Nous allons gagner une fortune

• Dans un scénario sur environ 5 ans, la diffusion du coding assisté par IA pourrait réduire les recrutements de juniors et accumuler de la complexité dans le code, ce qui ferait fortement grimper la valeur des développeurs seniors capables de remettre de l’ordre
• Les entreprises qui estiment que les modèles de code ont suffisamment progressé pour remplacer les développeurs juniors commencent à acheter davantage de tokens plutôt que d’embaucher, et les opportunités de recrutement junior diminuent déjà
• Les LLM ont tendance à ajouter du nouveau code plutôt qu’à nettoyer l’existant, et cette tendance se combine aux limites de la fenêtre de contexte, incapable d’englober l’ensemble d’un dépôt, ce qui accroît le code dupliqué et la dette technique
• À mesure que le taux de défauts du code généré par IA et le volume total de code augmentent ensemble, les bugs se multiplient, et des implémentations dupliquées mal abstraites obligent à corriger plusieurs fois le même défaut à différents endroits
• Si l’arrêt des recrutements juniors et une hausse de 22 % du burn-out sévère réduisent l’offre de profils expérimentés, les développeurs dotés d’une expérience de maintenance acquise avant l’IA et d’un bon jugement pourraient connaître une rareté comparable à celle des développeurs COBOL à l’époque du Y2K

---

L’IA fait croître la taille et la complexité du code

• L’ensemble du processus prend environ 5 ans, en partant de l’hypothèse qu’il est déjà engagé depuis 1,5 à 2 ans
• Les modèles d’IA récents, sans être parfaits, atteignent en programmation un niveau comparable, voire supérieur, à celui de développeurs juniors
  • L’idée se répand qu’au lieu d’embaucher un junior pour le même coût, on peut utiliser beaucoup de tokens pour traiter davantage de tâches
  • Les offres d’emploi pour développeurs juniors pourraient diminuer, et selon une analyse du Stanford Digital Economy Lab, cette évolution de l’emploi est déjà visible
• Les LLM peuvent générer directement des fonctions utilitaires et des méthodes, y compris pour des bibliothèques tierces vues dans leurs données d’entraînement, ce qui favorise l’ajout de nouveau code
  • En conséquence, le code produit et la taille des dépôts continuent d’augmenter, comme le confirme aussi la recherche sur l’augmentation de la taille du code
• L’IA a davantage tendance à ajouter des fonctionnalités au code existant qu’à le nettoyer, supprimer les doublons ou améliorer sa maintenabilité
  • Même une grande fenêtre de contexte ne peut pas contenir l’intégralité d’un dépôt moderne, et peut donc manquer des implémentations existantes
  • Le code écrit par IA est majoritairement additif et souvent redondant, un phénomène également observé dans cette étude sur la qualité du code assisté par IA
• L’IA peut lire du code complexe et des flux de contrôle plus vite et plus précisément que les humains
  • En conséquence, le budget de complexité et la dette technique que les organisations acceptent augmentent aussi
  • Le principe selon lequel le débogage est deux fois plus difficile que l’écriture du code reste valable, et si la complexité continue de s’accumuler, on peut atteindre un point que même l’IA ne saura plus gérer
  • Certaines codebases ont déjà dépassé le niveau de complexité gérable par des humains, comme le montrent aussi des cas de crise de dette technique liée à l’IA
• Le taux de défauts du code généré par IA est en général plus élevé que celui du code écrit par des humains
  • Même si ce taux descendait un jour sous celui des humains, le volume total de code généré continuerait d’augmenter, ce qui pourrait faire croître le nombre total de défauts
  • Faute d’une séparation et d’une abstraction appropriées du code, corriger un bug à un endroit laisse intactes d’autres implémentations dupliquées, ce qui conduit à corriger plusieurs fois le même défaut

