Les développeurs ne s’attachent pas à des outils comme Vim et Emacs ou aux environnements de développement intégrés simplement par habitude, mais parce que ces outils deviennent partie intégrante de leur manière de penser, d’écrire et de relire le code. À mesure que l’utilisateur acquiert une longue expérience, les commandes et les procédures se transforment en connaissances implicites et en mémoire musculaire, si bien que l’outil semble devenir une extension naturelle de sa main. Cette relation explique en partie les réticences envers les outils de programmation agentique, capables de produire rapidement des applications complètes, mais moins précis, clairs et prévisibles.
L’article établit un lien entre les outils, la confiance et le processus qui les entoure. Un outil fiable n’est pas seulement celui qui exécute la tâche, mais aussi celui qui permet au développeur de connaître ses limites et son comportement, et d’anticiper ses résultats. Quant aux outils d’intelligence artificielle agentique, leurs capacités évoluent constamment et ils dépendent d’instructions en langage naturel qui peuvent être ambiguës. Selon les données de la récente enquête auprès des développeurs citée par l’article, le taux d’utilisation de l’intelligence artificielle est passé de 76 % à 84 %, tandis que la confiance à son égard a reculé de 40 % à 29 %.
L’outil fait partie du processus de développement
Apprendre à travailler dans le terminal, au sein d’un éditeur de texte ou dans un environnement de développement intégré ne signifie pas seulement apprendre un programme distinct ; cela signifie construire un processus complet pour écrire, comprendre et améliorer le code. C’est pourquoi passer du terminal à un environnement de développement intégré peut nécessiter de reformuler sa manière de travailler, tandis que passer de l’un ou l’autre à un outil de programmation agentique représente une transformation plus importante.
Tricia Gee, défenseuse de la productivité des développeurs, explique qu’un développeur peut être plus rapide avec l’environnement de développement qu’il connaît, parce que ses doigts se sont habitués à ce qu’il faut faire. Il en va de même pour les utilisateurs expérimentés de Vim et d’Emacs. Avec le temps, une compétence inconsciente se forme, ce qui aide le développeur à faire confiance à l’outil et à l’utiliser pour produire et améliorer du code.
Les outils traditionnels, tels que les environnements de développement intégrés, les outils de conteneurisation et les analyseurs statiques, donnent à l’utilisateur une vision claire de leurs limites et de leurs rôles. L’intelligence artificielle, en revanche, s’infiltre dans plusieurs parties de la chaîne d’outils du cycle de vie du développement logiciel, ce qui fait que la baisse de confiance à son égard affecte l’ensemble du processus. L’écriture du code peut devenir plus rapide, mais sa vérification et la confirmation qu’il n’entraînera pas de pannes coûteuses en production peuvent prendre plus de temps.
Les outils ne réparent pas les processus défaillants
Les outils de programmation agentique ont changé la nature du processus de développement, ce qui peut rendre moins adaptés, dans leur forme actuelle, des outils apparus autour du processus précédent, comme les outils d’analyse statique, les tests unitaires, l’intégration continue et le déploiement continu. L’article distingue toutefois l’outil du processus qu’il incarne : un bon outil d’intégration et de déploiement continus ne garantit pas des livraisons plus rapides, un environnement de développement intégré puissant ne garantit pas un meilleur code et un système de suivi des tickets ne garantit pas une estimation précise de l’effort.
Une partie du processus se forme au sein de la culture de l’organisation, ainsi que du comportement et des normes de ses membres. C’est pourquoi les nouveaux outils, aussi grandes que soient leurs promesses, peuvent échouer s’ils ne s’accordent pas avec la culture et les processus en place ou si les développeurs ne comprennent pas la raison de leur utilisation. L’article souligne que les outils de programmation agentique se sont rapidement répandus parce qu’ils aident les développeurs à résoudre les problèmes rapidement, mais qu’ils ont en même temps révélé d’anciens défauts dans la définition des exigences, la formulation du problème et le sens d’une solution.
La production de code est devenue presque gratuite par rapport à ce qu’elle était, mais sa relecture ne l’est pas devenue. Les développeurs peuvent se retrouver face à d’énormes changements dans les demandes de fusion, produits par les agents en quelques instants, ce qui accroît la charge des relecteurs ou les pousse à effectuer des relectures de pure forme. L’utilisation d’un modèle de langage comme arbitre est en cours de développement afin d’élargir la portée de la relecture, mais instaurer la confiance dans la capacité de l’intelligence artificielle à relire du code écrit par une intelligence artificielle exige un travail supplémentaire.
L’exécution du code a également ses coûts. Ceux-ci comprennent les coûts d’infrastructure, les ressources cloud — calcul, mémoire et trafic —, les services dépendants et les interfaces de programmation hébergées, ainsi que le coût des incidents, tels que les interruptions de service, les compromissions de sécurité et les coûts d’opportunité. Les outils qui produisent du code sans tenir compte de ces facteurs ne sont pas nécessairement utiles et peuvent affaiblir le processus qui permettait de produire des logiciels fiables.
Construire la confiance grâce à la responsabilité et aux processus
Dans le cycle de développement traditionnel, la confiance était répartie entre des rôles interdépendants : les responsables produit définissaient les exigences, les architectes concevaient les solutions, les ingénieurs construisaient les logiciels et relisaient les changements, l’équipe d’assurance qualité testait les points de rupture, puis les spécialistes DevOps et SRE surveillaient les performances et les ressources après le lancement. Cette répartition contribuait à réduire la probabilité qu’une personne ou un outil agisse en dehors des limites et nuise au système.
L’article estime que le cycle de développement assisté par l’intelligence artificielle a besoin de principes similaires : travailler avec les personnes, définir la responsabilité et l’obligation de rendre des comptes, partager les processus et les améliorer progressivement, et réduire les possibilités d’erreur. Les humains doivent rester les parties responsables, tout en précisant les endroits où l’intelligence artificielle a contribué.
La responsabilité n’est pas transférée à l’agent simplement parce qu’il a créé le changement. La personne qui pousse le changement vers le dépôt est responsable du code, et celle qui approuve la demande de fusion est responsable de cette approbation. Selon le raisonnement présenté par l’article, si le changement provoque une panne en production, le blâme ne peut pas être rejeté sur l’environnement de développement ou l’outil ; la responsabilité revient plutôt aux personnes et au processus qui ont permis au changement de passer.
Cette transformation porte un autre défi concernant la collaboration. L’agent peut permettre à un seul développeur d’accomplir des tâches allant des exigences produit aux opérations DevOps, ce qui accroît le risque qu’il devienne une île isolée, sans communication avec le concepteur ou l’ingénieur spécialisé dans une base de code donnée. L’article met en garde contre le fait que cette trajectoire peut conduire à d’énormes demandes de fusion, même si l’outil semble capable d’exécuter le travail rapidement.
La conclusion essentielle n’est pas que les nouveaux outils sont inutiles, mais que l’amélioration des outils, à elle seule, ne suffit pas à réparer un cycle de développement défaillant. Les organisations ont besoin de processus que les développeurs comprennent et acceptent, de limites claires au rôle des agents, d’une relecture humaine assortie d’une responsabilité réelle et d’une collaboration empêchant que le développement ne devienne une activité individuelle fermée. Les outils et la culture peuvent alors travailler ensemble pour instaurer une nouvelle confiance dans un environnement de développement fondé sur l’intelligence artificielle.