AI Native Engineer — l’intuition fondée sur les principes

Qu’est-ce qu’un AI Native Engineer, au juste (Who).

Ce qui apparaît au grand jour — en quoi il diffère des ingénieurs des époques précédentes

• Drew Hoskins : "Les outils et les langages étaient tellement difficiles que le simple fait de les apprendre et de les utiliser constituait un travail à temps plein." À mesure que l’IA commence à remplacer ce travail à temps plein, ce qui devait être fait depuis le départ mais restait masqué apparaît au grand jour
• Élargissement des responsabilités : de la livraison (delivery) à la découverte (discovery). Si l’on ne sait pas répondre à "Pourquoi faut-il construire cela ?", il ne reste plus de rôle à tenir
• Apprentissage 10 fois plus rapide : pour lire et juger 200 lignes produites par l’IA en 30 secondes, il faut des bases solides. Le code généré par l’IA devient en quelque sorte un manuel, mais encore faut-il avoir l’œil pour le lire
• Vitesse du jugement : Forsgren — "Quand on travaille avec l’IA, il faut reconstruire son modèle mental des dizaines de fois en 30 minutes." Un jugement rapide vient d’une compréhension profonde

Le retour de bâton du Maker

• DORA 2025 : après l’adoption de l’IA, génération de PR en hausse de 98 %. Les performances de delivery logiciel ? Stables. Le codage n’était pas le goulot d’étranglement au départ
• Si vous cliquez, les autres cliquent aussi. Le simple fait de produire devient une commodité. Le clic n’est plus un avantage concurrentiel
• Autrefois, dire qu’un "Maker avait un état d’esprit de Closer" était un compliment. Désormais, c’est une condition minimale

L’erreur du magicien — le paradoxe d’une technique qui devient encore plus importante

• Les déboires de l’auteur sur iOS : avec Golang, il s’est concentré immédiatement sur la logique cœur ; sur iOS, faute de compétences techniques, il est resté 2 à 3 jours dans une boucle infinie avec l’IA. "Un ingénieur iOS l’aurait corrigé en 5 minutes"
• Le "piège de l’apprenti sorcier" de Carson Gross : si un junior ne sait pas écrire du code, il finit aussi par ne pas savoir le lire. Et s’il ne sait pas le lire, il se fait mener par le bout du nez par les LLM
• Steve Krouse : "Le vibe coding donne l’illusion que ses propres vibes sont des abstractions précises." Personne ne parle de "vibe writing"
• Les LLM ne réduisent pas la complexité essentielle. Ils ne font que générer plus facilement de la complexité accidentelle (Fred Brooks, No Silver Bullet)
• Connaissance des outils (syntaxe Swift, patterns React) vs connaissance des principes (réseau, OS, structures de données). Puisque l’IA remplace la connaissance des outils, la connaissance des principes ressort d’autant plus

L’intuition fondée sur les principes — Eval

• Des principes sans intuition, c’est un universitaire. Les principes seuls ne suffisent pas
• Ce qu’Anthropic appelle le "taste". Ce que les personnes qui fabriquent le mieux l’IA sont aussi les dernières à déléguer entièrement à l’IA
• Thomas, CTO de Linear : "Taste is not mystical. It's a craft." Avec Quality Wednesday, 2�00 defects corrigés en 2 ans — le taste se développe comme un muscle
• Eval = la capacité de jugement pour évaluer les résultats produits par l’IA. "Le All Pass de l’IA est-il aussi un All Pass pour moi ?" La personne capable de poser cette question est un AI Native Engineer

Conclusion — une boussole sur un accélérateur

• Terry Winograd (chercheur de première génération en IA à Stanford) : "L’IA n’est pas la cause du problème. L’IA est un accélérateur (Accelerant)." Ce qui a changé, c’est la vitesse, pas la direction
• Une intuition sans principes n’est qu’une supposition, et des principes sans intuition font un universitaire
• Même avec le How (les compétences agentiques) et en travaillant dans le Where (une organisation AX), cela n’a aucun sens si le Who (moi-même) n’est pas une personne capable d’exercer son intuition à partir des principes