Adieu, juniors : Anthropic promet de remplacer les développeurs d'ici un an

Dario Amodei, le patron d'Anthropic, a décidé que la politesse n'était plus à la mode et a sorti une prévision qui a fait trembler la main de nombreux développeurs sur leur tasse de café. Selon lui, d'ici 6–12 mois, l'IA pourra remplacer entièrement l'ingénieur logiciel. Nous nous sommes habitués aux déclarations fracassantes de Sam Altman ou de Jensen Huang, mais Amodei est d'ordinaire plus prudent dans ses propos.

Quand l'homme qui a créé Claude évoque une échéance d'un an, l'industrie retient son souffle. Ce n'est pas seulement du bruit marketing, mais une déclaration d'intention qui pose la question sans détour : faut-il apprendre le prompt engineering plutôt que les algorithmes, ou peut-on encore batailler un peu avec le code legacy ?

Pour comprendre d'où vient cette assurance, il faut regarder les derniers succès en benchmarks. Des tests comme SWE-bench montrent que les modèles actuels viennent déjà à bout de vraies tâches issues de dépôts GitHub. Là où un réseau de neurones ne savait autrefois qu'achever une fonction « additionnant deux nombres », il détecte désormais des bugs et propose des correctifs. Anthropic promeut activement l'idée du contrôle de l'ordinateur, où Claude « prend » littéralement la souris et le clavier, en imitant les gestes d'un humain. On dirait qu'il ne reste qu'un pas jusqu'à la ligne d'arrivée, et ce pas, c'est simplement l'augmentation de la puissance de calcul.

Mais la réalité, comme souvent, se révèle bien plus capricieuse que les tests synthétiques. L'expérience des développeurs qui tentent d'intégrer l'IA à leur quotidien regorge de situations cocasses. On peut demander à un réseau de neurones d'écrire un algorithme Python très complexe, et il le fera en quelques secondes. Mais confiez-lui la retouche d'une config nginx spécifique dans un projet bourré de dépendances, et la magie s'évanouit. L'IA se met à halluciner des paramètres, à confondre la syntaxe ou simplement à proposer des solutions qui fonctionnaient en 2021 mais font aujourd'hui tomber le serveur. Le problème, c'est que « comprendre le code » et « comprendre un système en fonctionnement » sont deux disciplines distinctes.

Le principal fossé entre les promesses d'Amodei et la réalité tient au contexte. Un programmeur n'est pas quelqu'un qui tape des caractères dans un IDE. C'est quelqu'un qui garde en tête l'architecture, la logique métier et des centaines de liens implicites entre microservices.

Pour l'instant, l'IA opère avec des fenêtres de contexte locales. Elle voit un fragment, mais ne sent pas la « mauvaise odeur du code ». Quand on parle de remplacer un ingénieur, on parle de transfert de responsabilité.

Mais une entreprise est-elle prête à confier les clés de la production à un modèle qui peut supprimer une base de données par accident parce que « c'était comme ça dans le jeu d'entraînement » ? Pour l'instant, la réponse est un « non » catégorique.

Un nouveau terme est même apparu : le « vibe coding ». On décrit la tâche avec des mots, et l'IA génère un code qui semble fonctionner. Cela crée une illusion de toute-puissance chez les débutants, mais effraie les professionnels. Le problème du vibe coding, c'est qu'il engendre de la dette technique à une vitesse folle. Si vous ne comprenez pas ce que l'IA a écrit, vous ne pourrez pas le maintenir. Au final, nous risquons d'obtenir toute une génération de systèmes qui tournent sur la « parole d'honneur » du réseau de neurones, sans que personne sache pourquoi ils démarrent.

Il est très probable que, dans un an, nous ne verrons pas de licenciements massifs de développeurs. Il y aura plutôt un tri sévère. Ceux qui utilisaient l'IA comme béquille pour des tâches simples deviendront inutiles. Ceux qui apprendront à diriger ces modèles seront dix fois plus productifs. La prévision d'Amodei est moins une prédiction de l'avenir qu'une tentative de fixer le rythme de la course. Anthropic a besoin que les investisseurs croient à l'inéluctabilité de la révolution de l'IA, même si nginx résiste encore à ses meilleurs algorithmes.

L'essentiel : la frontière entre « écrire du code » et « résoudre le problème » existe toujours, et l'IA se trouve pour l'instant du premier côté. Pourra-t-elle passer de l'autre en un an ? La question est de taille, et la réponse dépend de notre capacité à apprendre aux réseaux de neurones à assumer leurs erreurs.