Des agents d’IA capables de cloner des applications existent déjà, comme Craft Anything au sein de la collection ArtCraft. Au-delà du no-code, ces outils alimentent un débat sur le niveau d’abstraction acceptable et sur la manière dont les LLM modifient la charge mentale des développeurs. Entre promesse d’automatisation du code et risques de raisonnement affaibli face à des sorties non déterministes, le logiciel entre dans une zone d’incertitude.
Incertitudes sur la charge mentale et la non‑détermination
Les effets psychologiques de l’usage des LLM sur les programmeurs expérimentés comme sur les débutants restent largement inconnus. L’utilisation d’agents et de modèles impose un fardeau mental différent de celui des assembleurs ou compilateurs classiques. La nature non déterministe des sorties rend plus complexe le raisonnement sur les résultats obtenus à partir d’une même invite, au point qu’il n’est pas toujours évident de savoir si l’absence de reproductibilité relève d’un défaut ou d’un comportement attendu. Certains estiment qu’il n’est pas nécessaire de comprendre le fonctionnement interne du code généré, arguant que l’échelle et la vitesse du travail ne sont accessibles qu’aux machines. Cette position, séduisante sous la pression des délais, est assimilée à une forme de fatalisme. Des questions persistent sur la réalité des gains de vitesse et sur la proportion de travaux pilotés par LLM qui aboutissent à des fonctionnalités livrées, des corrections de bugs ou de la valeur ajoutée, des interrogations déjà présentes avant l’essor des LLM.
Ce que font aujourd’hui les outils : du clonage fonctionnel au no‑code poussé
Une collection baptisée ArtCraft, conçue par des développeurs, utilise des outils d’IA pour cloner des fonctionnalités d’applications établies, notamment Adobe Creative Suite, Microsoft Office et des logiciels AutoDesk CAD. Parmi ses projets, Craft Anything se distingue comme un agent capable d’étudier des logiciels ou des sites web, puis d’inciter un LLM à produire une copie. Deux approches sont proposées : reproduire le comportement extérieur en salle propre ou désassembler des binaires. L’utilisation de Craft Anything peut se faire sans écrire de code, ce qui en fait une version poussée à l’extrême du no-code.
Vous codez avec l’IA ?
Outils, agents et nouveautés dev IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Vers plus d’abstraction ? Arguments et contre‑arguments
L’idée que le développement piloté par LLM permet de cloner des logiciels sans programmation est largement répandue. Cette approche encouragerait la création d’outils plus abstraits et façonnerait des générations de développeurs dont le premier, voire l’unique, contact avec la programmation passerait par ces intermédiaires. Un argument affirme que les langages de haut niveau seraient les prochains à être automatisés par des LLM : les modèles écriraient le code, tandis que les humains se concentreraient sur l’architecture et les idées de plus haut niveau. Certains avancent que l’évolution naturelle du développement logiciel va vers davantage d’abstraction et que les inquiétudes actuelles sur le code généré par LLM paraîtront dérisoires à l’avenir. En face, une critique qualifie cette perspective de fataliste, défend le choix du niveau d’abstraction et souligne que multiplier les couches rend plus difficile l’identification des erreurs et des pistes d’amélioration.
D’où l’on vient : des cartes perforées aux compilateurs optimisants
Aux débuts de l’informatique, les programmes étaient proches du matériel et utilisaient des supports comme les bandes ou cartes perforées. L’apparition des langages de haut niveau a permis d’écrire avec une syntaxe plus lisible que le code machine. Les premiers compilateurs ont suscité des réactions mitigées face aux abstractions introduites, mais des décennies de progrès ont conduit à des compilateurs générant un langage machine considéré comme supérieur à l’écriture manuelle. Dans ce contexte, la question du niveau d’abstraction réellement nécessaire pour développer des logiciels reste posée. Il est avancé que la délégation accrue du travail à des agents d’IA rendra plus difficile la capacité à répondre à cette question, et qu’à mesure que les pratiques s’orientent vers les agents, il deviendra plus ardu de formuler ces interrogations.





