Cet article fait partie d’une série sur le framework Sens-AI : des habitudes pratiques pour apprendre et coder avec l’IA.
Il y a quelques décennies, j’ai travaillé avec un développeur respecté par tous les membres de notre équipe. Une grande partie de ce respect venait du fait qu’il continuait à adopter de nouvelles technologies avec lesquelles aucun de nous n’avait travaillé. Il existait à l’époque un langage de pointe que peu de gens utilisaient, et il a créé une fonctionnalité complète avec celui-ci. Il est rapidement devenu connu comme la personne à qui s’adresser pour ces technologies de niche, ce qui lui a valu beaucoup de respect de la part du reste de l’équipe.
Des années plus tard, j’ai travaillé avec un autre développeur qui a fait de son mieux pour incorporer des bibliothèques .NET spécifiques et obscures dans son code. Cela lui a également valu la reconnaissance des membres de notre équipe et de nos gestionnaires, et il était considéré comme un développeur senior en partie en raison de son expertise avec ces outils spécialisés.
Les deux développeurs ont bâti leur réputation sur une connaissance approfondie de technologies spécifiques. C’était une stratégie de carrière fiable qui a fonctionné pendant des décennies : devenez l’expert dans quelque chose de précieux mais peu connu, et vous auriez de l’autorité dans votre équipe et un avantage lors des entretiens d’embauche.
Mais l’IA modifie cette dynamique d’une manière que nous commençons tout juste à voir.
Dans le passé, les développeurs expérimentés pouvaient acquérir une expertise approfondie dans une seule technologie (comme Rails ou React, par exemple) et cette expertise leur permettait systématiquement d’être reconnus au sein de leur équipe et les aidait à se démarquer lors des évaluations et des entretiens d’embauche. Auparavant, il fallait des mois ou des années de travail avec un framework spécifique avant qu’un développeur puisse écrire code idiomatiqueou un code qui suit les modèles acceptés et les meilleures pratiques de cette technologie.
Mais désormais, les modèles d’IA sont formés sur d’innombrables exemples de code idiomatique, de sorte que les développeurs sans cette expérience peuvent générer immédiatement un code similaire. Cela accorde moins d’importance au temps passé à développer cette expertise approfondie.
La transition vers des compétences généralistes
Ce changement remodèle les cheminements de carrière d’une manière que nous commençons tout juste à voir. L’approche traditionnelle a fonctionné pendant des décennies, mais à mesure que l’IA apporte davantage de connaissances spécialisées, l’avantage de carrière se déplace vers les personnes capables d’intégrer les systèmes et de détecter rapidement les problèmes de conception.
En formant des développeurs et des équipes qui adoptent de plus en plus d’outils de codage d’IA, j’ai remarqué que les développeurs qui s’adaptent le mieux ne sont pas toujours ceux qui possèdent l’expertise la plus approfondie dans un framework spécifique. Ce sont plutôt eux qui peuvent détecter quand quelque chose ne va pas, s’intégrer dans différents systèmes et reconnaître des tendances. Plus important encore, ils peuvent appliquer ces compétences même s’ils ne sont pas des experts approfondis dans la technologie particulière avec laquelle ils travaillent.
Cela représente un changement par rapport à la dynamique plus traditionnelle des équipes, où le fait d’être un expert dans une technologie spécifique (comme être la « personne Rails » ou « l’expert React » de l’équipe) conférait une véritable autorité. L’IA remplit désormais une grande partie de ces connaissances spécialisées. Vous pouvez toujours bâtir une carrière sur une connaissance approfondie de Rails, mais grâce à l’IA, elle n’a plus toujours la même autorité sur une équipe qu’autrefois.
Ce que l’IA ne peut toujours pas faire
Les développeurs, nouveaux comme expérimentés, se retrouvent régulièrement à accumuler une dette technique, en particulier lorsque les délais font passer la livraison au détriment de la maintenabilité, et c’est un domaine dans lequel les ingénieurs expérimentés se distinguent souvent, même au sein d’une équipe ayant largement adopté l’IA. La principale différence est qu’un développeur expérimenté sait souvent qu’il s’endette. Ils peuvent détecter rapidement les anti-modèles parce qu’ils les ont vus à plusieurs reprises et prendre des mesures pour « rembourser » la dette avant qu’elle ne devienne beaucoup plus coûteuse à réparer.
Mais l’IA change également la donne pour les développeurs expérimentés, au-delà de la gestion technique de la dette, et commence à remodeler leurs parcours de carrière traditionnels. Ce que l’IA ne peut toujours pas faire, c’est vous dire quand une décision de conception ou d’architecture prise aujourd’hui posera des problèmes dans six mois, ou quand vous écrivez du code qui ne résout pas réellement le problème de l’utilisateur. C’est pourquoi être un généraliste, avec des compétences en architecture, en modèles de conception, en analyse des exigences et même en gestion de projet, devient de plus en plus précieux au sein des équipes logicielles.
De nombreux développeurs que je vois prospérer avec les outils d’IA sont ceux qui peuvent :
- Reconnaître quand le code généré créera des problèmes de maintenance même si ça marche au début
- Intégration sur plusieurs systèmes sans être de profonds experts en chacun
- Repérer les modèles architecturaux et les anti-modèles quelle que soit la technologie spécifique
- Problèmes de cadre clairement afin que l’IA puisse générer des solutions plus utiles
- Remettre en question et affiner les résultats de l’IA plutôt que de l’accepter tel quel
Implications pratiques pour votre carrière
Ce changement a de réelles implications sur la façon dont les développeurs envisagent le développement de carrière :
Pour les développeurs expérimentés : Vos années d’expertise sont toujours importantes et précieuses, mais l’avantage de carrière passe de « Je connais très bien cet outil spécifique » à « Je peux résoudre des problèmes complexes à travers différentes technologies ». Concentrez-vous sur le développement de compétences en matière de conception, d’intégration et de reconnaissance de formes de systèmes qui s’appliquent largement.
Pour les développeurs en début de carrière : La tentation pourrait être de s’appuyer sur l’IA pour combler les lacunes des connaissances, mais cela peut s’avérer dangereux. Ces compétences plus larges (architecture, jugement de conception, résolution de problèmes dans tous les domaines) nécessitent généralement des années d’expérience pratique pour se développer. Utilisez l’IA comme un outil, mais assurez-vous de toujours développer les compétences de réflexion fondamentales qui vous permettent de la guider efficacement.
Pour les équipes : Recherchez des personnes capables de s’adapter rapidement aux nouvelles technologies et de s’intégrer dans tous les systèmes, et pas seulement des spécialistes approfondis. La «personne Rails» est peut-être encore précieuse, mais la personne capable de travailler avec Rails, de l’intégrer à trois autres systèmes et de repérer quand l’architecture se dirige vers des problèmes six mois plus tard devient de plus en plus précieuse.
Les développeurs qui réussissent dans un monde basé sur l’IA ne seront pas toujours ceux qui connaissent le mieux une technologie donnée. Ce seront eux qui pourront voir la situation dans son ensemble, s’intégrer dans tous les systèmes et utiliser l’IA comme un outil puissant tout en conservant la pensée critique nécessaire pour la guider vers des solutions véritablement utiles.
L’IA ne remplace pas les développeurs. Cela change les types de compétences de développeur les plus importantes.
