Ingénieur logiciel expérimenté

Le récit d'ingénierie de GitHub lui-même sur le passage de TypeScript à Rust de l'environnement d'exécution derrière Copilot CLI et le Copilot SDK : 832 378 lignes de Rust de production et 468 689 lignes de tests unitaires Rust, réalisées principalement par un seul développeur en quelques mois. Sur 2 639 messages écrits par l'humain, 31,0 % portaient sur la relecture, les tests et l'intégration continue ; 17,4 % remettaient en cause des choix techniques ou de conception ; et 15,0 % poussaient à aller jusqu'au bout. Sur 1 130 921 appels d'outils, 61 % venaient de sous-agents plutôt que du fil principal de la session — une répartition entre agents, non une part du travail fait par des agents. Le développeur a gardé pour lui l'architecture cible, les comportements qui devaient rester identiques, le découpage du travail, les arbitrages ambigus, le jugement sur les preuves, la relecture manuelle des zones à haut risque et les décisions finales de fusion. Le récit décrit aussi un agent appliquant une étiquette qui laissait passer un contrôle de schéma, étiquette qui, une fois questionnée, s'est révélée masquer une régression. Un développeur, un projet, dans la propre base de code du fournisseur. Enregistré comme capacité, ce qui sur ce site ne déplace jamais une appréciation.

Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.

Une norme d'ingénierie qui s'impose aux équipes logicielles du Home Office (le ministère de l'Intérieur britannique). Elle dit que les équipes continueront de répondre pleinement de tout code et de toute sortie assistés par IA, parce que les outils d'IA ne peuvent remplacer ni le jugement, ni la compréhension, ni la maîtrise, ni la responsabilité humains à l'égard des décisions, des conceptions ou des modifications apportées aux systèmes, que les sorties assistées par IA doivent être relues et approuvées par un humain avant d'arriver en production, et que les équipes doivent pouvoir attester la sécurité et la maintenabilité de ce qu'elles font tourner. L'obligation ferme, « must », porte sur la relecture ; la phrase sur la conception dit à qui il revient d'en répondre. C'est la norme publiée d'un seul ministère, non une mesure des pratiques ailleurs.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Un grand projet de compilateur en logiciel libre, dont la règle s'impose à ses contributeurs. La politique dit que les outils d'intelligence artificielle ne doivent pas être utilisés pour résoudre les tickets GitHub étiquetés good first issue, parce que ces tickets ne sont en général pas urgents et sont destinés à être des occasions d'apprentissage pour les nouveaux contributeurs ; elle dit que transmettre à un LLM les remarques des mainteneurs n'aide personne à progresser, et que relire les modifications des nouveaux contributeurs fait partie de la formation de la génération suivante de contributeurs. La clause figure dans la première version de la politique, versée le 16 janvier 2026 ; les modifications ultérieures ne l'ont pas changée. C'est la règle d'un projet, non celle d'un employeur.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Une grande distribution Linux, dont la règle s'impose à ses contributeurs et relecteurs. La politique, dont les termes MUST et MUST NOT ont leur sens normatif habituel en matière de spécifications, dit qu'il ne faut pas utiliser l'intelligence artificielle comme arbitre seul ou final d'un jugement de fond ou subjectif sur une contribution, et que la responsabilité finale de l'acceptation d'une contribution, même si elle est mise en œuvre par un système automatisé, incombe toujours au contributeur humain qui autorise l'action. Elle admet les contrôles automatisés de validation technique objective. Version 1.0 ; la page indique elle-même comme date de dernière révision le 24 octobre 2025.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

Des mainteneurs expérimentés sur de grands dépôts matures qu'ils connaissent bien (environ 5 ans chacun) ; les outils étaient principalement Cursor Pro avec Claude 3.5/3.7 Sonnet. Les auteurs affirment explicitement ne pas prétendre que le résultat se généralise à la plupart des développeurs, ni au travail sur projet neuf ou de junior.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

