Le coût du développement logiciel a-t-il vraiment chuté de 90 % ?
(martinalderson.com)- Grâce à l’émergence d’outils de codage agentique (agentic coding), le coût du travail dans le développement logiciel diminue rapidement
- Un projet d’application web interne qui prenait autrefois un mois peut désormais être terminé en moins d’une semaine
- Des outils comme Claude Code créent des centaines de tests en quelques heures, faisant émerger un modèle où une petite équipe délivre des résultats à grande échelle
- La baisse des coûts pourrait déclencher une explosion de la demande potentielle via le paradoxe de Jevons, ce qui pourrait amener davantage d’organisations à développer des logiciels sur mesure
- La connaissance métier des développeurs et leur capacité à collaborer avec des agents deviennent un nouvel avantage concurrentiel, avec une rupture rapide attendue dans l’ensemble de l’industrie en 2026
Évolution de la structure des coûts du développement logiciel
- L’expansion de l’open source a été le premier tournant qui a réduit les coûts initiaux de développement logiciel
- Autrefois, SQL Server, Oracle, etc. exigeaient des licences de plusieurs dizaines de milliers de dollars par an, alors que MySQL permettait de construire des applications réseau gratuitement
- L’adoption ultérieure du cloud a réduit les dépenses d’investissement initiales, mais l’impact global sur les coûts est resté limité
- Ces dernières années, des approches comme TDD, les microservices, des frontaux React complexes et Kubernetes ont plutôt accru la complexité, faisant stagner la réduction des coûts
- En revanche, les agents IA réduisent drastiquement le coût du travail dans le cycle de développement
Arguments pour une réduction de 90 %
- Jusqu’au début de 2025, certains étaient sceptiques vis-à-vis des outils de codage IA, mais récemment le CLI d’agentic coding a prouvé une efficacité à grande échelle sur le terrain
- Par exemple, plus de 300 tests automatisés d’un outil interne ont été générés par Claude Code en quelques heures
- Un projet qui prenait un mois autrefois peut être achevé en moins d’une semaine
- Le temps de réalisation a fortement chuté, mais le temps de conception (ou de design) demeure identique
- La réduction de la taille des équipes élimine les coûts de communication
- En conséquence, une poignée de personnes atteint plus de 10 fois la productivité
Explosion de la demande potentielle
- Cette baisse des coûts peut être expliquée par le paradoxe de Jevons, qui prédit une hausse de la demande globale au lieu d’un recul
- De nombreuses organisations fonctionnent encore avec des processus métier basés sur Excel, ce qui représente un potentiel de transformation en application SaaS
- Quand un devis de 50 000 $ descend autour de 5 000 $, des projets autrefois non prioritaires deviennent candidats au développement
- Il y a donc une forte probabilité que la production totale de l’industrie du développement augmente
La connaissance métier devient un nouvel avantage
- Aujourd’hui, la supervision et le jugement humains restent indispensables
- Il faut vérifier les approches proposées par les agents et corriger les trajectoires incorrectes
- Les développeurs qui maîtrisent cette technologie améliorent nettement leur capacité à résoudre des problèmes métier
- La combinaison de la connaissance métier + de l’expertise technique s’impose comme un avantage concurrentiel majeur
- Experts métier et développeurs peuvent itérer rapidement au sein de petites unités de collaboration
- Le logiciel devient un « actif jetable » : si la direction prise est mauvaise, il peut être abandonné puis redéveloppé immédiatement
Il faut se préparer au changement
- Les modèles d’agents et LLM s’améliorent rapidement, et les benchmarks existants ne les reflètent pas encore
- Exemple : Opus 4.5 maintient des sessions de 10 à 20 minutes de manière stable
- Avec les investissements massifs dans les infrastructures GPU, on anticipe une hausse rapide des performances des modèles à venir
- Certains développeurs soutiennent encore que « les LLM font trop d’erreurs » ou « cela ne fait pas gagner de temps », mais cela devient de moins en moins vrai
