Vibe coding : comment les assistants AI érodent la pensée d’ingénierie

Un programmeur qui n'écrit pas de code, cela semble un oxymore. Mais c'est exactement à quoi ressemble aujourd'hui l'approche de plus en plus populaire appelée « vibe coding ». Mark, ingénieur ML avec plus de quatre années d'expérience en machine learning, a décidé de tester cette méthode sur lui-même — et les résultats se sont avérés à la fois impressionnants et alarmants.

Le terme « vibe coding » lui-même est apparu début 2025 et s'est rapidement imposé dans l'argot professionnel. L'essence est simple : un développeur formule une tâche en langage naturel, et un agent IA — qu'il s'agisse de Claude, Cursor ou un autre outil — génère le code. Le programmeur agit plus comme un product manager qu'comme un ingénieur : il décrit le comportement souhaité, vérifie le résultat et ajuste la direction, sans s'enfoncer dans la syntaxe et les décisions architecturales.

Mark est allé plus loin — il a entrepris un projet dans un langage de programmation inconnu, avec une stack technologique inconnue, et en l'espace de quelques jours a obtenu une application fonctionnelle. Pour un observateur externe, cela ressemble à de la magie. Pour l'industrie, c'est un signal qu'on ne peut ignorer.

Cependant, derrière la façade de résultats rapides se cache un problème sérieux. Mark en est honnête : en même temps que l'application, il a « vibe codé » une quantité considérable de dette technique. Le code généré par l'assistant IA fonctionne — mais il fonctionne comme des meubles montés à la va-vite dans un magasin de matériaux de construction. Il remplit sa fonction jusqu'au premier vrai test. Les décisions architecturales prises par le réseau neuronal s'avèrent souvent fragiles, redondantes ou simplement étranges. Déboguer un tel code est plus difficile que de le réécrire à zéro, car le développeur qui n'a pas participé à sa création doit démêler une logique étrangère, dont aucun auteur ne peut expliquer les choix.

Mais la découverte la plus alarmante de Mark ne se situe pas sur le plan technique, mais psychologique. Il l'appelle la « malédiction des victoires faciles » : après un travail prolongé avec des assistants IA, il a remarqué une baisse marquée de sa volonté d'aborder indépendamment les problèmes complexes. Si auparavant la rencontre avec une erreur incompréhensible déclenchait un processus d'investigation — lecture de la documentation, expériences, plongée profonde dans le problème — maintenant le premier réflexe est différent : copier la stack trace et l'envoyer au chat IA.

Ce n'est pas de la paresse au sens conventionnel. C'est une restructuration des habitudes cognitives, dans laquelle le cerveau cesse d'entraîner la compétence de résolution de problèmes indépendante, car il reçoit une « dopamine rapide » d'une réponse instantanée.

Cet effet fait écho à un débat plus large qui s'est déroulé dans la communauté technologique. Des chercheurs de Harvard et Microsoft ont documenté l'année dernière que les développeurs qui utilisent activement des assistants IA démontrent au fil du temps une baisse de la pensée critique lors de l'examen du code. Ils acceptent plus souvent les solutions générées sans vérification et se posent moins souvent la question « mais pourquoi exactement de cette façon ? ». Le vibe coding pousse cette tendance à sa limite logique : si les assistants IA classiques aident à écrire du code, alors le vibe coding délègue complètement ce processus, laissant aux humains seulement la fonction d'acceptation.

Pour être juste, Mark ne diabolise pas l'approche. Il identifie les situations où le vibe coding est véritablement approprié : prototypage rapide, création de scripts jetables, test d'hypothèses aux premiers stades du produit. Lorsque le coût de l'erreur est faible et la vitesse critique, la génération de code par IA devient un puissant accélérateur. Les problèmes commencent quand le vibe coding est appliqué où la fiabilité, la sécurité et le support à long terme sont requis. Les systèmes de production qui travaillent avec des données utilisateur, les services financiers, le code d'infrastructure — ici, déléguer la pensée à la machine se transforme d'un accélérateur en une bombe à retardement.

Dans un contexte plus large, l'histoire de Mark reflète une question fondamentale que quiconque travaille avec des outils intelligents devra affronter : où se situe la frontière entre augmenter les capacités humaines et les remplacer ? Une calculatrice ne nous a pas désappris à penser — elle a libéré la pensée pour des tâches d'ordre supérieur. Mais une calculatrice n'a jamais prétendu penser pour nous. Les assistants IA le font. Et si un ingénieur cesse de comprendre le code qu'il exécute en production, il cesse d'être un ingénieur — peu importe le prestige du résultat.

Le vibe coding ne disparaîtra pas — c'est trop pratique et trop efficace pour une certaine classe de tâches. Mais l'industrie devra apprendre à le gérer de la façon dont elle a appris à gérer l'externalisation : en comprenant ce qui peut être délégué, ce qui ne peut pas l'être, et pourquoi la capacité à faire des choses complexes de manière indépendante reste l'atout principal d'un professionnel.