La génération de code par IA efface discrètement la compréhension de l'architecture au sein des équipes de développement

Un auteur de Habr décrit le scénario suivant : deux ans après qu'une équipe d'ingénierie est entièrement passée à la génération de code par IA, la CI reste au vert, la couverture de tests atteint presque 100 % et les fonctionnalités sortent plus vite qu'avant. Pourtant, plus personne dans l'équipe n'est capable d'expliquer l'architecture du système dans son ensemble.

Comment le problème se manifeste

Placez n'importe quel développeur devant un tableau blanc et demandez-lui d'expliquer le fonctionnement du système : où passent les frontières entre modules, pourquoi les contrats ont précisément cette forme, ce qui casse si l'on touche à tel service. Il apparaît alors que personne ne maîtrise l'ensemble. Le code existe, il fonctionne, mais personne ne le comprend entièrement.

Pourquoi les ingénieurs ne sont pas en cause

L'explication la plus commode, « on a recruté des ingénieurs médiocres », est fausse selon l'auteur. Il affirme que les deux dernières années ont fourni suffisamment de données pour parler non pas d'échecs individuels de tel ou tel développeur, mais d'une propriété du système lui-même : l'accès généralisé à la génération de code par IA modifie la manière même dont une équipe construit et conserve sa connaissance de l'architecture.

• Symptômes du scénario décrit : CI au vert, couverture de tests proche de 100 %, sortie accélérée des fonctionnalités
• Signe clé du problème : personne dans l'équipe ne peut expliquer l'architecture du système dans son ensemble
• L'auteur s'appuie sur deux ans d'observations accumulées
• L'auteur juge erronée l'explication classique selon laquelle « on a embauché des ingénieurs médiocres »

Ce que cela implique

De bonnes métriques (CI au vert, couverture de tests élevée, rythme de releases soutenu) ne constituent plus un signal fiable de la compréhension qu'une équipe a de son propre système. Si l'accès généralisé à la génération de code par IA dilue réellement le savoir architectural en tant qu'effet systémique, et non en raison d'équipes faibles, les entreprises devront investir spécifiquement dans le maintien d'une compréhension partagée du système. Faute de quoi, l'écart entre « ça marche » et « on comprend comment ça marche » ne fera que se creuser.

Questions fréquentes

Pourquoi l'auteur estime-t-il que les ingénieurs ne sont pas en cause ?

Il s'appuie sur des données accumulées au cours des deux dernières années, qui pointent vers un effet systémique de l'accès généralisé à la génération de code par IA, et non vers des échecs individuels de développeurs en particulier.

Quelles métriques restent au vert, et qu'est-ce qui se perd en parallèle ?

La CI reste au vert et la couverture de tests frôle les 100 %, mais personne dans l'équipe ne peut expliquer l'architecture du système dans son ensemble.