse-tête. Sans oublier que l'IA coûte souvent autant qu'un développeur, une fois qu'on additionne l'abonnement IA, l'infrastructure et le coût des requêtes API et les SaaS vibcodés consomment les API sans modération.

Ce qu'un développeur apporte qu'une IA ne peut pas

La différence tient dans ce que les années de métier permettent de faire : poser les bonnes questions, anticiper les vrais besoins, détecter ce que le client n'a pas dit.

  • Un choix technique éclairé et adapté au contexte
  • Une conception et une modélisation du projet cohérentes
  • Une architecture système pensée pour durer et évoluer
  • Un code meilleur, testé, documenté, maintenable

Concrètement, si un non-initié dit à l'IA :

"je veux un texte à gauche et des images qui défilent à droite",

le développeur dira : 

"sur la home, mets à gauche un titre et un paragraphe, puis à droite un carousel de 4 images avec 5 secondes par image".

Un prompt meilleur produit un résultat meilleur.

Et les autres métiers dans tout ça ?

La question ne se limite pas au développement. Elle concerne tous les professionnels qualifiés :

Médecin : L'IA diagnostique sur des données, mais ne ressent pas l'inquiétude d'une mère, n'assume aucune responsabilité légale.

Avocat : Le droit, c'est 20 % de textes et 80 % d'interprétation. Plaider, c'est convaincre des humains, pas des algorithmes.

Graphiste : L'IA produit du beau générique. Le graphiste crée une identité, comprend pourquoi une marque existe.

Journaliste : L'IA rédige vite, mais n'appelle pas de source, ne sent pas qu'on lui ment, ne prend pas de risques.

Dans chacun de ces cas, on consulte aujourd'hui le professionnel pour son expertise et pour ce qu'il peut faire avec l'IA.

La vraie question à se poser

Il ne faut pas chercher à savoir si l'IA remplace les développeurs,

mais plutôt :

combien de développeurs faudra-t-il pour produire la même quantité de logiciel ?

La réponse est :

moins qu'avant !

Mais le code va devenir de plus en plus complexe, les systèmes de plus en plus imbriqués. Le client aura besoin d'experts encore meilleurs qu'avant, pas de moins bons. Les meilleurs développeurs auront encore plus de valeur.

Aujourd'hui : après avoir défini l'architecture, le développeur délègue le code à l'IA et surveille.

C'est une évolution profonde, pas une disparition. À chaque révolution technologique, des métiers disparaissent et d'autres se transforment radicalement. Ce n'est pas forcément une mauvaise chose à condition de comprendre ce qui change.

Le métier a changé aujourd'hui. Et quand il n'existera plus, ce sera dit clairement.