- À l’image d’ingénieurs orientés desktop qui ont ignoré l’iPhone en 2007, il existe un risque réel de se faire distancer si l’on refuse le changement
- Les grands groupes peuvent adopter ces approches lentement en raison de leurs structures bureaucratiques, tandis que les petites équipes peuvent les utiliser immédiatement
- Les LLM sont efficaces non seulement pour les nouveaux projets, mais aussi pour l’analyse et la maintenance des bases de code existantes
- Ils sont très efficaces pour comprendre la structure d’un code ancien, détecter des bugs et proposer des correctifs
- En conséquence, il est probable que 2026 marque un basculement majeur dans les méthodes de développement
1 commentaires
Avis Hacker News
J’ai entendu dire que Claude Code avait généré plus de 300 tests en quelques heures
Mais je doute que ces tests vérifient vraiment le comportement attendu et qu’ils puissent clairement transmettre au développeur suivant comment le système fonctionne
Même si l’IA produit du code rapidement, sans y consacrer autant de temps de revue minutieuse, le risque de dégradation de la qualité reste élevé
Moi aussi, j’ai suivi le conseil de « m’adapter activement » au codage avec l’IA
Mais comme je travaille plutôt dans la robotique et l’embarqué, créer des web apps ou des jeux avec l’IA a été une expérience ennuyeuse et frustrante
Quand je demandais à Cursor de corriger un problème, ça finissait souvent encore plus en vrac, et au final apprendre moi-même Flask et le JS était bien plus efficace
L’IA était excellente pour trouver de la documentation ou des messages d’erreur, mais lui « confier le volant » ne m’a absolument pas aidé
Je doute que l’IA apporte réellement une « productivité multipliée par 10 »
En pratique, le plus réaliste est de l’utiliser comme un Google/Stack Overflow sous stéroïdes
J’écris moi-même la plupart du code, et l’IA m’aide surtout pour des tâches répétitives simples ou pour rédiger des scripts
Pour réussir, il faut savoir donner des instructions claires et expliquer les choses comme à un « mentor »
Il est important de prendre l’habitude de demander des modifications via des prompts sans intervenir directement, et ce processus finit par renforcer les compétences de communication
Quand on lit ce genre d’articles, on voit clairement l’écart de perception entre les équipes de développement sur le terrain et la direction
Les gens à l’étage du dessus s’imaginent comprendre un système entier à partir de quelques lignes d’exigences, alors qu’en réalité ils connaissent à peine les dépendances et le contexte
Le véritable art d’une bonne équipe de développement, c’est de transformer ces demandes floues en produit réel, et aucune technologie ne permet encore d’automatiser cela
Le coût de l’écriture de code simple a baissé de 90 %
Mais réduire un problème à du code simple demande toujours beaucoup d’expérience et de temps
Claude Code s’est montré excellent pour comprendre et modifier une ancienne base de code
Il m’a même aidé pour les tests et le débogage, au point de donner l’impression d’une productivité multipliée par 10
Il ne s’agit pas seulement d’écrire du code plus vite, mais de fonctionner comme un deuxième cerveau rapide
J’ai pu créer un script ou un mini service web en moins d’une heure pour résoudre un problème
mais je pense en réalité que ce genre de tâches simples aurait déjà dû être automatisé avant l’IA
Les LLM donnent l’impression de passer d’une pelle à dix pelleteuses,
mais si un projet doit échouer, il échouera simplement plus vite
Claude Code écrit très bien même du code complexe tant qu’il reste dans les schémas sur lesquels il a été entraîné
Si le coût du développement logiciel sur mesure avait vraiment baissé de 90 %,
le marché devrait être inondé de SaaS à bas prix, or ce n’est pas la réalité
Au final, écrire le code ne semble pas être le principal problème
Maintenance, sécurité, mises à niveau, hébergement, support client, ajout de nouvelles fonctionnalités
C’est là que se trouve la vraie valeur incluse dans l’abonnement SaaS
Il faudra sans doute encore 3 à 5 ans avant que l’IA puisse aussi résoudre cette partie
Le reste est occupé par des réunions, de la coordination, de l’attente, etc.
