- Depuis l’adoption de l’IA, un phénomène se répand parmi les ingénieurs : la productivité augmente, mais la fatigue s’aggrave
- La vitesse d’exécution a augmenté, mais la charge de travail et les attentes ont augmenté elles aussi, ce qui alourdit la charge de coordination et de relecture côté humain
- Les cycles répétés de revue et de jugement du code généré par l’IA entraînent une accumulation de fatigue décisionnelle et d’usure cognitive
- La course permanente aux nouvelles technologies, la fatigue liée au remplacement des outils et les sorties non déterministes de l’IA provoquent anxiété et burnout
- Pour un usage durable de l’IA, il est indispensable de poser des limites, gérer son temps et relâcher le perfectionnisme
Le paradoxe entre productivité et fatigue avec l’IA
- L’IA réduit le temps nécessaire à chaque tâche, mais le volume total de travail et les attentes augmentent en parallèle
- Alors qu’autrefois une seule tâche pouvait prendre une journée, il faut désormais traiter plusieurs problèmes à la fois, ce qui augmente le coût des changements de contexte
- Le coût de production a baissé, mais les coûts de coordination, de relecture et de jugement ont augmenté, et cette charge est entièrement reportée sur les humains
- Même si l’IA génère rapidement du code, la fatigue cognitive des personnes s’en trouve paradoxalement accrue
Du créateur au relecteur
- Avec l’arrivée de l’IA, le rôle de l’ingénieur s’est déplacé du créateur vers l’évaluateur
- Saisir des prompts, relire les résultats, juger leur exactitude et leur sécurité : le travail est désormais centré sur des tâches d’évaluation répétitives
- Le travail génératif favorise l’état de flow, alors que le travail d’évaluation provoque de la fatigue
- Le manque de fiabilité du code produit par l’IA augmente la charge qui consiste à devoir relire chaque ligne
- Cela renforce l’importance des systèmes de sécurité et de gestion des autorisations, avec un besoin d’aller vers des approches qui réduisent la charge cognitive humaine
Le problème du non-déterminisme
- L’IA est un système non déterministe qui peut produire des sorties différentes à partir de la même entrée, ce qui entre en conflit avec la manière de penser des ingénieurs
- Un même prompt peut produire des résultats différents et entraîner une instabilité impossible à déboguer
- Pour atténuer cela, l’auteur a développé l’outil de raffinement de contexte déterministe Distill, afin de garantir la cohérence des entrées
- Certains ingénieurs considèrent les sorties de l’IA comme des « brouillons imparfaits » et intègrent le temps de correction dans leur budget
FOMO et fatigue des outils
- Ces derniers mois, d’innombrables agents IA, frameworks et SDK sont apparus à grande vitesse
- La tentative de suivre chaque nouvel outil crée un cercle vicieux d’apprentissage continu et de remplacement permanent
- Il en résulte évaporation des connaissances et travail redondant, au point que ceux qui ont attendu deviennent parfois plus efficaces que les adopteurs précoces
- L’auteur choisit une approche moins sensible aux changements d’outils, en se concentrant sur la couche d’infrastructure (autorisations, contexte, sécurité)
Le piège du « juste un prompt de plus »
- Comme les sorties de l’IA ne sont pas parfaites, on tombe facilement dans une boucle de retouches répétées du prompt
- Ces tentatives donnent l’impression d’être productives, mais elles font souvent perdre du temps à ajuster le prompt au lieu de résoudre le vrai problème
- Pour gagner en efficacité, l’auteur applique une « règle des 3 essais » : après trois tentatives, si le résultat n’est pas utile à plus de 70 %, il écrit directement lui-même
Le choc entre perfectionnisme et sorties probabilistes
- Les sorties de l’IA sont toujours « presque correctes », ce qui génère un fort stress chez les ingénieurs perfectionnistes
- Les micro-corrections répétées conduisent à de la fatigue émotionnelle et à une perte de temps
- Il est plus efficace de considérer les résultats de l’IA comme des « brouillons » et de les retravailler rapidement
