Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Andrew Ng, fondateur de Coursera et professeur à Stanford, propose quatre piliers pour l’ingénierie IA, fondés sur l’analyse de plus de 10 000 offres et d’entretiens. Des praticiens rétorquent que l’orchestration, la gouvernance et la traduction d’objectifs métier ambigus en systèmes fiables pèsent autant que la technique pour atteindre la production.
Aller en production exige gouvernance, sécurité et arbitrages d’infrastructure
Thurai estime que l’innovation seule ne suffit pas : l’observabilité, la sécurité, la résilience et la gouvernance sont essentielles pour atteindre la production. Naman Ahuja, chez Meta, décrit des arbitrages constants entre fiabilité, efficacité de calcul, coûts et impact utilisateur, qui dépassent la simple correction technique du code. Chris Matteson avertit que sans compréhension du but et de l’usage d’un logiciel, les gains de productivité de l’IA peuvent être perdus en faux départs et retouches. Il nuance cependant que la retouche n’est pas toujours une perte : lorsque la génération est peu coûteuse et les enseignements précieux, le prototypage devient très efficace. Il recommande d’adopter une vision d’ensemble pour identifier les décisions irréversibles et définir quand jeter un prototype, soulignant que trop souvent, des équipes construisent en vase clos au lieu d’itérer au contact du réel.
Naman Ahuja met en avant la formulation précise des problèmes
Pour Naman Ahuja, les compétences d’ingénierie qui prennent de la valeur s’éloignent du codage traditionnel. L’IA permet de générer des implémentations rapidement ; le défi principal devient de formuler le bon problème, comprendre les contraintes commerciales, décomposer les systèmes, orchestrer composants d’IA et logiciels, et juger de l’utilité réelle en production. Selon lui, les ingénieurs les plus recherchés sauront traduire des objectifs métier ambigus en systèmes techniques fiables.
Le référentiel d’Andrew Ng : quatre blocs à maîtriser
Andrew Ng avance quatre compétences essentielles issues de l’analyse de plus de 10 000 offres et d’entretiens avec experts, recruteurs et responsables du recrutement. Premièrement, construire et déployer des applications d’IA suppose de maîtriser LLMs, ingénierie contextuelle, RAG, flux agentiques, apprentissage automatique et profond, ainsi que l’usage de techniques statistiques pour mesurer, orienter et gouverner des systèmes au comportement plus prévisible. Deuxièmement, les fondamentaux de l’ingénierie logicielle — architecture, tests et sécurité — produisent, selon lui, de meilleurs résultats qu’un développement réalisé sans compréhension des compromis pris par des agents de code. Troisièmement, l’usage des agents de codage requiert un modèle mental solide de leur fonctionnement, la connaissance de leurs limites et parades, la capacité à les guider rapidement et à doser l’intervention humaine pour bâtir des logiciels robustes sans gaspiller temps ni ressources. Quatrièmement, « façonner la construction » signifie ne plus attendre un design figé, mais exercer un sens du produit et comprendre contexte commercial et objectifs clients. Ng estime que la création logicielle a été profondément transformée par l’IA générative puis agentique, que l’apprentissage des bonnes compétences est rendu déroutant par la hype, et que tous les développeurs — full‑stack, data, DevOps, apprentissage automatique et ingénieurs IA — auront besoin d’ingénierie IA.
En entreprise, l’orchestration devient un métier à part entière
Sidana considère les compétences d’orchestration comme décisives pour intégrer l’IA dans les systèmes d’entreprise : il s’agit de coordonner modèles, outils, données, évaluations, observabilité, validations humaines et mécanismes de repli. Il ajoute que les meilleurs ingénieurs associent fondamentaux logiciels, connaissance du domaine, jugement produit, communication et responsabilité sur des résultats mesurables. Thurai complète la liste avec l’ingénierie et la gouvernance déterministes, l’orchestration multi-agents, l’arbitrage d’agents, l’IA FinOps, l’économie d’exécution, l’observabilité et la sécurité agentiques, ainsi que l’intégration des systèmes socio-techniques.
Un contrepoint pointe l’angle mort du problème métier
Des critiques adressées à Andrew Ng appellent à prendre davantage en compte le cadre global de résolution de problèmes. Une réponse à son post juge ses recommandations trop centrées sur l’interne et pas assez sur les enjeux commerciaux.