Même si le coût du codage baissait de 90 %, plus de la moitié du coût total resterait
Et comme l’IA n’arrive même pas à résumer correctement du langage naturel,
on peut douter de sa capacité à comprendre pleinement le sens d’un code et à l’écrire
Vidéo associée : lien YouTube
Les SaaS sont déjà partout, mais la réalité reste que même avec de bonnes fonctionnalités, faire fonctionner le business est difficile
Une grande partie de l’ingénierie sert en pratique à créer du vendor lock-in
À cause de la visibilité sur les plateformes, de la confiance et du contrôle algorithmique, il est difficile pour un nouveau SaaS de croître
Les grandes entreprises le copient très vite, et les consommateurs ont de moins en moins d’argent
Au final, le marché n’est pas équitable, et c’est pourquoi beaucoup se tournent vers le champ politique
Quiconque a déjà travaillé dans une grande entreprise aura du mal à se reconnaître dans ce genre d’article
Par exemple, dans une société comme Shutterstock, même une demande simple peut obliger à toucher cinq systèmes
L’IA aide à comprendre et modifier du code,
mais dire que le coût total du développement a baissé de 90 % est totalement faux
donc ce texte ressemble en réalité davantage à un contenu promotionnel destiné aux entreprises
À propos de l’affirmation selon laquelle « chaque organisation possède des centaines de feuilles Excel et ce serait mieux de les transformer en SaaS »,
j’ai envie de demander : mieux pour qui, au juste ?
Les tableurs peuvent être manipulés directement par des personnes qui possèdent la connaissance métier,
et leur accessibilité en fait encore un outil puissant
Les formules et l’interface sont tellement liées qu’il devient difficile de comprendre la logique interne
Excel en particulier est difficile à maintenir, et plus ça se complexifie, plus je pense qu’il vaut mieux passer au code
mais qu’il faut des compléments structurels comme la collaboration, le contrôle d’accès et les tests
Dès qu’on commence à l’utiliser comme une base de données ou que plusieurs personnes l’éditent en même temps, c’est le moment de basculer
Les problèmes communs sont résolus par des solutions comme SAP,
mais la plupart des feuilles répondent à un problème sur mesure avec un seul client
J’ai l’impression que la règle du 90/90 reste valable
L’IA traite rapidement les premiers 90 %, mais les 10 % restants sont la vraie difficulté
Les LLM sont utiles dans la phase de défrichage, mais deviennent au contraire gênants pour la finition minutieuse
Pour créer un site web simple, cela peut sembler magique,
mais j’ai l’impression que ce type de travail sera à l’avenir difficilement viable comme moyen de subsistance
Si on s’arrête pour examiner en détail ce qui a été généré, on se demande vraiment si c’est correct
Il est surprenant que tant de gens utilisent encore l’IA seulement comme un chatbot de copier-coller
Mais avec de bonnes instructions, Claude Code peut reproduire en quelques minutes des expériences qui prendraient plusieurs semaines
Dans le travail réel, obtenir rapidement un résultat compte plus qu’avoir un code parfait
Bien sûr, les failles de sécurité ou les erreurs de logique métier restent des risques
Si des experts métier sont impliqués, je pense que ces problèmes diminueront progressivement
Il est important de trouver l’équilibre entre développement fonctionnel et gestion de la base de code
Je doute encore que des agents comme Cursor sachent bien maintenir cet équilibre
Après le boom des LLM, j’ai participé à un projet visant à remplacer Excel
Mais en réalité, il s’agissait d’un cas d’échec où des non-spécialistes ont tenté de créer une app avec l’IA
Des analystes de données avaient fabriqué une app Python en « vibe coding »,
mais il n’y avait ni gestion d’état, ni structure correcte
Au final, cela a produit un résultat catastrophique où les données client étaient traitées de travers
Dans ce type d’organisation, faute de personnel technique, l’IA accélère au contraire les risques