À l’ère du coding avec l’IA, ce qui se passe dans le cerveau des développeurs dont la progression s’arrête
(evan-moon.github.io)TL;DR;
- La compétence clé pour bien utiliser l’IA est la capacité à juger et corriger la qualité du résultat produit, mais cette capacité s’affaiblit justement à mesure qu’on dépend davantage de l’IA
- Selon la théorie des « difficultés souhaitables » de Bjork, les informations traitées trop facilement ne restent pas dans la mémoire à long terme
- Dans l’étude de Roediger & Karpicke (2006), le taux de rétention après une semaine du groupe pratiquant le rappel était environ 50 % plus élevé que celui du groupe de relecture répétée
- Quand l’IA écrit le code à la place du développeur, elle supprime même la charge cognitive pertinente (germane load), ce qui fait disparaître les occasions mêmes de former des schémas mentaux
- Plus un développeur est expérimenté, plus l’efficacité neuronale fait que le simple fait de lire la sortie de l’IA impose très peu de charge au cerveau
- Même avant l’IA, il existait déjà des trajectoires où la progression s’arrêtait, mais l’IA réduit de façon spectaculaire les frictions sur cette voie
Résumé détaillé
Le paradoxe : pour bien utiliser l’IA, il faut connaître le code
- Beaucoup de gens savent dire « fais-moi ça », mais bien moins sont capables de regarder le résultat d’une IA et de corriger précisément en disant « cette structure est fragile face aux changements » ou « cette interface porte deux responsabilités »
- Cette capacité relève presque de l’intuition, forgée par d’innombrables échecs, sessions de debug et expériences de refactoring
- Apprendre à utiliser l’IA et apprendre les patterns de code ne sont pas deux options exclusives : le second constitue la base du premier
- « Les développeurs qui exploitent le mieux l’IA sont ceux qui savent évaluer du code même sans IA »
Le cerveau ne mémorise pas quand tout est facile
- Les « difficultés souhaitables » de Bjork : quand le processus d’apprentissage comporte un niveau approprié de difficulté et de résistance, la performance à court terme ralentit, mais la rétention à long terme et le transfert s’améliorent
- Roediger & Karpicke (2006) : expérience comparant relecture répétée et pratique du rappel
- Test après 5 minutes : le groupe de relecture répétée obtient de meilleurs résultats
- Nouveau test une semaine plus tard : le taux de rétention du groupe pratiquant le rappel est environ 50 % plus élevé
- Chez le groupe en rappel actif, la connectivité hippocampe–cortex préfrontal se renforce et l’activité du réseau sensorimoteur augmente
- Dans un état d’apprentissage passif, le cerveau n’active que la connexion hippocampe–gyrus fusiforme — on est plus proche du fait de « regarder l’information sans vraiment la traiter »
- Effet de génération (Slamecka & Graf, 1978) : dans un exemple comme « chaud-froi___ », le groupe qui complète lui-même obtient une rétention significativement supérieure à celui qui lit des paires déjà complétées
- Illusion de fluidité : la sensation qu’une information se traite facilement conduit à croire, à tort, qu’on s’en souviendra bien
La compétence en programmation relève de la mémoire procédurale
- Une grande partie du niveau en programmation relève de la mémoire procédurale — comme faire du vélo, une fois incorporée, l’exécution devient automatique sans effort conscient
- Le modèle ACT (Adaptive Control of Thought) d’Anderson : 3 étapes dans la formation de la mémoire procédurale
- Stade cognitif : tout est exécuté consciemment, étape par étape, en consommant l’essentiel de la mémoire de travail
- Stade associatif : les procédures individuelles s’intègrent et peuvent être exécutées comme un seul flux
- Stade d’automatisation : exécution automatique avec presque aucune occupation de la mémoire de travail — la marge restante peut alors servir au jugement de conception
- Le passage d’une étape à l’autre ne se produit qu’à travers une pratique directe et répétée
