Les agents d’IA écrivent désormais du code plus vite que n’importe quelle équipe humaine. Pourtant, les produits qui en sortent ne s’améliorent pas au même rythme. Cette dissonance n’est pas un détail : elle révèle ce que beaucoup d’éditeurs préfèrent ne pas regarder en face.
Le raisonnement dominant tient en une équation simpliste : plus de code, plus vite, donc de meilleurs logiciels. Mais cette équation n’a jamais été vraie. Écrire du code n’a jamais été le facteur limitant.
Produire du code n’a jamais été le goulot d’étranglement
Le vrai travail difficile dans l’ingénierie logicielle ne se situe pas dans la frappe au clavier. Il se loge dans la définition des bonnes exigences, dans l’intégration à des systèmes complexes, et dans la maintenance d’un logiciel confronté aux conditions réelles d’usage.
Les agents compressent le temps d’exécution. Ils ne compressent ni l’ambiguïté, ni la responsabilité, ni la complexité opérationnelle. C’est une nuance décisive que l’enthousiasme ambiant gomme un peu vite.
Le résultat ? Quand des agents inondent une organisation de code neuf, la partie difficile ne disparaît pas. Elle s’aggrave.
La revue humaine devient le nouveau point de blocage
À mesure que le code généré par l’IA monte en volume, la relecture par des humains se transforme en goulot d’étranglement massif. Et un effet pervers s’installe : les ingénieurs perdent le contexte nécessaire pour repérer les erreurs des agents.
Pourquoi ? Parce qu’on ne relit pas avec la même acuité un code qu’on n’a pas pensé. L’agent produit, l’humain valide en aval — mais la compréhension fine, celle qui permet d’attraper le bug subtil, s’érode quand on n’a pas construit soi-même le raisonnement.
Ce déplacement du blocage, de la production vers la validation, est l’angle mort de la plupart des discours sur la productivité. On a remplacé une rareté (le temps de développement) par une autre (l’attention de revue), sans toujours le voir. Les éditeurs eux-mêmes l’entretiennent : les trois assistants agentiques de référence — Claude Code (Anthropic), Codex (OpenAI) et Gemini CLI (Google) — rivalisent sur la vitesse et l’autonomie de génération, jamais sur la qualité de la relecture.
L’addition cachée : quand les boucles d’agents vident le budget
L’illusion d’un code « gratuit » se paie ailleurs. Les avertissements s’accumulent. Uber a plafonné ses dépenses d’IA après avoir épuisé son budget 2026 dès le mois d’avril. Plus spectaculaire encore : selon des informations de presse, une entreprise non nommée aurait reçu une facture de 500 millions de dollars en un seul mois, conséquence de boucles d’agents devenues incontrôlables.
Ces chiffres ne sont pas des anecdotes. Ils dessinent une réalité que les feuilles de route enthousiastes oublient : l’autonomie des agents a un coût, et il peut déraper sans garde-fou.
D’où une discipline qui ressemble à de la gouvernance d’infrastructure : versionner, relire et tester les prompts et les compétences des agents avant tout déploiement, comme on le ferait pour du code de production. Imposer quotas et limites de débit. Traiter la configuration d’un agent non comme un gadget, mais comme un actif sensible.
L’angle mort de la sécurité : un agent n’est pas un humain
Il existe une tentation simple : donner à l’agent les mêmes droits qu’à l’ingénieur qui le pilote. C’est une erreur de catégorie.
Un humain reçoit de larges accès parce qu’il possède un jugement contextuel et qu’il porte, in fine, la responsabilité de ses actes. Un agent ne porte rien. Lui accorder un accès de niveau humain creuse un « trou de responsabilité » au cœur du système. Quelques principes deviennent alors non négociables :
- appliquer le moindre privilège aux acteurs non humains, sans héritage automatique des droits de l’opérateur ;
- séparer strictement la lecture de l’écriture et de l’exécution ;
- imposer une validation humaine pour toute action destructrice ou touchant la production.
Tant que l’agent se contentait de suggérer du code, le risque restait théorique. Dès lors qu’il exécute des tâches en autonomie, il doit entrer dans le modèle de sécurité au même titre qu’un service critique.
Deux entreprises face au même outil, deux destins opposés
C’est ici que se joue la vraie ligne de partage. Les organisations qui comprennent que le blocage est organisationnel, et non technique, avanceront de façon délibérée. Elles iront jusqu’à créer de nouveaux rôles du fait de l’IA — la revue, l’orchestration, la gouvernance des agents devenant des métiers à part entière.
Les autres céderont à la solution la plus paresseuse, et de loin la plus destructrice : réduire les effectifs et augmenter la facture d’IA. Comme si le problème avait jamais été le nombre de mains pour taper du code.
Pour le praticien qui orchestre l’IA au quotidien, le message est limpide : la valeur ne se déplace pas vers celui qui génère le plus de code, mais vers celui qui sait décider ce qui mérite d’être construit, et vérifier que ça tient. La pénurie de demain n’est pas une pénurie de production. C’est une pénurie de discernement.
Rien n’oblige pourtant une organisation à choisir le mauvais chemin. La technologie ne décide pas à notre place ; elle ne fait que rendre visibles des choix que l’on pouvait jusqu’ici masquer derrière la lenteur du développement.
Reste à voir lesquels, des décideurs produit ou des responsables de coûts, tiendront le volant maintenant que l’IA a retiré au code son rôle d’excuse commode.
