L’IA change la façon dont les ingénieurs développent

Il y a environ un an, l’un des débats les plus bruyants dans le logiciel portait sur l’avenir de l’ingénieur junior. L’argument semblait simple : si l’IA peut déjà gérer de nombreuses tâches de codage de niveau junior, pourquoi continuer à embaucher et à former des juniors ? Et si les entreprises arrêtent de développer les talents des juniors, d’où viendront les ingénieurs seniors dans cinq ans ?

C’était une question sérieuse, et de nombreuses personnes intelligentes l’ont prise au sérieux.

À l’époque, ma réponse était que d’autres professions avaient déjà résolu des versions de ce problème. Personne ne sort de l’école de médecine et ne pratique immédiatement une chirurgie cardiaque indépendante. Les médecins passent des années à suivre, à faire des stages, à compléter des résidences et à pratiquer sous supervision avant que le système leur fasse confiance pour opérer seuls.

Le même modèle existe dans le leadership exécutif. Personne ne sort de l’université et ne dirige immédiatement une entreprise du Fortune 500. Les gens gèrent de petites équipes, puis de plus grandes unités commerciales, et accumulent progressivement du jugement avec le temps. Le chemin devient plus long, plus pratique et plus axé sur l’apprentissage lorsque la complexité du rôle augmente.

Je pense toujours que l’ingénierie va dans cette direction. Mais au cours des derniers mois, j’ai commencé à réfléchir différemment à ce problème en raison de trois expériences sans rapport qui ont toutes conduit à la même conclusion.

Trois exemples

Un ami a récemment passé des mois à se préparer pour un examen de langue tchèque. Lui et plusieurs de ses pairs ont embauché des tuteurs humains et ont investi de l’argent dans le processus. Il a réussi confortablement. La plupart des autres non.

La plus grande différence, selon lui, était que son principal tuteur était en fait ChatGPT.

Il pouvait étudier à 23 heures si cela lui convenait. Il pouvait répéter le même exercice de conjugaison quarante fois sans se soucier de gaspiller la patience de quelqu’un. Il pouvait jouer des rôles dans des situations très spécifiques, comme interagir avec un agent des impôts tchèque, et adapter la séance avec précision à ce avec quoi il avait du mal ce jour-là.

Les tuteurs humains étaient bons. Ils ne pouvaient simplement pas égaler la disponibilité, la répétition et la personnalisation.

Je vois quelque chose de similaire avec mon fils et la physique. Il comprend déjà bien le sujet, il n’utilise donc pas Claude pour lui donner des réponses. Il l’utilise pour le défier. Il lui demande de générer des problèmes plus difficiles, de remettre en question ses hypothèses, d’expliquer pourquoi une approche était proche mais finalement incorrecte, et de le questionner de manière interactive.

La comparaison la plus proche que je puisse imaginer est l’expérience que les enfants intelligents avaient lorsqu’ils connaissaient un frère aîné qui étudiait la physique. Sauf que cette version est toujours disponible, jamais impatiente et ne dit jamais « demandez-moi plus tard ».

Mon neveu, qui est encore au lycée, a construit un petit projet de hobby qu’il souhaite finalement commercialiser. Je l’ai aidé à configurer un agent de codage et à automatiser quelques flux de travail. Chaque après-midi à 17 heures, pendant qu’il termine l’école, un agent scanne sa base de code et lui laisse des suggestions d’amélioration. Une fois par semaine, un autre flux de travail exécute des recherches de concurrence et met en surface de nouvelles idées.

Il adorait.

À un moment donné, il a plaisanté : « Si la programmation est aussi facile, je vais manquer d’idées. »

Je lui ai dit que les idées étaient toujours la ressource rare. La différence maintenant est que l’exécution ne les contraint plus de la même manière parce que la mise en œuvre est devenue dramatiquement moins chère.

Boucles de rétroaction plus rapides

Aucun de ces exemples n’est vraiment lié au tchèque, à la physique ou à la revue de code.

Ce sont des exemples de rétroactions hautement personnalisées devenant continuellement disponibles.

