Ingénieur logiciel expérimenté — sur quoi nous nous fondons
La page elle-même donne les jugements. Celle-ci donne ce sur quoi ils reposent : quelles technologies touchent réellement ce travail, comment l'estimation a évolué depuis que les modèles de langage ont atteint le public, et la méthode derrière les deux.
Quatre signaux distincts. Ils ne sont délibérément pas additionnés — un métier exposé à deux technologies n'est pas deux fois plus exposé.
Automatisation cognitive
Modifier un système que vous n'avez pas écritRelire ce que la machine a écritConcevoir pour la façon dont cela échoueDécider ce qui partRendre quelqu'un d'autre capable de le faireDétenir les agents qui écrivent et modifient le code
Processus et libre-service
Décider ce qui partDétenir les agents qui écrivent et modifient le code
—— ce segment contient un fait vérifié- - - aucun fait sur ce segment — reconstruction seule0 = aucune tâche exposée, 100 = toutes exposées
● 3 événements vérifiés pour ce métier, placés à la date où il s'est produit — les parties de la courbe proches d'un repère sont ancrées à quelque chose de vérifiable.
Une base plus haute que la plupart des pages ici, parce que la complétion de code et les outils de remaniement étaient déjà courants avant 2022 — ce métier a commencé la période partiellement automatisé et le savait. La montée de 2023-2025, c'est la génération qui atteint le point où un changement entier peut être rédigé plutôt qu'une ligne complétée. Elle s'aplatit tôt et bas par rapport à la courbe des juniors, et cet aplatissement est la partie intéressante : les tâches restantes sont du jugement sur un système précis et de la responsabilité pour ce qui part en production, et un modèle plus capable n'atteint ni l'un ni l'autre. Lisez l'écart entre cette ligne et celle des juniors comme la forme du problème plutôt que comme un réconfort — les mêmes forces qui retiennent cette courbe sont celles qui poussent l'autre vers le haut, et elles sont reliées par le chemin qui va de l'une à l'autre.
12e semestre 202226La génération de texte généraliste arrive au grand public. Avant ce point, l'exposition venait d'automatisations déjà déployées — OCR, RPA, vision industrielle, caisses en libre-service, algorithmes de répartition. ChatGPT research preview (2022-11-30) ↗
21er semestre 202329Un modèle généraliste qui réussit des examens professionnels. La qualité du premier jet franchit le seuil à partir duquel le travail professionnel commence à s'en servir. GPT-4 (2023-03-14) ↗
32e semestre 202333Entrée visuelle, contexte long et appel d'outils. Les modèles peuvent être pointés vers des documents et connectés à des systèmes, et c'est cela qui déplace le travail de processus plutôt que le travail d'écriture. GPT-4 Turbo:128k 上下文、视觉、工具调用(DevDay) (2023-11-06) ↗
41er semestre 202437La même capacité devient bien moins chère et bien plus rapide. Rien de nouveau ne devient possible ; beaucoup devient abordable à grande échelle, et c'est là que les décisions de déploiement changent.
52e semestre 202440Des modèles de raisonnement qui traitent des problèmes à plusieurs étapes, et les premiers modèles qui pilotent un ordinateur en regardant l'écran. C'est le second qui atteint les métiers dont le travail consiste à faire marcher des logiciels. OpenAI o1(推理);同期 Claude 的 computer use 进入公测 (2024-09-12) ↗
61er semestre 202543Les agents commencent à faire fonctionner de vrais logiciels de bout en bout, au lieu de produire du texte qu'une personne recopie. C'est aussi le moment où apparaissent les premiers retours en arrière publics — des organisations qui avaient automatisé et l'ont partiellement défait. Claude 3.7 Sonnet 与 Claude Code:混合推理 + 命令行编码代理 (2025-02-24) ↗
72e semestre 202545Le contexte long et l'usage d'outils deviennent la norme plutôt qu'une fonctionnalité. Les gains de capacité continuent ; la contrainte visible se déplace de ce que les modèles savent faire vers la responsabilité juridique, les achats et le coût. GPT-5(2025-08-07);Claude Opus 4.5(2025-11-24) (2025-08-07) ↗
81er semestre 202646Les agents à long horizon s'installent dans des flux de travail sectoriels précis. L'adoption devient propre à chaque secteur plutôt que générale. GPT-5.5:「专为实际工作打造」 (2026-04-23) ↗
9Aujourd'hui46L'appréciation actuelle — ce point est l'indice d'impact publié sur la page du métier, donc la courbe est ancrée à un chiffre que le site assume déjà. À noter pour les courbes plates : durant les mêmes semaines, un aperçu de recherche d'une spécification commune permettant à des agents d'IA de piloter des appareils physiques a été ouvert aux laboratoires et aux fabricants. C'est la première classe de capacités pointée vers les métiers physiques dont les courbes bougent à peine ici. GPT-6 Astra(2026-09-03);Claude Fable 5.1 / Mythos 5.1(2026-09-01);Model Hardware Standard 研究预览(2026-08-27) (2026-09-03) ↗
Une courbe plate n'est pas une prévision de sécurité. Elle dit quelles tâches l'automatisation a atteintes jusqu'ici — les métiers qui ont le moins bougé ici sont ceux où la contrainte est physique ou réglementaire, et les deux peuvent changer.
LO
