Ingénieur logiciel expérimenté — tâches, une par une

Modifier un système que vous n'avez pas écrit

C'est la tâche dont parle la preuve la plus solide de cette page, et cette preuve pointe dans le sens inattendu : dans un essai randomisé sur de vrais tickets dans des dépôts que les participants entretenaient, des développeurs expérimentés utilisant des outils d'IA de 2025 ont mis 19 % plus de temps, tout en croyant avoir été 20 % plus rapides. Le contexte dont une modification a besoin est détenu dans le modèle qu'une personne a de ce système précis, et le fournir à un outil coûte plus que cela ne fait gagner.

Un essai, seize développeurs, des dépôts mûrs qu'ils connaissaient bien — les auteurs disent clairement que cela ne décrit pas la plupart des développeurs ni les projets neufs. Cela ne dit rien de la performance des mêmes outils un an plus tard, et un ralentissement mesuré une fois n'est pas une propriété permanente des outils.

Relire ce que la machine a écrit

La génération déplace le goulot plutôt qu'elle ne le retire : plus de code arrive, et sa lecture retombe sur qui répond de la branche. Alphabet a dit que plus d'un quart du nouveau code chez Google est généré par IA puis relu et accepté par des ingénieurs, ce qui est une description de l'endroit où le travail a bougé plutôt que d'un travail qui disparaît.

Une part de code généré ne dit rien du temps que prend la relecture, de sa qualité, ni du changement du nombre total d'ingénieurs. Un volume de relecture qui monte n'est pas non plus automatiquement du bon travail — c'est la part du métier la plus facile à mal faire sous la pression du temps.

Concevoir pour la façon dont cela échoue

Un modèle peut proposer une architecture et l'argumenter avec fluidité. Ce qu'il ne peut pas faire est porter la conséquence du compromis, et les compromis ici ne sont pas des préférences techniques — ce sont des paris sur la défaillance à laquelle l'organisation peut survivre, ce qui dépend de faits sur l'organisation plutôt que sur le code.

C'est un jugement sur le travail, non une mesure, et l'absence de preuve est celle, ordinaire, qui ne constitue pas un résultat : les revues d'architecture ne sont pas publiées, de sorte que savoir si les décisions de conception sont confiées à une machine ou au contraire retenues n'est pas observable depuis l'extérieur de l'entreprise où cela se passe.

Décider ce qui part

La preuve du côté test de cette frontière est que les contrôles automatisés n'attrapent pas assez : une enquête auprès de deux cents ingénieurs chevronnés rapporte que 43 % des modifications générées par IA exigent encore un débogage manuel en production après avoir passé la recette et la préproduction. Que le pourcentage tienne ou non — l'enquête a été publiée par une entreprise qui vend des outils de débogage — la forme de l'affirmation correspond aux incidents rapportés de façon indépendante.

Une enquête déclarative venant d'une partie intéressée est une preuve faible pour un chiffre et une meilleure preuve pour une direction. Cela n'établit pas que les décisions de mise en production deviennent globalement plus difficiles, et cela porte sur le logiciel d'entreprise plutôt que sur tout le logiciel.

Rendre quelqu'un d'autre capable de le faire

Cette tâche devient porteuse pour une raison extérieure à elle. L'emploi des 22 à 25 ans dans les postes les plus exposés à l'IA a reculé d'environ 11 % de fin 2022 à mi-2026 tandis que les groupes moins exposés ne bougeaient pas ; plusieurs organisations qui ont coupé le recrutement de juniors ont dit publiquement avoir supprimé la voie par laquelle on devient senior. Si moins de gens arrivent par le bas, la transmission du jugement cesse d'être une bonne habitude et devient la ligne d'approvisionnement.

Les microdonnées de paie montrent une baisse de l'emploi ; elles ne montrent pas que le tutorat a augmenté, ni que quelqu'un a choisi d'y investir. Le lien entre un recrutement junior plus mince et davantage de travail d'enseignement retombant sur les seniors est une lecture de deux faits, non un fait mesuré.

Détenir les agents qui écrivent et modifient le code

Ce travail n'existait pas en 2022 et personne n'y est affecté par défaut. Il apparaît partout où la génération est autorisée à toucher un dépôt, et les incidents qui suivent sont d'ordinaire imputés non au modèle mais à qui avait le droit de fusionner quoi — les pannes d'Amazon de mars 2026 ont été attribuées à une modification assistée par IA non validée et suivies d'une remise à plat de la sûreté du code sur quatre-vingt-dix jours à travers 335 systèmes.

L'incident et la remédiation d'une entreprise ne décrivent pas le secteur, et un programme de remédiation est la preuve que quelque chose a mal tourné plutôt qu'une preuve sur sa fréquence. Rien ici ne dit que cette détention est un poste pour lequel quelqu'un est payé.