Imagine : il est 8h30 en 2035. Ton café (ou ton attahi high-tech, chacun son truc) arrive par drone. Ton IDE te salue d’un « bonjour » courtois, te rappelle la réunion et t’a déjà proposé trois PRs pré-rédigées. Tu prends une gorgée… et tu te demandes si tu vas enfin avoir du temps pour finir cette série Netflix. Spoiler : non — parce que tu vas être trop occupé·e à superviser une armée de petites IA qui écrivent du code, mais qui ont besoin d’un vrai cerveau humain pour éviter les catastrophes (et les bugs qui sentent le délit d’initié).
Résumé rapide (si t’es pressé·e)
Les développeurs ne seront pas remplacés. Ils évolueront en orchestrateurs, auditeurs, créateurs d’intentions (aka ingénieurs de prompts), et designers d’interaction IA. Ils coderont moins à la ligne près, mais prendront des décisions plus stratégiques, éthiques et business. En bonus : la connaissance des fondamentaux restera ta meilleure assurance-vie contre les hallucinations des modèles.
À quoi ressemblera une journée (vraiment)
08:30 — Revue matinale : ton tableau d’incidents (géré par des agents) t’affiche trois anomalies ; deux sont des faux positifs (merci agent 42), le troisième est réel et prioritaire.
09:15 — Sprint « prompt workshop » : toi + un designer produit + un prompt-engineer, on ajuste la spec d’un agent qui doit générer des microservices résilients. (« Non, Moussa, on ne veut pas que le microservice supprime la base en prod. »)
11:00 — Audit rapide d’équité : tu utilises des outils d’explainability pour vérifier que le modèle ne favorise pas un certain profil de CV. Pause café.
14:00 — Débogage conceptuel : un agent a proposé une refactorisation absurde. Tu dois comprendre pourquoi — et pas seulement corriger.
16:30 — Déploiement canary orchestré par AgentOps ; tu regardes les métriques qui tombent comme des dominos — et tu te congratules.
18:00 — Session learning : 30 minutes sur MLOps, 30 minutes sur le dernier papier (tu sais, celui que tout le monde a commenté sur Hacker News).
Oui, il y aura encore des PRs. Mais la nature de la PR aura changé : souvent ce sera une revue critique d’un artefact IA plutôt qu’une simple modification de code.
Les tâches qui occupent 90% du temps (spoiler : pas toutes techniques)
- Conception d’intentions & prompts — écrire des « contrats » clairs pour que l’IA comprenne le pourquoi autant que le quoi.
- Orchestration d’agents — assembler des boîtes noires en workflows fiables. (Pense « Zapier » mais en beaucoup plus dangereux si mal configuré.)
- Vérification humaine & audits — tests d’acceptation, fairness checks, tests adversariaux.
- Data stewardship — nettoyer, annoter, versionner, surveiller.
- Règles & gouvernance — définir quand l’IA peut agir et quand elle doit demander confirmation.
- Mentorat & communication — expliquer aux PO pourquoi une suggestion IA est belle mais fausse.
Bref : beaucoup de design, de stratégie et d’enseignement — et moins de transpiration sur l’édition de 200 lignes pour corriger une virgule manquante.
Nouveaux métiers (ou anciens, renommés)
AI Systems Architect — pense Tony Stark mais avec plus de schémas d’architecture et moins de répliques.
Prompt Engineer / AI Interaction Designer — le mix entre copywriter, product designer et magicien.
Model Risk Auditor — spécialiste compliance + Sherlock Holmes.
AgentOps — SRE pour humanoïdes logiciels.
Data Steward — le garde-fou des datasets.
Les compétences à maîtriser (classement subjectif et légèrement cruel)
Prompt engineering & instruction design — oui, c’est un vrai métier.
MLOps & observability — si tu ne sais pas lire un graph Prometheus à 3h du matin, il est temps.
Sécurité & privacy (privacy-by-design) — les fuites de données ne pardonnent pas.
Fundamentaux CS — algos, systèmes distribués : la base qui te protège d’une IA qui hallucine.
Soft skills — négociation, communication, pédagogie. Tu expliqueras à un·e CEO pourquoi on ne peut pas mettre la prod sous « auto-optimize ».
Ethique appliquée — pour repérer les biais avant que LinkedIn ne s’en empare en trending.
Ce que l’IA fera — et ne fera pas (promis)
Fera : générer du boilerplate, produire des tests, faire des suggestions de refacto, écrire docs premières versions, triager issues.
Ne fera pas (pas encore) : arbitrer des choix stratégiques ambigus, comprendre un produit comme un humain, assumer la responsabilité légale — ni tenir ton équipe motivée un lundi matin.
Les risques (version « qui fait peur mais faut savoir »)
Dépendance aux fournisseurs : baffes légales et vendor lock-in qui coûtent cher.
Biais & discrimination : les modèles reproduisent les biais des data. (Souviens-toi des articles viraux sur les CV discriminés — pas joli.)
Dette technique invisible : l’IA peut masquer une dette qui explose plus tard.
Illusion de compétence : acceptation aveugle des outputs IA = recette pour chaos.
Un petit guide pratique — comment t’y préparer maintenant (méthode ninja)
Versionne tes prompts comme du code. Oui, commits et PR.
Crée des tests pour outputs IA (tests d’intégration et tests de sens).
Commence par automatiser les tâches non-critiques : onboarding, génération de tickets, tests unitaires.
Investis dans l’observabilité : logs décisionnels, traces, metric pipelines.
Forme ton équipe : ateliers prompt engineering, sessions d’audit bias, livres blancs.
Prototype des agents internes sur tâches simples ; retire la permission de tout casser en prod.
En 2035, les développeurs ne seront pas des machines à taper des lignes — ils seront les architectes moraux et techniques d’un monde où l’IA fait beaucoup, mais pas tout. Les équipes qui réussiront seront celles qui apprendront à orchestrer, à auditer et à gouverner l’IA. Si tu es développeur aujourd’hui : respire, improvise, et commence à apprendre le langage des prompts. C’est plus cool qu’un langage supplémentaire — et potentiellement plus rémunérateur.
Si une IA pouvait faire 80% de ton boulot de dev aujourd’hui, que ferais-tu du reste des 20% ?