L'IA va-t-elle remplacer les développeurs ?

Une question mal posée

La vraie question n'est pas « est-ce que l'IA va remplacer les développeurs ? » mais « quelles tâches du cycle de développement seront automatisées, et à quelle vitesse ? ». La nuance est importante : un métier n'est pas une tâche, c'est un agrégat de responsabilités. GitHub Copilot, Cursor, Claude Code, Cody ou Devin ne ciblent pas les mêmes couches.

En 2024, le rapport DORA de Google indique qu'environ 75 % des développeurs interrogés utilisent au moins un assistant IA au quotidien. Pourtant, le même rapport montre une corrélation négative entre adoption massive d'IA et stabilité de livraison — signe que l'outil amplifie autant les bonnes pratiques que les mauvaises.

Ce que l'IA fait déjà très bien

Sur des tâches bornées, le gain est réel et mesurable :

• Génération de boilerplate : DTO, mappers, tests unitaires triviaux, migrations SQL.
• Traduction de code : passage Python → Go, ou COBOL → Java (IBM watsonx Code Assistant for Z).
• Documentation et commentaires sur du code existant.
• Recherche dans une base de code via embeddings (Sourcegraph Cody, Cursor avec @codebase).
• Revue de code de premier niveau : détection de smells, suggestions de refactor.

Exemple concret avec Cursor : générer un endpoint FastAPI testé en 30 secondes à partir d'un prompt clair.

# Prompt: "Endpoint POST /users avec validation Pydantic, 
# insertion SQLAlchemy async, tests pytest"

@router.post("/users", response_model=UserOut, status_code=201)
async def create_user(
    payload: UserIn,
    session: AsyncSession = Depends(get_session),
):
    user = User(**payload.model_dump())
    session.add(user)
    await session.commit()
    await session.refresh(user)
    return user

Ce genre de code, un junior mettait 20 minutes à l'écrire correctement. Aujourd'hui, c'est 30 secondes plus 5 minutes de revue.

Ce que l'IA ne fait pas (encore) bien

Les benchmarks type SWE-bench Verified plafonnent autour de 60–70 % pour les meilleurs agents (Claude 3.5 Sonnet, GPT-4.1, Devin) sur des tickets GitHub réels mais isolés. Dans la vraie vie, les tâches qui résistent :

• Architecture distribuée : choisir entre Kafka, RabbitMQ et Kinesis selon le contexte métier, le SLA et le budget.
• Debugging multi-systèmes : comprendre pourquoi une latence p99 explose entre un Ingress NGINX, un service mesh Istio et une base PostgreSQL répliquée.
• Compréhension du métier : traduire un besoin flou d'un PO en modèle de domaine cohérent (DDD).
• Négociation technique : convaincre une équipe de migrer vers un monorepo ou d'abandonner une techno legacy.
• Sécurité et conformité : auditer un flux OAuth2 ou un schéma RGPD.

Impact différencié selon le rôle

| Rôle | Risque d'automatisation (5 ans) | Compétence à renforcer | |---|---|---| | Dev junior généraliste | Élevé | Revue critique, architecture | | Dev front intégrateur | Élevé | UX, perf, accessibilité | | Dev back senior | Modéré | Systèmes distribués, observabilité | | Ingénieur DevOps/SRE | Faible | FinOps, sécurité, plateforme | | Data engineer | Modéré | Modélisation, gouvernance | | Architecte logiciel | Très faible | Communication, trade-offs | | Tech lead / EM | Très faible | Mentorat, décisions |

Le métier le plus exposé n'est pas « développeur » mais développeur qui ne fait que traduire des specs en code. Ce profil, déjà fragilisé par l'offshore, l'est encore plus par les agents IA.

Le vrai changement : le passage à l'agentique

La rupture de 2025 n'est pas la complétion de code, c'est l'agent autonome. Devin, OpenHands, SWE-agent, Claude Code en mode --headless peuvent ouvrir une PR, faire tourner les tests, corriger les erreurs et itérer. Le développeur passe de producteur à superviseur :

1. Rédaction de specs précises (le nouveau « code source »).
2. Découpage en tâches atomiques pour l'agent.
3. Revue critique des PR générées.
4. Intégration dans une architecture cohérente.

C'est exactement le shift qu'ont vécu les opérateurs réseau avec l'IaC : moins de commandes manuelles, plus de design et de revue.

Comment se préparer concrètement

Checklist pour un développeur ou un CTO en 2025–2026 :

• [ ] Maîtriser au moins un éditeur IA-native (Cursor, Windsurf, Zed) et un agent CLI (Claude Code, Aider).
• [ ] Mettre en place des règles de projet (.cursorrules, CLAUDE.md) pour cadrer la génération.
• [ ] Investir dans l'observabilité : OpenTelemetry, eBPF, profiling continu — terrains où l'IA reste faible.
• [ ] Renforcer les tests de contrat et la couverture e2e : un agent qui code vite a besoin de garde-fous.
• [ ] Former les équipes au prompt engineering technique et à la revue de code générée.
• [ ] Suivre les métriques DORA avant/après adoption pour mesurer l'impact réel.

À retenir

• L'IA ne remplace pas les développeurs, elle redistribue la valeur vers la conception, la revue et l'architecture.
• Les profils juniors purement « exécutants » sont les plus exposés ; le marché de l'embauche le reflète déjà.
• Les agents autonomes (Devin, Claude Code, OpenHands) sont la vraie rupture de 2025, pas la complétion.
• Les compétences qui prennent de la valeur : systèmes distribués, sécurité, observabilité, communication.
• Le bon réflexe n'est pas de résister, mais de mesurer l'impact (DORA, lead time, change failure rate) et d'ajuster.