Menlo Ventures : l'IA plonge les ingénieurs en crise

Les ingénieurs logiciels confrontés à une crise identitaire

Le monde de l'ingénierie logicielle est en pleine mutation, et cette transformation n'est pas sans conséquences. Le terme tokenmaxxing est de plus en plus utilisé pour décrire une tendance au sein de certaines entreprises où l'usage intensif de l'intelligence artificielle (IA) pour générer du code est encouragé. Cette pratique, bien que prometteuse en termes de productivité, a un coût humain non négligeable. Selon Deedy Das, partenaire chez Menlo Ventures, cette approche divise les ingénieurs en deux catégories distinctes : ceux qui s'appuient sur l'IA pour automatiser leurs tâches, et ceux qui doivent ensuite corriger et valider ce travail. Cette division engendre chez certains ingénieurs une crise d'identité qui frôle la dépression.

Dans la Silicon Valley, le tokenmaxxing est devenu un phénomène courant, poussant les développeurs à adopter des outils de codage basés sur l'IA dans l'espoir d'accroître leur efficacité. Cependant, cette pression pour produire plus de code a créé une fracture au sein des équipes d'ingénierie. Les ingénieurs se retrouvent ainsi partagés entre deux rôles distincts, ce qui affecte leur perception de leur propre valeur au sein de l'entreprise.

Deux catégories d'ingénieurs

• Ingénieurs "paresseux" : Ces professionnels se reposent largement sur les capacités de l'IA pour accomplir leurs tâches. Ils utilisent ces outils pour écrire du code, répondre à des questions techniques, et même pour préparer des mises à jour, tout cela avec un minimum d'implication personnelle.

• Artisans : À l'opposé, ces ingénieurs expérimentés se voient confier la lourde tâche de comprendre, réviser et corriger le flot incessant de code généré par l'IA. Leur rôle est crucial pour assurer la qualité et la fiabilité du produit final.

Deedy Das a récemment exprimé ses préoccupations sur cette situation dans un post sur X, soulignant que la plupart des ingénieurs logiciels vivent une crise d'identité proche de la dépression.

Un changement de rôle

Les propos de Das s'inscrivent dans un débat plus large sur l'impact des outils de codage basés sur l'IA sur le métier d'ingénieur logiciel. Alors que les entreprises incitent leurs développeurs à produire plus de code grâce à l'IA, le rôle des ingénieurs évolue. Ils passent de la création de logiciels à la révision, la gestion et la validation du travail généré par les machines. Cette évolution amène certains à remettre en question la valeur de leur contribution au sein de l'entreprise.

Ce phénomène s'inscrit dans un contexte plus vaste que Amanda Hoover de Business Insider a décrit comme la "sprawl de l'IA". Les travailleurs jonglent avec une multitude d'outils d'IA, dupliquent les tâches et produisent des volumes de travail toujours plus importants, sans qu'il soit prouvé que ces efforts se traduisent par une efficacité accrue pour les entreprises.

L'épuisement des artisans

"Les artisans sont fatigués. Très fatigués," a écrit Das. Ces ingénieurs, qui portent le poids de la révision et de la compréhension du code généré par l'IA, se retrouvent souvent submergés. La génération de code est facilitée par l'IA, mais la révision et la maintenance de ce code sont devenues le nouveau goulet d'étranglement. Ce phénomène rappelle la montée de la "botsitting", où les ingénieurs doivent superviser l'IA, corriger ses erreurs et valider son travail.

Das a également souligné que de nombreux ingénieurs ressentent que la compétence qu'ils ont développée tout au long de leur carrière n'est plus aussi utile dans le contexte actuel dominé par l'IA. Ils se retrouvent souvent submergés par des demandes de tirage (pull requests) tandis que des bogues passent de plus en plus en production. "L'artisanat qu'ils aimaient est mort," a-t-il ajouté.

Bien que certaines entreprises réussissent à intégrer l'IA dans le développement logiciel, Das note que la tension est particulièrement palpable dans les grandes organisations où la production générée par l'IA croît plus rapidement que la capacité des équipes à l'évaluer. "Cela a tendance à se produire dans les grandes entreprises de plus de 10 ans avec une plus grande variance de talents," a-t-il précisé. "Mais cela se produit. Beaucoup."