La rareté des développeurs seniors expérimentés

• Dans des codebases complexes, mal structurées, remplies de bugs et de duplications, il faut des développeurs seniors capables de juger ce qu’il faut supprimer, quelles abstractions sont mauvaises et s’il faut repenser entièrement l’approche
• L’offre de profils expérimentés diminue non seulement à cause de l’attrition naturelle du secteur, mais aussi sous le poids de la gestion de la complexité générée par l’IA
  • Le burn-out sévère chez les développeurs seniors a augmenté de 22 %
  • Si l’on arrête d’embaucher des juniors, le nombre de personnes susceptibles de devenir les seniors de demain diminue aussi
  • Les développeurs ayant commencé leur carrière après l’essor de l’IA peuvent être compétents, mais ils pourraient manquer d’expérience dans l’écriture de code maintenable selon les pratiques d’avant l’IA
• Les ingénieurs seniors immédiatement opérationnels en production constituent déjà le principal goulet d’étranglement du marché du travail, si bien que le besoin de développeurs expérimentés dotés d’un bon sens du code devrait encore s’intensifier
• Si la demande augmente tandis que l’offre diminue, les prix montent, et les développeurs seniors pourraient bénéficier d’opportunités comparables à celles qu’ont connues les développeurs COBOL autour du Y2K
• Les développeurs expérimentés qui auront tenu pendant la vague de licenciements pilotée par l’IA pourraient être très bien rémunérés lorsque la pénurie d’offre deviendra vraiment aiguë

[GN⁺]

Avis sur Lobste.rs

• Je compte gagner énormément d’argent dans les 5 prochaines années rien qu’en corrigeant les résultats bâclés produits par l’IA, puis prendre ma retraite quelque part sur un yacht
  À mon avis, ce sera d’une ampleur bien pire que lorsqu’il fallait remettre en ordre les productions d’outils WYSIWYG ou d’équipes d’externalisation à l’étranger
  • Même en payant très cher, je doute que ce genre de travail de nettoyage soit amusant, et je ne suis pas sûr de pouvoir l’endurer, même avec les compétences nécessaires
• Projet lié : https://odra.dev/slopfix/
• Plutôt que d’essayer à tout prix de sauver des entreprises sans vision, il vaudrait mieux les laisser faire faillite et lancer une nouvelle activité
• C’est quelque chose que je répète souvent cette année : il n’y aura pas seulement un gros marché pour nettoyer du code médiocre, mais aussi pour retirer les LLM de tâches qui devraient être traitées de façon déterministe à l’origine
  Si quelqu’un paie 20 000 dollars par mois un chatbot juste pour savoir lequel de quatre choix un utilisateur a sélectionné, on peut lui proposer pour le même prix un programme qui n’est pas tributaire du coût des tokens ni d’erreurs probabilistes, avec en plus un contrat de maintenance à 1 000 dollars par mois
  Les entreprises se rendent déjà compte que déployer des LLM dans beaucoup de tâches coûte plus cher que d’embaucher des gens, mais comme beaucoup ont déjà licencié leurs équipes existantes, la moisson arrivera sans doute bien avant 5 ans
  • J’ai réellement entendu à plusieurs reprises des discussions où des gens tentaient du prompt engineering sur des problèmes pour lesquels il existe déjà des algorithmes déterministes et optimaux bien connus
• Au moins du point de vue de la duplication du code et de la maintenabilité, il y a encore une grande marge de progression pour les agents IA
  Avec une recherche sémantique vraiment excellente, il n’est pas nécessaire d’avoir une fenêtre de contexte gigantesque
  Si l’on entraîne de façon spécialisée un modèle d’embeddings pour qu’un agent de code repère bien les concepts dupliqués, il peut charger en mémoire seulement cinq autres ressources qui gèrent les délais d’expiration avec une file de priorité, puis les fusionner en une seule classe ExpirationQueue
  Le risque, en revanche, c’est qu’une telle IA applique trop vite des abstractions prématurées