L’ingénierie logicielle à l’ère de la GenAI [YouTube]

• Le présentateur Gergely Orosz, auteur de la newsletter et du podcast Pragmatic Engineer, et ancien ingénieur chez Microsoft et Uber, partage la réalité de l’adoption de la GenAI observée sur le terrain
• Contrairement aux attentes exagérées des CEO et fondateurs, l’expérience réelle des développeurs montre une situation plus complexe, en raison des limites des outils et des écarts de productivité
• Les startups d’outils de développement IA et les géants de la tech affichent un fort taux d’usage interne et des investissements soutenus, mais certaines startups et certains domaines spécialisés rapportent encore une utilité limitée
• Les développeurs indépendants et les ingénieurs expérimentés perçoivent récemment un point d’inflexion de la GenAI et réagissent positivement à son impact sur la productivité en programmation et l’élargissement de la créativité
• Kent Beck considère l’adoption des LLM comme un changement de paradigme comparable à Internet ou au smartphone, et insiste sur l’importance des nouveaux essais et de l’expérimentation

---

Présentation de l’intervenant

• Gergely Orosz
  • Auteur de la newsletter et du podcast Pragmatic Engineer
  • 10 ans de carrière d’ingénieur chez JP Morgan, Microsoft (Skype), Skyscanner, Uber, etc.
  • Explore actuellement de manière approfondie l’impact de la GenAI sur l’ingénierie logicielle

Attentes exagérées et réalité

• CEO de Microsoft : "L’IA écrit 30 % de l’ensemble du code"
• CEO d’Anthropic : "D’ici un an, 100 % du code sera généré par l’IA"
• Jeff Dean de Google : "L’IA atteindra bientôt le niveau d’un développeur junior"
• Mais la réalité :
  • Des agents IA ont introduit des bugs, entraînant des coûts de plusieurs centaines de dollars
  • Lors d’une démo à Microsoft Build, l’IA a échoué à corriger du code complexe

Startups d’outils de développement IA

• Anthropic :
  • Tous les ingénieurs en interne utilisent Cloud Code
  • Plus de 90 % du code est écrit par l’IA
  • Adoption de MCP(Model Context Protocol) → connexion possible avec IDE, DB, GitHub, etc., avec une diffusion rapide à grande échelle
• Windsurf : 95 % du code est écrit par l’IA
• Cursor : 40 à 50 % écrit par l’IA, « une moitié fonctionne bien, l’autre atteint ses limites »

Situation des géants de la tech

• Google :
  • Fonctions IA intégrées à son IDE interne Cider (autocomplétion, revue, recherche de code)
  • Forte accélération de l’adoption interne au cours de la dernière année
  • L’organisation SRE renforce l’infrastructure face à 10 fois plus de lignes de code
• Amazon :
  • Amazon Q Developer Pro → très performant pour les tâches liées à AWS
  • Les modèles d’Anthropic (Claude) sont aussi activement utilisés pour la rédaction de documents internes et les périodes d’évaluation
  • Intégration étendue des serveurs MCP → diffusion de l’automatisation des outils internes

Startups et cas individuels

• Incident.io :
  • Toute l’équipe expérimente activement l’IA et partage des conseils sur Slack
  • Le taux d’usage a fortement augmenté après l’adoption de Cloud Code
• Startup biotech :
  • Le besoin d’écrire du code novel en interne est important, ce qui réduit l’efficacité des LLM
  • Le codage manuel est toujours jugé plus rapide

Développeurs indépendants et ingénieurs chevronnés

• Armin Ronacher (créateur de Flask) : utilise des agents comme des stagiaires virtuels et constate un gain de productivité
• Peter Steinberger (fondateur de PSPDFKit) : estime que la barrière de la langue s’abaisse et que « l’étincelle technique s’est rallumée »
• Simon Willison (co-créateur de Django) : avec les récentes améliorations des modèles, « les agents de codage IA sont entrés dans une phase praticable »
• Brigita (Thoughtworks) : les LLM sont un nouvel outil d’abstraction couvrant toute la stack
• Kent Beck (créateur du TDD) : « En 52 ans de carrière, je n’ai jamais autant pris de plaisir », et il juge les LLM aussi révolutionnaires qu’Internet ou le smartphone

Questions en suspens

1. Pourquoi les CEO et fondateurs sont-ils plus enthousiastes que les ingénieurs ?
2. En pratique, le taux d’usage des outils IA n’est que d’environ 50 % par semaine, loin d’une généralisation
3. Gain de temps : selon une enquête DX, environ 3 à 5 heures gagnées par semaine, très loin des promesses exagérées de « productivité x10 »
4. Pourquoi l’effet est-il fort à l’échelle individuelle mais plus limité à l’échelle organisationnelle ?

Conclusion

• Les LLM peuvent permettre un bond de productivité comparable au passage de l’assembleur aux langages de haut niveau
• Mais l’IA n’est pas déterministe, et l’efficacité varie fortement selon les équipes et les domaines
• Message : nous sommes dans une période d’expérimentation et d’apprentissage, où il faut « essayer activement ce qui est devenu moins cher et désormais possible »