49 009 réponses de 177 pays, collectées du 29 mai au 23 juin 2025, et auto-sélectionnées : les répondants ont été recrutés par les canaux propres de Stack Overflow, de sorte que cela mesure les gens qui répondent à Stack Overflow, non un échantillon aléatoire de développeurs. L'enregistrement est rattaché à la relecture du code écrit par la machine plutôt qu'à l'écriture du code, parce que ce qui est mesuré est le moteur du volume et la réponse de vérification, non qui écrit quoi. Les deux moitiés ont leur place ici : 84 % utilisent ou comptent utiliser des outils d'IA (76 % un an plus tôt) et 51 % des développeurs professionnels s'en servent quotidiennement, tandis que le sentiment favorable est passé de plus de 70 % en 2023 et 2024 à 60 %, que davantage de développeurs se méfient activement de l'exactitude des outils d'IA (46 %) qu'ils ne lui font confiance (33 %), et que les plus expérimentés affichent le plus faible taux de confiance élevée, 2,6 %, contre le plus fort taux de défiance élevée, 20 %. L'intérêt en jeu joue dans les deux sens, ce qui est assez rare pour être dit : c'est l'audience de Stack Overflow que les assistants de code déplacent, donc le constat d'adoption va contre son intérêt commercial tandis que la baisse de confiance va dans son sens. L'enquête ne dit pas à quoi les outils ont servi, si une relecture a pris plus de temps, ni ce que cela a changé au code livré.

Usage mesuré et à grande échelle d'un outil pour du travail réel, où la décision de l'utiliser vient de la personne qui travaille et non de l'employeur. C'est plus qu'un enregistrement de capacité — le travail est réel, pas une démonstration — et moins qu'un enregistrement de déploiement, car aucun employeur ne l'a mis en production, ne l'a exigé, ni n'a construit un processus autour. Pondéré `cautious` : `automating` signifie que la machine sait faire la tâche ET qu'il y a des signes d'adoption, et ceci est un signe d'adoption ; mais l'usage peut être expérimental, et une bonne part de la mesure vient d'une partie intéressée, donc un enregistrement ne suffit jamais et deux indépendants suffisent. Regardez qui compte. La télémétrie d'un fournisseur voit cela directement et vend l'outil, donc un tel enregistrement déclare cet intérêt dans son périmètre ; une agence statistique qui demande aux entreprises si leurs salariés utilisent l'IA dans leurs tâches voit le même canal sans aucun intérêt propre, et là où elle existe, c'est la meilleure source.

Une composante d'une administration (ICE) au sein d'un gouvernement, déclarée par cette administration au titre d'une obligation légale plutôt que choisie pour être publiée — c'est précisément ce qui rend les entrées ennuyeuses de cet inventaire dignes d'être lues. Entrée DHS-2758 dans le CSV des déclarations individuelles. Ce qui est établi, c'est la mise en service et les conditions qui l'accompagnent, non l'ampleur de l'usage : l'inventaire ne comporte aucun chiffre d'utilisation, aucun effectif et aucune affirmation de productivité au-delà de la phrase de l'administration selon laquelle les outils « augmentent la productivité des développeurs ». Les deux clauses qui soutiennent les deux tâches reliées sont deux phrases distinctes, dans les mots de l'administration elle-même : les sorties « doivent être relues et approuvées avant d'être intégrées au code via les processus existants de gestion de versions et de déploiement » (la tâche de relire), et « les outils ne modifient pas directement les systèmes de production ; toutes les modifications doivent passer par les circuits habituels de relecture humaine, de test et d'approbation » (la tâche de fixer ce qu'un agent peut faire sans surveillance). L'outil nommé est un achat auprès d'un éditeur, ce qu'il est bon de savoir, même si celui qui déclare ici est l'administration et non l'éditeur. Le même inventaire porte un signal en sens inverse venu du même ministère : l'entrée DHS-373, « IA générative commerciale pour la génération de code », a pour stade de développement « Retirée ». Cette ligne ne porte ni date ni motif : elle n'établit donc que ceci, que le DHS avait bien inscrit cet usage et ne le fait plus tourner.

Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.

Vous n'êtes pas encore sur cette page, et la route qui y mène est justement ce qui est sous pression — lisez d'abord la page du junior. Ce qui compte le plus ici est que la capacité que ce métier vend est un jugement sur un système précis, et cela s'acquiert en étant dedans, non en utilisant de meilleurs outils.

