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 tu pouvais parler aux machines, tu étais en sécurité. Tu étais 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.

La délicieuse ironie : les gens qui ont construit les machines qui automatisent les emplois des autres voient maintenant leurs propres 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

D’abord, l’objection évidente : les peurs de l’automatisation ont déjà eu tort par le passé. Les Luddites ont prédit l’effondrement économique à cause des métiers à tisser mécaniques. Les économistes ont averti que les distributeurs automatiques élimineraient les caissiers de banque, et les tableurs étaient censés détruire la comptabilité. À chaque fois, de nouveaux emplois ont émergé. Alors pourquoi est-ce 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 « passe au travail cognitif » est automatisée, il ne reste nulle part où aller. Tu ne peux pas te reconvertir dans « la chose qui exige apprentissage et adaptation » quand les machines savent apprendre et s’adapter.

Les données sont déjà là.

Les données : L’avalanche a déjà commencé

Les chiffres de 2024-2026 peignent un tableau non pas de changement graduel mais de déplacement exponentiel :

La prise de contrôle du codage par IA

Début 2026, les outils de codage IA ne sont plus optionnels. Ils sont l’environnement de développement par défaut pour la plupart des programmeurs en activité :

• 51 % de tout le code commit sur GitHub début 2026 était soit généré par IA, soit substantiellement assisté par IA — en hausse depuis 46 % quelques mois plus tôt
• 74 % des développeurs mondialement avaient adopté des outils IA spécialisés pour le codage en janvier 2026 (recherche JetBrains)
• 70 % des ingénieurs utilisent 2-4 outils IA simultanément ; 15 % en utilisent cinq ou plus
• Claude Code est passé du lancement (mai 2025) à l’outil de codage IA n°1 le plus utilisé en seulement 8 mois, dépassant GitHub Copilot
• GitHub Copilot reste l’outil le plus connu (76 % de notoriété, 29 % d’utilisation au travail) et 90 % des entreprises Fortune 100 l’utilisent
• Pour les projets Java en environnements activés par Copilot, l’IA écrit 61 % du code
• Chez Google, le PDG Sundar Pichai a déclaré à Cloud Next 2026 que 75 % du nouveau code de l’entreprise est désormais généré par IA, contre environ 25 % dix-huit mois plus tôt ; les ingénieurs d’Anthropic et d’OpenAI rapportent que le chiffre approche les 100 % dans leurs propres murs

Le marché s’est bifurqué selon la taille des entreprises : les petites équipes favorisent largement Claude Code (75 % d’adoption dans les plus petites entreprises), tandis que les grandes entreprises adoptent par défaut GitHub Copilot. La pile dominante en 2026 est Cursor pour l’édition quotidienne + Claude Code pour les tâches complexes, ou Copilot dans ton IDE + Claude Code dans ton terminal.

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.

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 jeté. C’est du code de production livré aux utilisateurs.

L’adoption a monté. La confiance a chuté.

La découverte la plus étrange de tout le jeu de données, c’est que les développeurs utilisent ces outils davantage tout en leur faisant de moins en moins confiance. L’enquête 2025 auprès des développeurs de Stack Overflow a révélé que 84 % des développeurs utilisent ou prévoient d’utiliser des outils IA — pendant que la confiance dans leur exactitude chute à 29 %, en baisse de 11 points en une seule année. Plus de développeurs se méfient activement de ce que produit l’IA (46 %) qu’ils ne lui font confiance (33 %). Seuls 3 % disent lui faire hautement confiance. Chez les développeurs expérimentés, les chiffres sont encore plus tranchés : 2,6 % lui font hautement confiance, 20 % s’en méfient fortement.

Les raisons invoquées sont précises, pas un vague malaise. 66 % citent « les solutions IA presque justes, mais pas tout à fait » comme leur principale frustration, et 45 % affirment que déboguer du code généré par IA prend plus de temps que de l’écrire eux-mêmes. Interrogés sur la raison pour laquelle ils demanderaient encore à un humain dans un futur rempli d’IA compétentes, la réponse n°1 (75 %) était « quand je ne fais pas confiance aux réponses de l’IA ».

