- La généralisation des outils d’IA a facilité l’écriture de code, mais l’intensité et la complexité du travail des ingénieurs logiciels ont en réalité augmenté
- À mesure que l’IA améliore la productivité, les attentes de l’organisation et le niveau de charge de travail de référence augmentent, et les ingénieurs subissent une pression pour faire davantage, plus vite
- À mesure que l’identité centrée sur l’écriture de code s’affaiblit, les ingénieurs se retrouvent à assumer des tâches non liées au développement, comme la revue, la conception ou la réflexion produit
- Comme il faut davantage de temps pour examiner et déboguer le code généré par l’IA, la charge liée au contrôle qualité et la charge cognitive augmentent
- Pour une culture d’ingénierie durable, l’empathie du leadership, la définition de limites de rôle, la formation des juniors et de nouveaux indicateurs d’évaluation sont indispensables
Le déplacement de la ligne de base et la charge invisible
- Depuis l’adoption de l’IA, la production attendue des ingénieurs a fortement augmenté, et davantage de travail est exigé même sans consigne explicite
- Selon une étude de la Harvard Business Review, les employés qui utilisent l’IA ne partent pas plus tôt et accomplissent davantage de travail
- 83 % ont répondu que l’IA avait augmenté leur charge de travail, et le taux de burnout dépasse 60 % chez les opérationnels, contre 38 % chez les dirigeants, ce qui révèle un écart important
- Alors que le leadership perçoit que « l’IA rend le travail plus facile », les ingénieurs de terrain ressentent la complexité et la fatigue
- Dans une autre enquête menée auprès de plus de 600 personnes, deux tiers ont déclaré avoir connu un burnout, et 43 % ont répondu que le leadership ne comprenait pas la réalité du terrain
La crise de l’identité de l’ingénieur
- De nombreux ingénieurs tiraient leur satisfaction professionnelle de l’acte créatif consistant à écrire eux-mêmes le code
- Mais depuis l’arrivée de l’IA, un message implicite se répand : « n’écrivez plus le code vous-même, gérez-le »
- L’IA prend en charge l’implémentation, et les ingénieurs basculent vers un rôle de superviseur et de relecteur
- Il ne s’agit pas d’un simple changement, mais d’une transformation fondamentale de l’identité professionnelle, qui affaiblit la fierté du technicien expérimenté
- Comme l’exprime la formule « on est passé de constructeur à examinateur », la production augmente, mais le sens de l’artisanat et l’immersion diminuent
L’élargissement du rôle et le scope creep
- Comme l’IA accélère l’implémentation, le goulot d’étranglement se déplace vers les exigences, l’architecture, les tests, le déploiement et les tâches périphériques
- Les organisations redistribuent cela aux ingénieurs, qui finissent aussi par prendre en charge la conception produit, l’évaluation des risques et la gestion des opérations
- L’étude de la Harvard Business Review montre également que les frontières des rôles s’estompent, et que le travail se croise entre PM, chercheurs et ingénieurs
- 45 % des postes en ingénierie exigent des compétences pluridisciplinaires, mais cela ne s’accompagne pas d’une hausse de rémunération ou d’autorité
- En conséquence, le périmètre de travail s’élargit tandis que sa profondeur s’amenuise, ce qui accélère le burnout
Le paradoxe de la supervision : la difficulté de la revue de code IA
- Un paradoxe apparaît : examiner le code généré par l’IA est plus difficile que l’écrire soi-même
- L’auteur connaît le contexte, mais avec le code IA, les raisons des décisions prises ne sont pas claires, ce qui alourdit la revue
- Dans une enquête de Harness, 67 % ont signalé une hausse du temps de débogage, et 68 % une augmentation du temps de revue
- Les managers s’attendent à un gain de vitesse, mais en pratique, la charge liée à l’assurance qualité et à la compréhension du contexte augmente
- Le goulot d’étranglement de la production se déplace de l’étape d’écriture vers l’étape de compréhension, et cela ne se résout pas par l’automatisation
Le piège de l’accélération et la durabilité
- À mesure que l’IA augmente la vitesse, une boucle auto-renforçante se forme, dans laquelle la charge de travail augmente naturellement
- L’étude de Harvard appelle cela le « workload creep », une accumulation de surtravail qui progresse sans être réellement perçue
- Autrefois, la vitesse de réflexion et de frappe humaines constituait une limite naturelle, mais l’IA a supprimé cette contrainte
- En conséquence, les indicateurs de productivité montent mais la qualité baisse, tandis que la dette technique et la fatigue s’accumulent
- En apparence, cela ressemble à un gain de productivité, mais en interne, l’épuisement et la dégradation de la qualité progressent
La rupture de l’apprentissage chez les ingénieurs juniors
- À mesure que l’IA remplace les tâches simples, les occasions de pratique pour les ingénieurs débutants chutent fortement
- Entre 2023 et 2024, les recrutements juniors ont baissé de 25 % dans les grandes entreprises technologiques, et un rapport de HackerRank confirme une focalisation sur les profils expérimentés
- Si les petites tâches d’apprentissage disparaissent, la filière de formation des futurs seniors s’effondre
- Comme le dit l’avertissement : « on ne peut pas superviser un système qu’on n’a jamais construit soi-même », la rupture des compétences fondamentales est pointée comme un risque de long terme
Ce que le leadership doit faire
- Faire preuve d’empathie face à la difficulté du changement et la reconnaître explicitement est le point de départ pour préserver la confiance
- Fournir une requalification concrète : conception de systèmes, sécurité, réflexion produit, évaluation du code IA et autres compétences avancées
- Clarifier le périmètre des rôles et ajuster la rémunération afin d’éviter une expansion sans fin
- Redéfinir les indicateurs de performance : privilégier la qualité, la stabilité et la santé de l’équipe plutôt que la vitesse ou le nombre de lignes
- Maintenir le recrutement de juniors est une condition essentielle pour préserver l’écosystème des talents à long terme
Stratégies que les ingénieurs peuvent adopter individuellement
- Préserver les compétences techniques fondamentales : architecture, débogage, compréhension des performances et de la sécurité deviennent au contraire encore plus importantes
- Rester vigilant face au piège de l’accélération : ne pas poursuivre aveuglément la vitesse maximale rendue possible par l’IA, mais conserver un rythme durable
- Accepter parmi les rôles élargis les domaines qui suscitent de l’intérêt, et les utiliser comme opportunité de croissance de carrière
- Partager le burnout et le sentiment d’isolement, afin d’élargir la prise de conscience du réel par les échanges entre collègues
- Les changements technologiques se sont toujours répétés, et l’IA ne peut pas remplacer la demande pour les vrais techniciens de fond
Le paradoxe auquel nous faisons face
- La réalité dans laquelle l’IA a rendu le code plus facile, mais l’ingénierie plus difficile, existe bel et bien en même temps
- La hausse des attentes, l’élargissement des rôles et le manque de soutien se combinent pour produire une culture non durable
- Si ce paradoxe n’est pas reconnu, la confiance et la rétention des talents deviennent impossibles
- Il ne faut pas oublier le principe selon lequel ce sont les personnes, et non les outils, qui créent les produits,
et la conclusion est que le véritable avantage compétitif à l’ère de l’IA vient des organisations qui comprennent et protègent les limites humaines
Aucun commentaire pour le moment.