Analyse de la fatigue du « vibe coding » chez les développeurs, provoquée par une IA plus rapide que la pensée

Points clés :

• L’usage d’outils d’IA (Claude Code, Cursor) a accéléré le développement, mais ce rythme de travail très rapide dépasse les limites de traitement du cerveau et provoque de la fatigue
• Les changements de contexte fréquents, l’excès de dopamine et le basculement vers un rôle de gestionnaire alourdissent la charge cognitive
• Un phénomène de « temps machine », où l’humain se laisse entraîner par la vitesse de l’IA, apparaît, d’où la nécessité de reprendre la main sur le rythme

---

Introduction

• Utilité et effets secondaires des outils d’IA : Un développeur fort de 40 ans d’expérience a utilisé Claude Code et Cursor pour développer un gestionnaire de paquets (Marvai), avec à la clé un gain de productivité, mais aussi une fatigue inédite.
• Problème posé : Alors que l’implémentation de fonctionnalités et la correction de bugs se font plus vite, le cerveau ne parvient pas à suivre la cadence de l’IA, ce qui conduit à un épuisement même après une courte session de travail (environ une heure).

Développement

1. Explosion de la charge cognitive et pression du « temps machine »

• Application de la théorie de la charge cognitive : Selon la théorie Team Topologies, un excès de responsabilités et les changements de sujet augmentent la charge cognitive. Le coding avec l’IA pousse cette charge jusqu’à sa limite.
• Rythme imposé par la machine : À l’image du stress autrefois subi par les ouvriers contraints de s’adapter à la cadence des machines, les développeurs vivent un phénomène de poursuite d’un rythme de coding piloté par l’IA (« temps machine »).
• Disparition du processus de réflexion : Dans le coding traditionnel, la vitesse d’exécution et la vitesse de réflexion coïncidaient, laissant au cerveau un temps d’assimilation (« baking time »). Avec l’IA, des architectures complexes et des chaînes de décision sont traitées en un instant, ce qui perturbe la synchronisation mentale.

2. Coexistence d’un excès de dopamine et des hormones du stress

• Accélération de la boucle dopaminergique : Le cycle de récompense « coder-erreur-résolution-réussite » est fortement accéléré par l’IA.
• Épuisement émotionnel : Les décharges fréquentes de dopamine et les hormones du stress liées à la vitesse agissent en même temps, provoquant fatigue et sentiment d’être dépassé, au lieu du plaisir de coder.

3. Hausse du coût des changements de contexte (Context Switching)

• Surcharge du cache mental : Un changement de contexte est une opération à forte dépense énergétique, comparable au fait de vider puis de recharger le cache du cerveau.
• Micro-changements de contexte (Micro-Context Switching) : L’IA modifie simultanément plusieurs modules ou, même lors d’un simple usage de l’autocomplétion par onglet (touche Tab), impose de fréquents micro-basculements entre le « mode rédaction » et le « mode relecture », ce qui épuise rapidement l’énergie mentale.

4. Transformation fondamentale du rôle du développeur

• De rédacteur à gestionnaire : Le rôle évolue, passant de l’implémentation de besoins en code à celui de « chef d’équipe » ou de « coordinateur » chargé de gérer et de relire les résultats d’un « coéquipier rapide » qu’est l’IA.
• Asymétrie de responsabilité : Tandis que l’IA produit l’équivalent du travail de cinq personnes, le développeur conserve l’entière responsabilité finale de la qualité du code, ce qui alourdit la charge de supervision.

Conclusion

Recommandations pour un coding avec IA durable

• Régulation intentionnelle du rythme (Pacing) : Le développeur doit piloter lui-même le tempo de travail au lieu de se laisser emporter par la vitesse de l’IA.
• Adoption de nouvelles formes de rétrospective : De nouvelles routines de travail, comme une rétrospective quotidienne (Retrospective), sont nécessaires pour resynchroniser l’IA et le cerveau.
• Changement de perception du rôle : Il faut réduire la microgestion visant à contrôler dans le détail les sorties de l’IA, et faire évoluer son style de travail vers une plus grande confiance dans l’IA.
• Perspective d’avenir : L’avenir du coding ne réside peut-être pas dans l’accélération à tout prix, mais dans une « lenteur intentionnelle » et de nouvelles limites tenant compte des capacités cognitives humaines.