L’affaiblissement de la capacité de réflexion
- La dépendance à l’IA entraîne un affaiblissement de la pensée de résolution de problèmes et des capacités de conception
- L’habitude de ne plus réfléchir par soi-même mène à une atrophie des “muscles de la pensée”
- Pour éviter cela, l’auteur consacre chaque jour un temps défini à des exercices de réflexion et de conception sans IA
Le piège de la comparaison
- Sur les réseaux sociaux, on ne voit circuler que des cas de réussite obtenus rapidement grâce à l’IA, tandis que les échecs individuels ou la fatigue restent invisibles
- Les performances liées à l’IA sont peu reproductibles, si bien que la comparaison elle-même a peu de sens
- Il est préférable de réduire sa consommation d’informations et de se concentrer sur des sources fiables, axées sur la construction et l’exploitation réelles
Stratégies pour un usage durable de l’IA
- Limiter la durée des sessions IA pour éviter les boucles excessives
- Séparer le temps de réflexion et le temps d’usage de l’IA pour préserver l’équilibre cognitif
- Accepter un niveau d’achèvement de 70 % et assouplir le perfectionnisme
- Retarder l’adoption des nouvelles technologies et privilégier les outils éprouvés
- Tenir un journal d’efficacité de l’IA pour comprendre son utilité réelle et ses limites
- Réduire le périmètre de relecture pour se concentrer uniquement sur les zones critiques
Durabilité et burnout
- L’IA supprime les limites de vitesse d’exécution du travail, ce qui accélère le surmenage
- Le burnout apparaît quand les limites cognitives humaines sont dépassées, et le problème se diffuse comme un problème systémique, non individuel
- La clé du rétablissement ne réside pas dans la quantité d’IA utilisée, mais dans la refonte de la manière de l’utiliser
- C’est dans cette fatigue qu’ont émergé des outils de résolution de problèmes concrets comme Distill, agentic-authz et AgentTrace
La vraie compétence : savoir s’arrêter
- À l’ère de l’IA, la compétence essentielle est le discernement qui permet de savoir quand s’arrêter
- Savoir s’arrêter à un résultat suffisamment bon, décider quand écrire soi-même ou quand faire une pause
- Protéger le cerveau humain comme une ressource finie, voilà la véritable ingénierie
- L’IA est puissante, mais aussi l’outil le plus coûteux sur le plan cognitif ; sa durabilité dépend d’un usage judicieux
- Une production durable est la vraie valeur recherchée et l’objectif ultime de l’usage de l’IA
5 commentaires
Je ne sais pas si cette expression est de plus en plus juste, mais j’ai l’impression que le développeur devient de plus en plus un « leader tech ».
Si l’IA prend en charge la « rédaction de code », au final il ne reste que :
Rien d’autre.
Autrement dit, le développeur n’est plus vraiment un « producteur », mais voit son rôle évoluer vers celui de :
Du coup, une forme de fatigue au travail qui n’existait pas auparavant apparaît,
et on se demande soi-même si cette direction correspond vraiment au profil de développeur que l’on voulait poursuivre.
La dernière phrase résonne bien. J’ai l’impression que ce n’est pas ce que je voulais faire.
Quand j’étais jeune, je faisais partie d’un club de groupe, et il y avait un ami qui essayait de convaincre les autres qu’il fallait composer nos propres morceaux. Il disait qu’au lieu de simplement perfectionner notre technique instrumentale, il fallait réfléchir à ce qu’on voulait chanter. Bien sûr, dans mon souvenir, l’avis de ceux qui voulaient surtout monter un groupe en reprenant des chansons connues l’emportait.
Mais ces derniers temps, je pense souvent à cet ami.
C’est une question que j’évitais parce que j’étais trop occupé par la vie, mais avec les progrès de l’IA, depuis que j’ai fait du métier de développeur mon activité, je me demande si j’aime l’acte d’écrire du code en lui-même, ou si j’aime créer de la valeur et que le code n’est qu’un moyen d’y parvenir.
Jusqu’à présent, ces deux dimensions étaient sans doute entremêlées, mais j’ai l’impression que le moment approche vite où je devrai clairement déterminer de quel côté je me situe.