Historiquement, les ingénieurs juniors apprenaient en partie par répétition et en partie par proximité avec des personnes expérimentées. Vous écriviez du code, attendiez la revue, receviez des commentaires lorsque le senior avait enfin du temps, et construisiez progressivement votre jugement au fil des années et des erreurs accumulées.

L’IA change la boucle de rétroaction elle-même.

Un ingénieur junior avec un assistant IA correctement configuré reçoit maintenant de nombreuses choses qui dépendaient précédemment de la disponibilité des seniors. Révision de code immédiate. Des explications sur les raisons pour lesquelles un choix de conception peut créer des problèmes plus tard. Des références à des modèles similaires ailleurs dans la base de code. Des réactions lorsque l’on tend la main vers la mise en œuvre la plus évidente au lieu de la meilleure.

Le plus important est que les commentaires arrivent alors que l’ingénieur est encore à l’intérieur du problème, et non deux jours plus tard, après que le contexte ait disparu.

Cela compte parce que la transition de junior à senior a toujours été largement motivée par le jugement. Le jugement est principalement une reconnaissance de modèles construite à travers une exposition répétée aux erreurs, aux compromis et aux cas limites. Plus quelqu’un peut passer rapidement à travers ces boucles de rétroaction de manière réfléchie, plus rapidement ce jugement se développe.

Le goulet d’étranglement de la bande passante était auparavant situé chez les ingénieurs seniors. Maintenant, il se situe de plus en plus chez l’apprenant.

Le filet de sécurité s’améliore

Il y a un autre changement qui compte tout autant.

Un ingénieur junior travaillant avec de solides systèmes de revue d’IA est nettement moins susceptible d’endommager accidentellement un système de production.

De nombreuses erreurs classiques sont maintenant signalées immédiatement : informations d’identification codées en dur, exceptions avalées, requêtes non sécurisées, problèmes de sécurité, problèmes d’architecture évidents, dépendances mal étendues. Les demandes de tirage incorrectes sont de plus en plus souvent interceptées avant de quitter l’ordinateur portable.

Cela change le plancher pour le travail junior.

Historiquement, une partie importante du temps des ingénieurs seniors était consacrée à protéger l’organisation des erreurs évitables. Les couches de revue d’IA absorbent de plus en plus une partie de cette charge, ce qui permet aux juniors de fonctionner de manière plus indépendante plus tôt qu’ils ne l’auraient pu auparavant.

Cela n’élimine pas le besoin de mentorat ou de supervision. Cela change où le mentorat devient le plus précieux.

Le fossé s’élargit

La version optimiste de cet avenir dépend fortement de la manière dont l’ingénieur utilise le système.

Quelqu’un qui traite l’IA principalement comme un raccourci pour éviter de réfléchir générera probablement plus de code tout en apprenant très peu. Il y a dix ans, la même personne aurait copié des solutions de Stack Overflow sans les comprendre. Le mécanisme a changé. Le comportement sous-jacent n’a pas changé.

L’IA n’allait jamais résoudre la passivité intellectuelle.

Le résultat le plus intéressant se produit lorsque les ingénieurs engagent activement la rétroaction qu’ils reçoivent. Si quelqu’un lit soigneusement la revue, la conteste parfois, pose des questions de suivi, teste des alternatives et découvre occasionnellement que le modèle lui-même était incorrect, il construit un jugement beaucoup plus rapidement que les générations précédentes n’auraient pu le faire.

L’effort cognitif n’a pas disparu. Il s’est déplacé plus tôt dans la boucle et est devenu moins coûteux à répéter.

Cela élargit probablement le fossé entre les ingénieurs très engagés et ceux qui ne le sont pas.

La plupart des changements de productivité importants fonctionnent de cette manière. La lecture a élargi le fossé entre les populations lettrées et illettrées. Internet a élargi le fossé entre les personnes curieuses et passives. L’IA semble susceptible de poursuivre le même modèle.

Le jugement de produit compte plus

La question la plus intéressante n’est plus de savoir si les ingénieurs juniors disparaissent. C’est ce que les ingénieurs juniors contribuent de plus en plus lorsque la mise en œuvre elle-même devient plus facile.