- Chunking (étude de Chase & Simon sur les échecs) : la différence entre experts et débutants ne tient pas au nombre d’emplacements de mémoire de travail, mais à la quantité d’information qu’un seul chunk peut contenir
- Un fort joueur d’échecs ne voit pas la position de chaque pièce individuellement, mais reconnaît comme un seul chunk un pattern porteur de sens tel qu’une « disposition typique de milieu de partie dans la défense sicilienne »
- Cela a été démontré par le fait que la différence entre experts et débutants disparaît dans des expériences avec des dispositions aléatoires
L’IA perturbe ce processus
- Quand on confie l’implémentation à l’IA, elle prend aussi en charge la charge cognitive pertinente (germane load) — l’occasion même de construire des schémas disparaît
- Du point de vue de la mémoire procédurale : le temps à peiner au stade cognitif diminue, ce qui retarde le passage au stade associatif et rend plus difficile l’accès au stade d’automatisation
- Lire le code produit par l’IA correspond au cas « lire des paires de mots déjà complétées » dans l’expérience sur l’effet de génération — on a l’impression d’avoir compris, mais rien ne s’imprime en profondeur
- Plus un développeur est expérimenté, plus il traite le code avec peu de ressources grâce à l’efficacité neuronale → lire la sortie de l’IA impose donc beaucoup moins de charge cognitive qu’on ne l’imagine
- Quand on écrit soi-même du code, les synapses se modifient via une boucle prédiction–feedback ; lire du code IA déjà terminé n’est qu’une interprétation a posteriori où le processus de prédiction a été supprimé
- C’est particulièrement grave pour les juniors : s’ils ont encore beaucoup de patterns au stade cognitif et que l’IA leur fait sauter cette étape, leur carrière avance sans que la mémoire procédurale se forme réellement
Comment remettre de la charge sur le cerveau
- Rédiger d’abord son propre design avant de demander à l’IA : utiliser volontairement l’effet de génération — le processus de comparaison et d’évaluation avec la sortie de l’IA active simultanément les zones du cerveau liées au traitement du sens et au contrôle de l’exécution
- Faire de vraies code reviews : se demander consciemment « pourquoi cette structure ? » et « si je devais la modifier dans 6 mois, où seraient les problèmes ? » — la gêne elle-même fait partie des difficultés souhaitables
- Prévoir du temps pour coder directement soi-même : c’est irremplaçable pour former la mémoire procédurale — quand on est bloqué, mieux vaut demander à l’IA un indice minimal plutôt que la réponse complète
- La stratégie optimale pour produire et pour apprendre n’est pas la même : l’IA est excellente comme outil de production, mais limitée comme outil d’apprentissage
- En fin de compte, ce qui reste dans le cerveau détermine la qualité de la code review, la justesse du jugement de conception et, paradoxalement, la capacité à bien exploiter l’IA
20 commentaires
Personnellement, je ressens très vivement à quel point l’IA est médiocre dans mon domaine d’expertise. J’imagine que c’est probablement la même chose pour les experts d’autres domaines. Bien sûr, elle aide beaucoup. Même si je dois passer mes journées à rédiger des documents pénibles, cela reste sans commune mesure avec la productivité d’autrefois.
L’attention se forme à la majorité.
Les agents de vérification n’ont qu’à passer la fonction d’évaluation.
L’excellent code industriel, dans sa grande majorité, n’est pas public.
L’open source est du code fait pour être montré.
Il faut toujours garder cela à l’esprit quand on l’utilise.
D’accord. Dans des domaines de pointe comme l’aérospatial, le médical ou le contrôle de précision, les données clés des domaines hautement spécialisés sont conservées sur des réseaux internes strictement fermés, et pour y accéder, il faut soit être un initié clé, soit, si l’on est externe, payer des coûts importants et signer un NDA pour obtenir une ouverture minimale. La plupart des données sur lesquelles l’IA s’entraîne sont publiques sur Internet, et pour des services web/app basés sur Python ou JavaScript, une automatisation complète est possible jusqu’à un certain point.
