L'IA code, mais personne ne comprend plus rien
Original : The problem is not AI code, but not knowing about system architecture or intent
Pourquoi c'est important
La dépendance aux LLMs érode les compétences internes et fragilise la maintenabilité des systèmes.
Simon Späti alerte : le vrai problème du développement assisté par IA n'est pas la qualité du code généré, mais la perte totale de compréhension de l'architecture système et des choix de conception au sein des équipes.
Dans un billet de blog publié le 26 septembre, Simon Späti pose un diagnostic qui dépasse la simple question de la qualité du code produit par les LLMs. Selon lui, Claude et ses équivalents génèrent un code « moyen » — ce qui peut représenter une amélioration pour des bases de code sous-performantes — mais le vrai problème est ailleurs : plus personne dans les équipes ne comprend pourquoi les choix techniques ont été faits.
Un témoignage anonyme, repris dans l'article, illustre cette dérive dans une grande entreprise : specs, tests, tickets, PRDs, tout est généré par Claude Code. Les ingénieurs, du niveau L1 au L7, passent 12 à 13 heures par jour à « appuyer sur Entrée » sans lire ni comprendre ce qui est produit. Le management pousse à shipper toujours plus vite, considérant que « pousser du code n'est plus un goulot d'étranglement ».
Spaeti cite aussi Matthew Mullins, qui compare la situation à la crise des développeurs COBOL partant à la retraite — sauf que l'IA va reproduire ce problème dans tous les langages simultanément. Côté data engineering, Hoyt Emerson nuance : les data engineers, habitués à tout comprendre du produit et du métier, vivent l'IA davantage comme un outil de productivité que comme un substitut à la réflexion. La perte de sens architectural reste, pour Späti, le risque central à surveiller.