Un développeur sur Habr a quitté une entreprise internationale en raison de son refus d'adopter activement l'AI

Le développeur a expliqué qu’il avait quitté volontairement une entreprise internationale avec un bon salaire non pas par peur de AI, mais à cause du refus de son employeur d’utiliser de nouveaux outils. Selon lui, après l’arrivée de LLM matures, le travail a cessé de lui donner une impression de progression, et son intérêt s’est déplacé vers les agents et les systèmes de gestion des connaissances.

Pourquoi il est parti

L’auteur décrit son expérience comme une séparation entre l’avant et l’après de l’ère des grands modèles de langage. Avant cela, le travail dans l’entreprise paraissait stable et prévisible : des tâches claires, une équipe internationale, une rémunération correcte et un flux habituel de projets web.

Quand LLM sont devenus suffisamment utiles dans le développement réel, en particulier les modèles d’Anthropic, il a vu apparaître autour d’eux une nouvelle couche de technologies, de produits et de trajectoires de carrière. Dans ce contexte, son travail précédent a cessé de lui sembler être un point de progression et a commencé à être perçu comme la répétition de quelque chose qu’il maîtrisait déjà.

Le moment décisif, dit-il, a été une conversation sur l’usage concret de AI dans l’entreprise. Au lieu d’expérimenter et de tenter d’intégrer de nouveaux outils dans les processus, il a entendu la logique de préservation du modèle actuel : l’entreprise gagne de l’argent avec des sites, donc ce dont elle a besoin avant tout, ce sont des sites.

Pour l’auteur, cela ressemblait à un refus de regarder le marché au-delà de sa propre niche. Il a directement comparé cette position à des réactions du passé, quand une nouvelle technologie semble superflue simplement parce que l’ancien schéma rapporte encore de l’argent.

« Nous gagnons de l’argent avec de petits sites.

Ce qu’il nous faut, ce sont de petits sites. »

Ce qui l’a attiré

Ce qui a le plus attiré l’auteur, ce n’étaient pas des discussions abstraites sur la « révolution AI », mais des choses très concrètes qu’il avait déjà commencé à assembler de ses propres mains. Pendant plusieurs années, il a développé son propre système de gestion des connaissances et, après y avoir intégré LLM, celui-ci s’est transformé, selon lui, en quelque chose de bien plus vivant : non plus seulement une archive de notes, mais un environnement de travail où les connaissances aident à prendre des décisions et à déclencher des actions. À ce moment-là, la technologie a cessé d’être un jouet pour devenir un outil personnel.

Puis, comme il le décrit, un agent personnel a commencé à s’entourer d’autres agents, et l’ensemble a commencé à ressembler à un réseau distribué d’assistants. C’est là qu’il a vu une nouvelle zone de développement — non pas un énième projet web, mais une combinaison de mémoire, d’automatisation et de modèles de langage qui peut déjà transformer le travail quotidien. C’est devenu pour lui une alternative à la trajectoire de carrière classique dans le développement de services.

Son intérêt s’est déplacé du développement classique vers un ensemble plus large de tâches :

• création de scénarios d’agents au-dessus d’une base de connaissances
• automatisation des actions de travail quotidiennes
• mise en relation de plusieurs assistants dans un seul système
• recherche de nouveaux produits AI au lieu de commandes web standard

Au fond, il s’agit d’un basculement déjà familier pour le secteur : la valeur commence à être créée non seulement par le code en tant que tel, mais aussi par la capacité à assembler rapidement, au-dessus des modèles, des configurations de travail utiles. Pour une partie des développeurs, cela ressemble à l’étape suivante naturelle ; pour les entreprises ayant un business de services bien installé, cela ressemble à un risque qu’il est plus simple de remettre à plus tard. Mais c’est précisément à partir de ce genre de décisions différées que naît souvent, plus tard, le retard technologique.

Pourquoi cela a touché le marché

L’histoire a suscité une réaction non seulement à cause du départ lui-même, mais aussi parce qu’elle a touché un point sensible de toute l’industrie. Beaucoup d’équipes raisonnent aujourd’hui à peu près de la même manière : AI est intéressante, mais le principal revenu continue de venir de l’ancien ensemble de services, donc il n’est pas nécessaire d’engager des changements de grande ampleur.

Cette approche est rationnelle à court terme, mais elle éloigne aussi souvent les spécialistes qui veulent travailler non seulement pour la stabilité, mais aussi pour la compétence de demain.

Un autre fil du texte est la déception de l’auteur envers la communauté professionnelle et envers le format des discussions autour du sujet AI. Il écrit qu’il a reçu une vague de négativité après sa publication précédente et qu’il voit de moins en moins de valeur dans une plateforme où la discussion est remplacée par la réaction de la foule.

Mais même dans ce contexte, son message principal ne parle pas de rancœur, mais de la recherche de personnes qui ont encore envie de construire de nouvelles combinaisons technologiques, d’échanger des projets et de façonner ensemble l’avenir souhaité.

Ce que cela signifie

Cette histoire montre que le virage vers AI influence déjà non seulement les produits, mais aussi les décisions de carrière. Si une entreprise considère LLM et les agents comme une mode facultative, elle risque de perdre des employés pour qui c’est précisément là que se trouve le prochain point de progression professionnelle.

Pour le marché, c’est un signal de plus : une stratégie AI est devenue une question de rétention des talents, et pas seulement d’amélioration de l’efficacité.