Comme les algorithmes de graphisme 3D et basés sur la CAO utilisés dans des domaines avancés sont soit dispersés de manière fragmentaire sur Internet, soit totalement absents, l’IA ne peut elle aussi, avec le vibe coding, produire que des résultats superficiels. Je pense qu’une approche sûre et réaliste consiste à s’appuyer sur un agent principal, à lui injecter en continu le contexte métier à un niveau proche du micro-management, puis à développer selon une logique d’amplification continue plutôt que d’automatisation complète dirigée par l’IA, avec un développeur qui garde directement l’initiative dans un cycle Planning → Redirection → Review.
Moi aussi, je considère avec prudence que, puisque je sens encore des lacunes dans mon propre domaine d’expertise, le niveau est probablement similaire dans les domaines où je me fais aider. En revanche, vu la rapidité des progrès, j’essaie de l’utiliser pour les tâches où un niveau de qualité à peu près équivalent suffit.
Suis-je le seul à avoir l’impression qu’il y a aussi pas mal de commentaires écrits par l’IA ici ?
On a l'impression d'être arrivés dans une dystopie.
Ce genre de propos ressemble à un attachement aux anciennes méthodes de travail. De toute façon, l’IA finira par mieux gérer ce type de choses. Ce qui compte aujourd’hui, c’est l’expérience acquise en utilisant l’IA pour améliorer ce qui ne fonctionne pas bien. Mais je pense que cela aussi ne sera que temporaire.
Ce n’est d’ailleurs pas limité au seul codage. La difficulté souhaitable n’est pas un simple slogan éculé, mais s’appuie sur diverses bases scientifiques.
Avec une calculatrice, mémoriser les tables de multiplication ressemble à un attachement à une ancienne façon de travailler. De toute façon, la calculatrice finira par mieux gérer ce genre de tâches. Ce qui compte aujourd’hui, c’est l’expérience d’amélioration des points qui fonctionnent mal tout en utilisant la calculatrice. Mais je pense que cela aussi n’est que temporaire.
J’ai l’impression qu’on oppose toujours une contre-attaque avec une logique similaire à celle-ci… Les calculatrices ne se trompent pas dans leurs calculs. Elles remplissent correctement leur rôle.
Je m’inquiète aussi qu’un jour, une calculatrice tombe en panne et affiche
3 X 3 = 10, sans que personne ne se rende compte que c’est faux... Et si cela arrivait sur l’ordinateur du programmeur qui gère mon compte bancaire... Mieux vaut être prudent.La phrase « Une grande partie de la compétence en codage relève de la mémoire procédurale » me parle énormément.
Résoudre des problèmes de mathématiques, c’est aussi un acte qui consiste à mémoriser des procédures et à s’entraîner pour pouvoir reproduire le même résultat.
Coder avec l’IA, c’est très bien, mais j’ai l’impression qu’il faut quand même mettre le cerveau à contribution pour être capable de produire de façon répétée des résultats d’un niveau équivalent ou supérieur.
Il va donc falloir passer, même volontairement, par un processus où l’on se confronte à un peu de pénibilité.
C’est une réflexion brève, mais ces derniers temps je me surprends à penser à ceci. On raconte qu’autrefois, les experts en assembleur regardaient les développeurs en C en disant des choses comme « ils ne se rendent pas compte du gaspillage mémoire » ou « ils ne comprennent pas le matériel », et quand on voit certaines critiques aujourd’hui, j’ai l’impression qu’elles s’inscrivent dans la même logique. Au fond, du point de vue du développement logiciel, nous ne faisons peut-être que développer avec un langage plus abstrait que les langages de programmation existants jusqu’ici (l’IA). Il est donc naturel que l’expertise sur les langages utilisés auparavant baisse. Cela dit, comme on qualifiait encore récemment de « monstres » les développeurs capables de travailler avec des langages plus low-level qu’aujourd’hui, peut-être qu’à l’avenir ceux qui développeront au feeling tout en comprenant toujours les principes des langages existants seront considérés comme des personnes à part.
