Un break-room sous tension

Dans un billet qui a suscité une vive discussion au sein de la communauté technique, un développeur et formateur expose un malaise croissant dans les équipes de développement logiciel depuis l'adoption massive d'outils d'IA générative. L'auteur, qui dirige des formations et conseille des entreprises, décrit une scène quasi romanesque : une développeuse junior, Priya, expédie cinq demandes de tirage (pull requests) en une semaine — un rythme impensable trois ans plus tôt. Le tableau de bord de la vélocité est vert, le stand-up est optimiste. Pourtant, Marcus, l'ingénieur principal, n'a rien fusionné depuis onze jours. Il passe son temps dans la file de revue de code. Lors d'un incident anodin dans la salle de pause, il sursaute et renverse un verre de café froid, projetant un « épais dépôt brun » sur le mur. La scène sert de métaphore à un problème systémique : la « coulée de boue » (the sludge) qui s'infiltre dans les bases de code et dans les esprits.

Trois profils, une même angoisse silencieuse

L'article identifie trois archétypes d'acteurs pris dans ce qu'il décrit comme un piège. Marcus, le senior, n'est pas submergé par le volume de revues, mais par leur contenu : il découvre, plusieurs fois par mois, des implémentations redondantes de fonctionnalités déjà existantes dans le code, sous des noms différents. Le code ne s'améliore pas ; il « grossit ». Le senior se transforme en « détecteur de fraude » pour du code sorti d'un outil. Accepter une demande de tirage médiocre pourrit la base ; en refuser trop le désigne comme un goulot d'étranglement. Il craint, dans son for intérieur, d'être lui-même le problème.

Priya, la junior prometteuse, reçoit des commentaires de revue de code qu'elle ne comprend pas entièrement — par exemple sur la gestion des erreurs, qui ne suit pas les conventions locales. Son code fonctionne, les tests passent. Elle modifie ses invites vers l'IA, obtient un code un peu meilleur, mais jamais parfait. Elle se sent comme une « couche intermédiaire » entre le senior et l'IA, « une application dont le but est de supprimer l'intermédiaire ». Sa peur inavouable est que son code est livré, mais qu'elle n'apprend rien. Face à une échéance, elle est tiraillée : si elle manque la date, on lui reprochera de ne pas avoir utilisé les outils ; si elle réussit, on évoquera la possibilité de réduire l'équipe de moitié.

« Pile, les outils gagnent ; face, les humains perdent », résume l'auteur. Personne n'ose dire que la mesure (la vélocité) est ce qui brise l'équipe. Alors tout le monde se tait, expédie, révise — et le tableau reste vert, tandis que la boue continue de couler sur le mur.

Un phénomène que l'on ne peut pas prouver — mais que l'on voit partout

L'article, qui fait partie de la série « La crise du codage par IA », repose sur des années d'observation en formation et en conseil. L'auteur admet ne pas disposer de données chiffrées, d'enquête ou d'étude formelle. « Les données dont nous aurions besoin sont celles que nous ne collectons pas », écrit-il, parce que ce qui va mal n'est pas ce que les tableaux de bord savent compter. Il affirme néanmoins que la situation est « partout », avec des variantes techniques mais une même configuration : vélocité en hausse, qualité en baisse, seniors en souffrance, juniors coincés ou déjà licenciés, managers mesurant des chiffres auxquels ils ne font plus confiance.

Le silence serait une partie de la maladie. Chaque équipe pense vivre un échec local, en a honte, n'en parle pas en conférence, n'écrit pas de billet. « Vous n'avez pas trouvé la solution. Ils n'ont pas trouvé la solution. Personne n'a encore trouvé la solution. »

Les trois piliers du code qui s'effritent

Pour expliquer le mécanisme, l'auteur distingue trois qualités intemporelles du bon code, quel que soit l'auteur : il doit être

  • consommable : un humain peut le charger dans son esprit ;
  • révisable : la demande de tirage est conçue pour qu'une quantité finie d'attention puisse l'évaluer sans deviner ;
  • correct (right) : il s'adapte non pas à une abstraction, mais à la base de code réelle, avec ses idiomes, son historique et ses particularités locales.

Ces trois propriétés « étaient offertes gratuitement » quand écrire du code était lent, car l'acte d'écrire était l'acte de concevoir. Avec l'IA générative, ce coût a disparu — et la forme qu'il imposait aussi. La taille des morceaux de code à réviser a « augmenté de manière exponentielle » et continue de croître. Les demandes de tirage sont devenues des livraisons uniques, non des conversations. L'auteur avait une invite et une sortie ; le diff est un résultat, pas un argument. Le code est fluide dans le langage de programmation, compétent dans l'abstrait, mais « difforme pour ici » — les patrons architecturaux et la gestion des erreurs viennent d'ailleurs. « Et les mathématiques ne fonctionnent plus. » Le code glisse irrémédiablement, avec des intérêts composés qui condamnent l'équipe à long terme.

Un débat ouvert, sans solution toute faite

Le billet ne propose pas de solution clé en main. Il s'achève sur une invitation à briser le silence et à reconnaître que le problème est collectif, non individuel. L'auteur promet d'explorer des pistes dans des articles ultérieurs de la série. Sur les forums, les réactions oscillent entre reconnaissance et critique : certains développeurs rapportent des expériences similaires, d'autres estiment que le diagnostic est juste mais manque de propositions concrètes. La discussion illustre le trouble profond que traverse la profession, confrontée à un outil qui change la nature même du travail de développement.