La responsabilité de créer un programme qui fonctionne bien selon les exigences du client et qui ne tombe pas en panne revient toujours au développeur, donc il n’est pas nécessaire de renoncer à l’acte d’écrire du code. Je pense que seule la saisie est faite par l’IA, mais que l’essentiel reste le même.
Avis sur Hacker News
Pour moi, la fatigue est un peu différente. Le vrai problème, c’est cette répétition où, en travaillant, en faisant une review de code, je dois m’arrêter et attendre à chaque fois que le LLM génère un résultat
Comme la durée de l’attente est imprévisible, on ne sait jamais s’il faut attendre ou commencer autre chose. Du coup, je finis par faire autre chose juste pour tuer le temps
Au final, je n’entre jamais dans l’état de flow, et je m’épuise à surveiller la fin de tâches en arrière-plan
Plutôt que d’avoir l’impression d’être plus productif, j’ai l’impression d’être une baby-sitter paresseuse qui vérifie simplement que les enfants ne se blessent pas
Je recommande Endless Sky, un jeu open source qu’on peut lancer et arrêter rapidement
Pendant un temps, programmer n’était plus amusant pour moi, mais grâce à Claude Code, j’y reprends plaisir. Ce n’est plus comme avant, mais à ce stade de ma vie, c’est largement suffisant
Comme je l’expliquais dans mon billet sur la fatigue de review, cela affecte non seulement les développeurs, mais aussi les organisations
Comme les workflows IA sont centrés sur la maximisation de la productivité, ils finissent par épuiser les humains
La solution est classique — faire des pauses fréquentes et laisser les développeurs humains écrire eux-mêmes au moins un peu de code. Cela permet de ralentir tout en préservant le flow et la récupération
Pendant que le LLM travaille, je fais des squats, des pompes ou je marche dans la maison en m’étirant. C’est bien plus agréable que de rester assis devant le clavier toute la journée
Bouger m’aide aussi à clarifier mes idées, mais malgré ça, la fatigue mentale reste bien là
J’envoie un prompt puis, pendant l’attente, je me mets à surfer sur le web. Sans l’application SelfControl pour bloquer ça, je n’arrive tout simplement pas à résister
Les LLM m’ont rendu plus productif, mais en fin de journée je suis bien plus fatigué et je ressens aussi de la culpabilité
L’idée de l’article est bonne, mais à la lecture on ressent une sorte de fatigue de texte écrit par IA
Des choses qui pourraient être dites en une ou deux phrases sont étirées à l’excès, avec beaucoup d’exemples inutiles
L’affirmation selon laquelle « la page d’accueil de HN est chaotique » est aussi fausse. Les billets mentionnés n’ont même pas atteint 5 upvotes, et la qualité générale de la page d’accueil de HN reste correcte
Et l’idée que « personne n’en parle » est également fausse. Il existe déjà depuis longtemps des discussions sur AI fatigue
« Merci OpenClaw, merci AGI — pour moi, c’est déjà là »
« Si vous n’avez pas dépensé au moins 1 000 $ de tokens par ingénieur humain aujourd’hui, votre usine logicielle a encore une marge de progression »
« Le code ne devrait pas être relu par des humains »
« Ce que C a fait à l’assembleur, ce que Java a fait à C, les LLM sont maintenant en train de le faire à tous les langages »
Ces phrases sont réellement citées de billets montés en page d’accueil
Ou alors il a tellement lu de textes IA que son style d’écriture lui-même est devenu IA
J’ai moi-même commencé à bloguer récemment, et j’ai été surpris de voir à quel point une écriture centrée sur le storytelling pouvait être agréable
Chacun a son style, ce n’est pas un problème en soi
L’article aurait pu être résumé en quelques paragraphes, mais il contient bien trop de formulations superflues
À l’avenir, on aura peut-être même des « labels de production humaine » sur les contenus — du genre « produit par un freelance », « produit par un habitant de banlieue », etc.