Le constat mesuré de cette page est que les outils ne vous ont pas accéléré sur votre propre base de code, et que vous avez peut-être cru le contraire. Prenez cela comme une raison de mesurer votre propre travail plutôt que comme une assurance : l'essai est petit et vieux d'un an, et la part du métier qui croît n'est pas la frappe — c'est relire ce qui arrive, et répondre de ce qu'un agent a eu le droit de faire.

Rester et se renforcer

Devenez la personne à qui l'on fait confiance pour dire non

À mesure que les modifications générées se multiplient, la contrainte passe à qui peut en refuser une avec une raison qui tient. Cette autorité se gagne en ayant raison en public, à répétition, sur un système précis.

Refaçonner le poste

Prenez la propriété de ce que les agents peuvent faire

Quelqu'un doit décider ce qu'une modification automatisée a le droit de toucher et où elle entre. Dans la plupart des équipes, personne n'a reçu cela, raison pour laquelle cela apparaît dans les rapports d'incident plutôt que dans les fiches de poste.

Mouvement latéral

Allez là où l'exactitude coûte cher par la loi

Paiements, systèmes critiques pour la sécurité, données réglementées — des endroits où une modification sans surveillance n'est pas permise, si bien que la relecture et la responsabilité sont financées plutôt que supposées.

Changement de secteur

Passez du côté du problème

Ingénierie de solutions, produit technique, expérience développeur — des postes où la valeur est de comprendre à la fois un système et ce que quelqu'un en attend, et où l'écriture n'a jamais été la partie rare.

Le seul essai randomisé que ce site détient a trouvé l'inverse, et le détail à retenir est l'écart entre la mesure et la perception : seize mainteneurs expérimentés de projets ouverts travaillant sur de vrais tickets dans des dépôts qu'ils connaissaient ont mis 19 % plus de temps avec des outils de 2025, tout en estimant avoir été 20 % plus rapides. Les auteurs ne prétendent pas que cela décrive la plupart des développeurs ni les projets neufs, et c'est vieux d'un an. Ce que cela établit, c'est que le gain de vitesse n'est pas automatique sur une base de code mûre, et que se le demander à soi-même ne tranche pas la question.

Personne ne peut répondre par un chiffre, et les réponses assurées des deux camps vendent quelque chose. Une question plus utile est quelle partie du métier, parce que les parties bougent à des vitesses différentes : écrire du code de routine est déjà largement fait par machine, relire ce qu'il a produit est devenu un métier à part entière, et décider ce qui part avec un risque connu n'a pas bougé parce que c'est de la responsabilité et non de la capacité. Surveillez plutôt un signal vérifiable par vous : quelle part de votre semaine consiste désormais à lire du code que vous n'avez pas écrit.

Il est exposé autrement, pas plus en sécurité, et les deux sont liés. Un métier qui cesse de former des seniors aura un problème d'approvisionnement plus tard, pas une garantie de sécurité maintenant : si moins de personnes entrent par le bas, l'enseignement autrefois réparti dans une équipe retombe sur moins de personnes. Certaines communautés d'ingénierie protègent désormais ce chemin à dessein — LLVM interdit les outils d'IA sur les tickets étiquetés « good first issue » pour que les nouveaux contributeurs puissent apprendre avec.

Personne ne peut encore répondre à cela sur preuves, et le dire est plus utile que de deviner. Ces trois voies sont réellement exposées de façon différente, mais les études qui existent ont été conçues pour comparer des niveaux d'expérience et non des piles techniques : il n'y a donc rien avec quoi les départager. Tout classement assuré du frontal face au côté serveur est à lire comme l'impression de quelqu'un. Ce que les preuves soutiennent, c'est un autre critère : choisir selon le coût d'une erreur dans votre domaine — et celui-ci traverse les trois.

Relire du code que vous n'avez pas écrit, et savoir dire pourquoi vous avez rejeté quelque chose. Cette compétence a toujours été présente dans le métier et n'a jamais été ce sur quoi on recrutait ou évaluait ; c'est désormais le goulot, parce que la génération a déplacé le travail de produire vers juger. C'est aussi la capacité qui fait de vous la personne à qui l'on peut faire confiance pour dire non, soit la part de ce métier sans substitut en vue.