Et si la fin du code écrit à la main n'était plus une prédiction, mais un fait accompli ?
C'est le constat sans détour de Grigory Sapunov, cofondateur d'Intento (solutions de traduction pour grandes entreprises), sur son blog Gonzo ML : en six mois, sa société est passée d'un code majoritairement rédigé manuellement à un code entièrement produit par des modèles d'IA, les équipes se consacrant à la définition des tâches et à la relecture.
Ce basculement ne s'est pas fait en un jour. L'auteur raconte son apprentissage par étapes :
- un projet de recherche début 2025,
- un serveur MCP livré sans écrire une seule ligne,
- puis un jeu de navigateur complet de 15 000 lignes développé en deux soirées avec Claude, en cycles de correction de quelques minutes.
Sa règle d'or : « Dire ce qui ne va pas, pas comment le réparer » — encore son meilleur conseil pour piloter ces outils. La véritable transformation est toutefois ailleurs : chez Intento, tout ce qu'un modèle a besoin de connaître (documentation, décisions d'architecture, tickets, journaux de production) a été rendu accessible et interrogeable. C'est exactement la liste dont un nouveau développeur humain a besoin en arrivant — et ce qui manquait aux IA il y a un an.
Résultat, le goulot d'étranglement s'est déplacé : écrire le code ne coûte plus rien, le lire et le valider devient le point de blocage.
Autre conséquence surprenante, le "choix de langue" : réécrit en Rust, un service annexe tient 2,6 fois plus de connexions qu'en Python pour 33 fois moins de mémoire — un chantier qu'aucune équipe n'aurait financé à l'ancienne. L'auteur évoque aussi ses comptables, dont Claude a retrouvé une erreur fiscale d'un an, des résultats de recherche négatifs obtenus en une journée au lieu d'un trimestre, et arXiv, qui limite désormais ses soumissions, dépassée par le volume.
La leçon pour les équipes tech : l'humain ne disparaît pas, il se repositionne — sur la formulation des tâches et sur les "portes qualité" à franchir.
Reste à savoir où les placer...