Note : Ceci est une note de recherche complétant le livre L’ère de la post-pénurie, désormais disponible à l’achat. Ces notes approfondissent les concepts du texte principal. Commencez ici ou procurez-vous le livre.

La révolution du codage par IA : L’architecte de la Falaise de l’Emploi

La fin de « Apprenez à coder »

Pendant deux décennies, « apprenez à coder » était l’évangile du salut économique. C’était l’équivalent du 21e siècle de « allez vers l’ouest, jeune homme ». Si vous pouviez parler aux machines, vous étiez en sécurité. Vous étiez spécial.

Cette sécurité s’évapore plus vite que le financement Série A d’une start-up.

Nous assistons à la transformation la plus radicale du développement logiciel depuis l’invention du compilateur, mais l’appeler un « outil de productivité », c’est comme appeler un tsunami une « attraction aquatique ». Les assistants de codage IA ont évolué de l’autocomplétion glorifiée à quelque chose qui ressemble dangereusement à un remplacement. Et ils nous conduisent directement vers la Falaise de l’Emploi — le moment où le travail des machines devient moins cher que le travail humain à travers la plupart des tâches économiques.

Voici la délicieuse ironie : les gens qui ont construit les machines qui automatisent les emplois des autres voient maintenant leurs emplois automatisés. Les ingénieurs logiciels — les grands prêtres de l’économie numérique — regardent leurs propres temples s’effondrer. Comme dit le proverbe : d’abord ils sont venus pour les ouvriers d’usine, et je n’ai rien dit. Puis ils sont venus pour les agents de service client, et je n’ai rien dit. Maintenant ils sont venus pour les gens qui écrivent le code, et… eh bien, il ne reste personne pour programmer l’application « sauvez mon emploi ».

Pourquoi cette fois c’est différent

Avant de plonger dans les chiffres, abordons l’éléphant : les peurs de l’automatisation ont eu tort auparavant. Les Luddites ont prédit l’effondrement économique des métiers à tisser mécaniques. Les économistes ont averti que les distributeurs automatiques élimineraient les caissiers de banque. Les tableurs étaient censés détruire la comptabilité. À chaque fois, de nouveaux emplois ont émergé. Pourquoi c’est différent ?

La sortie de secours se ferme. Chaque vague d’automatisation précédente a éliminé les tâches routinières pendant que les humains se déplaçaient « vers le haut » vers des tâches nécessitant jugement, créativité et apprentissage. Les ouvriers d’usine sont devenus des travailleurs de services. Les employés de saisie de données sont devenus des analystes de données. Le schéma s’est maintenu parce que les machines ne pouvaient faire que ce pour quoi elles étaient explicitement programmées.

Les outils de codage IA ne suivent pas de scripts — ils écrivent des scripts. Ils apprennent de nouveaux frameworks, s’adaptent à des bases de code inconnues et résolvent des problèmes nouveaux. Quand la sortie de secours « passez au travail cognitif » est automatisée, il ne reste nulle part où aller. Vous ne pouvez pas vous reconvertir dans « la chose qui nécessite apprentissage et adaptation » quand les machines peuvent apprendre et s’adapter.

Ce n’est pas de la spéculation. Les données sont déjà là.

Les données : L’avalanche a déjà commencé

Les chiffres de 2024-2025 peignent un tableau non pas de changement graduel mais de déplacement exponentiel :

La prise de contrôle de Copilot

GitHub Copilot, le pionnier de la programmation en binôme avec IA, est devenu l’invité non invité qui ne quitte jamais votre IDE :

• Plus de 15 millions d’utilisateurs dans le monde — une augmentation de 4x d’une année sur l’autre
• 1,3 million d’abonnés payants, croissant de 30 % chaque trimestre
• 90 % des entreprises Fortune 100 l’ont adopté
• Il écrit maintenant 46 % de tout le code dans les fichiers où il est activé — et dans les projets Java, ce chiffre grimpe à 61 %

Laissez cela s’imprégner. Dans de nombreuses bases de code, l’IA écrit plus de code que le développeur humain. Le « binôme » dans « programmation en binôme » est devenu le partenaire senior.

Mais voici la statistique qui devrait garder chaque développeur junior éveillé la nuit : 88 % du code généré par Copilot est conservé dans les soumissions finales. Ce n’est pas du boilerplate qui est jeté — c’est du code de production qui est livré aux utilisateurs.