« If you're nothing without the suit, then you shouldn't have it. » - Tony Stark
Au final, l’être humain finit par choisir la solution de facilité. C’est pour cela que, même en sachant que les contenus courts ne sont pas bons, presque tout le monde en consomme aujourd’hui. De la même manière, l’IA ne sera plus un choix mais une nécessité, et en pratique la différence de productivité entre ceux qui l’utilisent et ceux qui ne l’utilisent pas est réelle. Cela vaut aussi bien pour les développeurs que pour les non-développeurs. Seules les méthodes et les usages changent. Comme vous l’avez dit avec l’exemple du téléphone, qui fait qu’on n’a plus besoin de mémoriser les numéros, les gens d’aujourd’hui ne peuvent plus conduire uniquement avec une carte s’ils n’ont pas de GPS, et ils ne prennent même plus la peine de mémoriser des trajets qu’ils empruntent pourtant régulièrement.
Cela veut-il dire pour autant que nos capacités de conduite, notre perception spatiale ou notre mémoire ont régressé ? Non. Grâce au développement du GPS, tant qu’on en a un, on peut désormais aller n’importe où.
On entend aussi dire que l’usage de l’IA entraînerait une régression des capacités cognitives humaines, mais je pense qu’il ne s’agit pas d’une régression : ces capacités cognitives se transforment simplement sous une autre forme.
On parle aussi récemment de coder « à la main ». Je comprends l’idée de canaliser, dans le cadre d’un loisir, la peur de voir ses compétences legacy devenir obsolètes, mais j’aimerais éviter qu’on en arrive à présenter cela comme la bonne réponse absolue, avec une logique du type : pour améliorer ses fondamentaux, un développeur doit absolument coder à la main !
L’évolution des langages de programmation a d’ailleurs, au fond, toujours tendu vers un objectif ultime : se rapprocher progressivement d’un langage naturel plus familier à l’être humain. Et j’ai l’impression qu’en ce moment, nous sommes précisément dans cette phase de transition vers cet objectif ultime.
Quand je vois des développeurs faire du vibe coding sans réfléchir, ça me met hors de moi. La qualité de leur production est catastrophique, et qu’ils essaient donc de se justifier en disant : « C’est l’IA qui l’a codé. » La responsabilité leur incombe quoi qu’il arrive.
L’IA donne l’impression d’utiliser une perceuse électrique, une tronçonneuse ou une excavatrice. Depuis l’usage du téléphone portable, beaucoup de gens ne se souviennent même plus de leur propre numéro de téléphone.
...On peut voir cela comme un déclin, mais pour ma part j’y vois de l’efficacité. D’après mon expérience comme développeur et dans plusieurs autres fonctions, les outils d’IA sont aussi des outils qui aident à sortir du seul monde des développeurs pour adopter une vision plus large. Il peut y avoir un recul sur un aspect, mais cet espace est comblé par autre chose.
Je suis également d’accord avec cet avis.
Au final, je considère qu’il s’agit clairement d’un outil avec des compromis bien définis.
Je m’inquiète aussi du fait que plus on utilise l’IA, plus nos compétences en code risquent de diminuer, mais il est certain que cela nous amène à réfléchir à d’autres questions que nous ne nous posions pas auparavant (ou que nous ne pouvions pas nous poser).
Au minimum, quand on donne des instructions à une IA, il semble utile de ne pas se contenter de lancer quelques mots rapidement, mais d’exposer de façon concrète et aussi clairement que possible sa pensée et le déroulé logique de son raisonnement, puis, avant de passer à l’exécution, de lui faire demander systématiquement s’il reste des points à vérifier.
C’est le genre de texte qui fait penser à la notion de démence numérique.