Je me reconnais dans l’idée que « livrer plus vite fait monter les attentes »
C’est un vieux problème. Helen Keller disait déjà quelque chose de proche il y a presque 100 ans
L’idée d’« utiliser les machines qui économisent le travail pour vraiment économiser le travail » se trouve dans un article de The Atlantic
On peut faire avancer plusieurs projets dans une même journée, mais on finit complètement vidé
Beaucoup ont du mal à dormir à cause de la tentation de se dire « encore un prompt »
Le rythme de travail soutenable construit au fil des années s’est effondré, et il faudra du temps pour retrouver un nouvel équilibre
Mais maintenant, au début tout se passe trop bien, alors on continue, puis on finit par se heurter soudainement à un mur
Mais je n’ai pas su m’arrêter là, et j’ai étendu ça à la comptabilité, aux impôts, au CRM, à l’inventaire et à la gestion de projet
Au final, j’ai créé un SaaS dont je n’avais pas besoin, et maintenant je me demande si je ne devrais pas le publier en open source
Cela dit, je peux maintenant reprendre les sessions d’agent depuis un navigateur mobile, donc je vérifie même depuis mon lit (à moitié pour rire, à moitié sérieusement)
Désormais, le vrai goulot d’étranglement, ce n’est plus le code mais la collecte des exigences et la prise de décision
Je ne comprends pas pourquoi on continue absolument à travailler davantage
C’est l’auteur du billet. Ce n’est pas un texte anti-IA, c’est un propos sur le coût cognitif
Plus le travail s’accélère, plus la quantité de travail augmente, et la fatigue décisionnelle s’accumule à force d’examiner les résultats de l’IA
L’écosystème d’outils change aussi toutes les semaines. J’ai partagé des méthodes qui m’ont réellement aidé, et je me demande si d’autres se heurtent au même mur
Cette impression de parler à une entité non humaine rend la fatigue encore plus forte
Mais en fixant des attentes réalistes et en essayant de ne pas me laisser emporter par tous les « posts magiques de l’IA », mon anxiété a diminué
La technologie n’a jamais eu pour but de rendre les travailleurs plus à l’aise
Son objectif a toujours été d’augmenter la productivité et la compétitivité
On est passé du cheval à la voiture, du téléphone au smartphone, mais notre temps libre n’a pas augmenté. Nous sommes simplement devenus des humains plus mobiles et connectés
Si l’on accepte un mode de vie plus sobre, on peut travailler moins tout en vivant correctement
Ce que je ressens en ce moment, c’est une fatigue des fonctions exécutives
Travailler avec l’IA pousse à enchaîner des décisions de haut niveau plutôt qu’une simple implémentation
Il y a très peu de temps de repos, et j’ai l’impression que mon cortex préfrontal surchauffe
Si cet état se prolonge, il est même possible que les fonctions exécutives humaines finissent par se renforcer
Je ne pensais pas que gérer une équipe de dix ingénieurs brillants mais instables serait aussi épuisant
À mon avis, la fatigue liée à l’IA vient du fait que l’équilibre entre les trois phases de la programmation a été rompu
Résolution de problème → écriture du code → vérification du résultat : ces trois étapes étaient autrefois en équilibre
Le codage était répétitif, mais aussi méditatif et stabilisant. La résolution de problème était intense, et la vérification du résultat apportait une récompense dopaminergique
Mais maintenant que les LLM écrivent le code à notre place, il ne nous reste plus que les phases stressantes de résolution de problème et de review
La zone tampon entre les deux a disparu, ce qui rend l’ensemble bien plus fatigant
Si l’ancien codage nous manque, c’est précisément à cause de cette perte du flux méditatif
Moi aussi, je préfère travailler en pair programming avec l’IA tout en tapant moi-même le code. J’ai l’impression que c’est plus soutenable à long terme
Mais la tentation de la productivité qu’offrent plusieurs agents en parallèle reste extrêmement forte
Le passage sur « la lutte contre un système non déterministe » m’a marqué
Les LLM nécessitent par essence une intervention humaine continue — à moins qu’une entreprise soit prête à assumer l’entière responsabilité de leurs résultats
On ne peut pas la punir en baissant sa tension, et tenir des dés pour responsables n’aurait aucun sens non plus