L’effondrement du marché de l’emploi des développeurs

Les données du marché de l’emploi racontent une histoire qui contredit le récit « l’IA crée plus d’emplois qu’elle n’en détruit » :

• Les offres d’emploi de développeurs logiciels sont à un plus bas sur cinq ans, en baisse de plus de 33 % par rapport aux niveaux de 2020
• Certaines entreprises signalent des offres d’emploi actives en baisse de 90 % par rapport aux pics de 2022
• Entre 2022-2024, l’industrie technologique a supprimé plus de 500 000 emplois en licenciements

Et qui ressent la douleur ? Pas les spécialistes de l’IA. Pas les architectes seniors. Les coupes touchent le plus durement les développeurs juniors et les programmeurs généralistes — exactement les rôles que l’IA peut le plus facilement remplacer. Comme l’a noté un rapport du secteur : « La demande pour les rôles de niveau senior et spécialisés augmente… tandis que la demande d’emplois juniors et généralistes reste faible. »

Le choc Klarna

L’assistant IA de Klarna n’a pas remplacé les codeurs — il a remplacé les agents de service client. Mais le principe est le même, et les chiffres sont stupéfiants. Cela compte pour l’argument « de nouveaux emplois vont émerger » : le service client était lui-même un « nouvel emploi » qui a émergé quand la fabrication s’est automatisée. Maintenant il s’automatise aussi.

En 2024, l’IA de Klarna a géré deux tiers de tous les chats de service client — l’équivalent de 700 agents à temps plein — dans son premier mois. Elle a résolu les demandes en 2 minutes au lieu de 11. Fin 2025, elle gérait la charge de travail de 853 agents, économisant 60 millions de dollars par an à l’entreprise.

Ce n’est pas une projection. C’est une efficacité réalisée. Les humains n’ont pas été recyclés — ils ont été rendus mathématiquement obsolètes.

Les mécanismes de perturbation

1. La mort du développeur junior

L’échelle de carrière traditionnelle dans la technologie reposait sur un modèle « maître-apprenti » qui remonte aux guildes de l’Europe médiévale. Les développeurs juniors faisaient le travail ingrat — écrire du boilerplate, tester les cas limites, corriger les bugs mineurs — tout en apprenant l’architecture de leurs seniors.

L’IA fait maintenant ce travail ingrat instantanément, pour quelques centimes, sans avoir besoin de soins de santé ni de se plaindre des collations dans la salle de pause.

Voici le problème systémique : si les entreprises n’embauchent plus de juniors parce que l’IA est moins chère et plus rapide, d’où viendront les Développeurs Seniors dans dix ans ?

Le pipeline est cassé. Nous mangeons notre semence. Ce n’est pas juste un problème de main-d’œuvre — c’est une crise de transmission du savoir qui nécessite le passage à un nouveau modèle de mentorat, découplé des motifs de profit d’entreprise. (Voir Éducation : Modèle Usine vs. Citoyen pour comment le Système de Guilde aborde cela.)

2. Le Coût Marginal Zéro du logiciel

Dans le cadre de la post-pénurie, nous suivons l’effondrement des coûts marginaux comme indicateur avancé de transformation systémique. La création de logiciels approche le Coût Marginal Zéro :

Dans l’ancien monde, construire une app personnalisée nécessitait des connaissances spécialisées, un capital substantiel et des mois de temps. La rareté régnait. Dans le nouveau monde, un fondateur non technique décrit ses besoins à un agent IA, qui génère, déploie et itère le code en minutes.

Résultat : « Ingénieur Logiciel » cesse d’être un titre de poste et devient une compétence d’alphabétisation, comme « écriture » ou « arithmétique ». Tout le monde codera. Personne ne sera payé pour ça.

3. Le passage de la syntaxe à la sémantique

Nous passons du « Comment » au « Pourquoi ».

Le « Comment » était la syntaxe, les bibliothèques, la gestion mémoire, le débogage des traces de pile. Cela nécessitait des années de formation et une pratique quotidienne pour maintenir la compétence. Le « Pourquoi » est la conception de système, l’intention utilisateur, les implications éthiques, l’impact sociétal.

Les outils modernes de codage IA ne complètent pas juste des lignes de code — ils raisonnent sur l’architecture :

• Claude Code et Cursor peuvent ingérer des bases de code entières et comprendre les relations entre composants mieux qu’aucun humain seul ne pourrait
• Les fenêtres de contexte se sont étendues de milliers à des centaines de milliers de tokens, permettant à l’IA de tenir un projet entier dans son « esprit »
• Devin, lancé par Cognition Labs en 2024, a démontré une ingénierie logicielle autonome multi-étapes — planifier, coder, déboguer et déployer sans intervention humaine

Le rôle humain se déplace d’implémenteur à architecte et disjoncteur. Nous définissons le but du système ; l’IA gère l’implémentation. Nous attrapons les erreurs de l’IA ; l’IA attrape les nôtres.

C’est toujours un travail précieux. Mais il nécessite peut-être 10 % du travail humain que le développement logiciel exigeait autrefois.