La réponse commence à ressembler étonnamment à ce que les ingénieurs seniors solides contribuent déjà : créativité, instinct de produit, goût, priorisation, jugement et capacité à identifier ce qui devrait exister en premier lieu.

Les rôles d’ingénieur se déplacent de plus en plus vers une pensée axée sur le produit parce que la friction de mise en œuvre continue de s’effondrer. Le travail de plomberie compte moins que la compréhension du fait que le système en construction résout vraiment le bon problème.

La conception de système compte toujours. La dénomination des choses compte toujours. Le jugement de produit compte toujours. La compréhension des utilisateurs compte toujours. À certains égards, ces compétences deviennent plus importantes parce que les organisations peuvent maintenant tester des idées beaucoup plus rapidement qu’auparavant.

Un ingénieur élevé avec l’IA dès le début pensera probablement très différemment de quelqu’un formé il y a quinze ans.

Il supposera que l’itération est bon marché. Il créera rapidement plusieurs approches au lieu de débattre d’une seule pendant des jours. Il s’attend à des boucles de rétroaction beaucoup plus serrées entre les utilisateurs et la mise en œuvre parce que le coût d’essai continue de diminuer.

Cela crée un type d’ingénieur différent, façonné par des cycles beaucoup plus courts entre l’idée et la mise en œuvre.

Les organisations devront repenser l’embauche, l’évaluation, le mentorat et la promotion en conséquence. Mais le logiciel a déjà subi des transitions similaires à plusieurs reprises : lorsque le web est arrivé, lorsque le mobile est arrivé, lorsque l’infrastructure cloud a remplacé les systèmes sur site.

Chaque changement a modifié l’aspect de l’ingénierie sans éliminer le besoin d’ingénieurs eux-mêmes.

Implications opérationnelles

Pour les ingénieurs juniors, les conseils ne sont pas particulièrement glamour.

Choisissez des projets réels. Utilisez l’IA comme un réviseur fantôme pendant que vous travaillez. Lisez soigneusement les commentaires. Contestez-les parfois. Posez des questions de suivi. Gardez une trace des modèles derrière les erreurs qu’il attrape.

C’est l’un des chemins les plus rapides pour développer son jugement, beaucoup plus rapide que d’attendre qu’un ingénieur senior occupé ait enfin le temps de se libérer pour le mentorat.

Pour les managers, le goulet d’étranglement change également.

La croissance junior dépendait autrefois fortement du temps que les ingénieurs seniors pouvaient consacrer au coaching. Le point de levier le plus important devient de plus en plus la conception de environnements d’apprentissage solides autour de l’utilisation de l’IA : attentes de revue, règles d’escalade, modèles d’invite, garde-fous et sélection de projet.

Les organisations qui structurent ces systèmes bien développeront probablement des talents plus rapidement que les générations précédentes n’ont pu le faire.

Et pour les équipes de direction, il est probablement sensé de cesser de considérer les ingénieurs juniors principalement comme une capacité d’exécution remplaçable. Dans de nombreuses organisations, ils peuvent devenir l’une des sources les moins chères d’expérimentation, d’énergie et d’itération créative disponibles.

Une génération différente d’ingénieurs

Mon ami a appris le tchèque plus rapidement parce qu’il portait effectivement un tuteur personnalisé dans sa poche. Mon fils apprend la physique avec un niveau de rétroaction interactive auquel je n’ai jamais eu accès. Mon neveu reçoit maintenant des revues de code nocturnes et des recherches de marché pendant qu’il dort.

La prochaine génération d’ingénieurs entrera dans l’industrie avec un coaching continu, des boucles de rétroaction immédiate et des cycles dramatiquement plus rapides entre l’effort et la rétroaction.

Cela n’élimine pas l’ingénieur junior. Cela change la façon dont ils se développent et quels sont les compétences les plus importantes en cours de route.

La version du rôle que de nombreuses personnes ont grandi avec disparaît probablement. Mais le remplacement peut s’avérer être plus rapide à apprendre, mieux coaché, plus expérimental et plus axé sur le produit que la génération précédente n’a jamais eu l’occasion de devenir.