Une IA a réécrit Next.js en une semaine : le coût du développement change d'échelle

Une semaine de travail. Mille cent dollars. Et un clone fonctionnel de l'un des frameworks les plus complexes du développement web actuel. Voilà les chiffres d'une expérience qui a réellement secoué la communauté des développeurs : une équipe d'ingénieurs a reproduit l'architecture de Next.js avec des modèles de langage, pour une somme inférieure à ce que gagne en une journée un développeur senior moyen dans la Silicon Valley.

Pour mesurer l'ampleur du fait, il faut comprendre ce qu'est Next.js. Ce n'est pas qu'une bibliothèque, ni un projet pédagogique : c'est un framework complet, prêt pour la production, édité par Vercel et développé et maintenu par des dizaines d'ingénieurs depuis de nombreuses années. Il comprend le rendu côté serveur, un système de routage, l'optimisation des images, la prise en charge de TypeScript, des mécanismes de cache et plusieurs autres couches de logique architecturale complexe. Recréer un tel outil de façon traditionnelle exigerait une équipe de plusieurs personnes et au moins plusieurs mois de travail. Mais le monde change plus vite que les attentes de carrière ne se mettent à jour.

L'expérience reposait sur un ensemble de modèles de langage récents fonctionnant en mode agent. Autrement dit, ils ne se contentaient pas de répondre à des questions : ils exécutaient des tâches de manière séquentielle, écrivaient du code, lançaient des tests, analysaient les erreurs et itéraient sur les solutions sans intervention humaine constante. Les développeurs ont surtout joué le rôle d'architectes : ils formulaient les tâches, contrôlaient la direction du travail et évaluaient les résultats. La génération, le débogage et le refactoring du code incombaient aux réseaux de neurones. Le coût final de 1 100 dollars correspond littéralement à la facture des requêtes d'API aux modèles de langage, soit la somme que le système a dépensée à « réfléchir ».

Point essentiel : il ne s'agit pas d'écrire quelques scripts ni d'automatiser des tâches routinières. Les agents d'IA ont travaillé sur des décisions d'architecture : ils ont arrêté la structure des modules, géré les interdépendances entre composants et mis en œuvre des schémas complexes de programmation asynchrone. C'est précisément là que passait la frontière jugée inaccessible à l'automatisation : les tâches qui exigent une pensée systémique, et non la simple reproduction de modèles. Apparemment, cette frontière commence à bouger.

Pour l'industrie, les conséquences de telles expériences peuvent être bien plus sérieuses qu'il n'y paraît. Si le coût de reproduction d'un produit logiciel complexe chute rapidement, les calculs économiques fondamentaux du développement changent. Une start-up qui avait besoin d'une levée de fonds rien que pour constituer une équipe et construire un MVP peut désormais obtenir un prototype fonctionnel pour une somme comparable à l'abonnement mensuel à des services cloud. Les grandes entreprises, elles, vont se demander combien de tâches d'ingénierie requièrent réellement une participation humaine et combien peuvent être déléguées à des systèmes d'agents. Ce n'est pas une question philosophique abstraite : c'est une question de recrutement, de budgets et de structure organisationnelle.

Pour autant, ce serait une simplification d'y voir la preuve que les développeurs deviennent superflus. Tout le processus était piloté par des personnes qui savaient ce qu'elles construisaient, pourquoi et dans quelle direction avancer. Les modèles de langage ont multiplié la productivité de l'équipe, mais ils n'ont pas remplacé la compétence. La différence entre l'architecte et le maçon n'a pas disparu ; simplement, les maçons travaillent désormais à la vitesse des machines.

Ce qui se passe n'est pas la fin de l'ère de la programmation, mais le début d'une nouvelle phase. Là où l'on valorisait autrefois le spécialiste capable d'écrire du bon code, la capacité à bien poser la tâche, à évaluer le résultat et à bâtir un système de composants, dont certains sont créés de façon autonome, prend une place croissante. Les deux ou trois prochaines années montreront sans doute la solidité de cette tendance et où se situent exactement les limites de ce que les agents d'IA peuvent faire de façon fiable, et pas seulement de façon impressionnante.

Pour l'instant, le chiffre de 1 100 dollars reste l'indicateur le plus précis de l'ampleur du changement, et il parle de lui-même.