Analyse de la post-pénurie : Le canari dans la mine

La révolution du codage IA est le « canari dans la mine » pour l’économie plus large. Le logiciel était la première industrie à se numériser complètement, donc c’est la première à expérimenter ce que nous appelons le Choc Hyperdéflationniste — le moment où les capacités de l’IA s’écrasent dans les marchés du travail comme un météore dans le Yucatan.

Le paradoxe de l’abondance

Nous aurons plus de logiciels, de meilleurs outils et plus de solutions numériques que jamais. L’abondance est réelle et s’accélère.

Pourtant le mécanisme principal pour distribuer la richesse dans l’économie numérique — les emplois de codage — s’effondre.

C’est le paradoxe au cœur de L’ère de la post-pénurie : l’abondance arrive, mais à travers des canaux qui créent la rareté de l’emploi. Plus de logiciels, moins d’emplois de logiciels. Plus d’automatisation, moins de travail. Plus de richesse, concentrée dans moins de mains.

Cela confirme la thèse centrale du livre : Nous ne pouvons pas résoudre la crise de l’automatisation avec plus de formation. Vous ne pouvez pas surpasser en formation un algorithme qui s’améliore de 100x tous les quelques années. Vous ne pouvez pas vous reconvertir assez vite pour rester en avance sur les courbes exponentielles. Chaque nouvelle compétence que vous acquérez aujourd’hui sera automatisée demain.

Le seul chemin viable est de découpler la survie du travail (La Fondation) et découpler le sens de l’emploi (Impact).

La démocratisation de la création

Il y a une doublure argentée dans ce déluge.

À mesure que les barrières techniques disparaissent, nous entrons dans l’ère du Constructeur Citoyen. Les outils qui éliminent les emplois de codage éliminent aussi le gardiennage qui empêchait les gens ordinaires de construire des solutions numériques :

• Un médecin peut construire un outil de diagnostic sans embaucher une équipe de dev
• Un enseignant peut créer une plateforme d’apprentissage personnalisée pour sa classe
• Un organisateur communautaire peut déployer une app de coordination de quartier
• Un artiste peut donner vie à ses visions sans apprendre Unity ou Blender

Le pouvoir de créer la réalité numérique se déplace d’une prêtrise d’ingénieurs aux Communs. Ce n’est pas une petite chose. Pour la première fois dans l’histoire, le coût de transformer une idée en logiciel fonctionnel approche de zéro.

Mais — et c’est crucial — la démocratisation de la création n’est pas un substitut à la sécurité économique. L’enseignant qui construit une app d’apprentissage doit toujours payer son loyer. Le médecin qui crée un outil de diagnostic a toujours besoin de revenus. Le modèle Constructeur Citoyen ne fonctionne que s’il est construit au-dessus d’une fondation qui garantit la survie indépendamment de la productivité économique.

Ce qui nous ramène à La Fondation.

Conclusion : Que nous reste-t-il à faire ?

La révolution du codage IA ne concerne pas le code. Ça ne l’a jamais été.

Il s’agit de l’obsolescence du labeur cognitif. Il s’agit de machines qui peuvent faire en secondes ce qui prenait des années aux humains pour apprendre et des heures pour exécuter. Il s’agit de l’effondrement de l’hypothèse que le « travail intellectuel » était en quelque sorte exempt de l’automatisation.

Cela nous force à affronter la question au cœur de L’ère de la post-pénurie : Quand les machines peuvent construire le monde, que nous reste-t-il à faire ?

La réponse n’est pas « écrire plus de code ». C’est le sophisme du coût irrécupérable qui parle — l’espoir désespéré que si nous apprenons juste le prochain framework, nous resterons pertinents.

La réponse est de décider ce qui vaut la peine d’être construit.

Les machines peuvent implémenter n’importe quoi. Mais elles ne peuvent pas vouloir. Elles ne peuvent pas se soucier. Elles ne peuvent pas choisir ce qui compte. Cela reste — pour l’instant — uniquement humain.

Dans le cadre de la post-pénurie, c’est le passage du travail à l’Impact : de faire ce que le marché demande à faire ce dont l’humanité a besoin. D’exécuter des instructions à exercer le jugement. De la productivité à l’objectif.

La révolution du codage IA ne détruit pas le travail. Elle révèle que la plupart de ce que nous appelions « travail » était juste du labeur que nous n’avions pas encore automatisé. Le vrai travail — le travail de décider quel type de monde nous voulons construire — nous attendait toujours.

Nous n’avions juste jamais eu le temps pour ça avant.

Références

• La Falaise de l’Emploi
• Éducation : Modèle Usine vs. Citoyen
• La Fondation
• Impact
• Statistiques GitHub Copilot : Second Talent
• Marché de l’emploi en ingénierie logicielle : The Pragmatic Engineer
• Statistiques de support IA Klarna (2024-2025)