Voilà à quoi ressemble l’adoption sous la contrainte. Les développeurs ne cèdent pas leur métier avec enthousiasme ; ils utilisent un outil qu’ils sont obligés d’utiliser pour rester compétitifs, ils vérifient son travail et le notent honnêtement. Le schéma s’est confirmé jusqu’en 2026 : l’enquête 2026 State of Code de Sonar, menée auprès de plus de 1 100 développeurs professionnels, a constaté que l’IA écrit désormais environ 42 % du code commit, mais que 96 % de ces développeurs ne font pas pleinement confiance à ce qu’elle produit, que moins de la moitié le vérifient systématiquement avant de le committer, et que 38 % trouvent la relecture du code écrit par IA plus laborieuse que celle du code d’un collègue humain.

Et cette méfiance n’est pas qu’une impression. Le rapport 2026 sur la sécurité du code GenAI de Veracode, publié le 1er août, a soumis plus de 100 modèles à des tests de sécurité et a trouvé un taux de réussite en sécurité bloqué à 56 % en moyenne — à peine mieux que les 55 % de l’année précédente, alors même que tous les scores de benchmark grimpaient. Traduction : environ 44 % du code généré par IA est livré avec une classe de vulnérabilité connue. Les modèles sont devenus meilleurs pour écrire du code, mais pas plus sûrs pour écrire du code sécurisé — c’est précisément l’écart qu’un auditeur humain doit désormais combler.

Rien de tout cela ne change l’économie du problème ; ça l’aiguise. Un outil qui a raison la plupart du temps, qui livre du code non sécurisé près d’une fois sur deux et qui exige un relecteur qualifié élimine quand même la personne qui écrivait le premier jet. Il déplace simplement l’humain restant du rôle d’auteur à celui d’auditeur — un poste qui exige l’expertise que le rôle junior, désormais supprimé, permettait justement de bâtir.

Le marché de l’emploi des développeurs : pas un effondrement, une recomposition

Pendant trois ans, les données du marché de l’emploi ont pointé dans une seule direction, et elles contredisaient le récit « l’IA crée plus d’emplois qu’elle n’en détruit » :

• Les offres d’emploi de développeurs logiciels ont chuté d’environ 70 % par rapport à leur pic de février 2022
• Les offres de niveau débutant ont reculé de 34 % par rapport aux niveaux de 2020
• Les nouveaux diplômés en informatique affrontaient un taux de chômage de 5,8 %, supérieur au taux général
• L’emploi des jeunes actifs (22-25 ans) dans les métiers exposés à l’IA a baissé de 13 %
• Entre 2022 et début 2026, l’industrie tech a supprimé plus de 500 000 emplois en licenciements, avec 45 000 de plus au seul T1 2026

Puis, en juillet 2026, la tendance s’est brisée — et l’honnêteté commande de le dire clairement.

Le renversement de juillet 2026

Le Hiring Lab d’Indeed a publié le 8 juillet des données montrant que la relation entre l’exposition à l’IA et les offres d’emploi s’est inversée. De mai 2022 à mai 2026, plus un métier était exposé à l’IA, plus ses offres chutaient. De mai 2025 à mai 2026, plus un métier est exposé à l’IA, plus il rebondit.

Le développement logiciel en est l’exemple le plus net. Aux États-Unis, les offres en développement logiciel sont en hausse d’environ 15 % depuis le lancement de Claude Code fin février 2025, alors que l’ensemble des offres reculait de 7 % sur la même période. L’effet apparaît dans la plupart des économies développées, arrivant en premier dans les pays anglophones — exactement le schéma qu’on attendrait si c’est l’adoption de l’IA agentique qui le provoque.

Si l’IA dévorait purement et simplement les emplois de programmation, cela ne pourrait pas arriver. Donc le cadrage de « l’effondrement » était trop simple — et cet article l’a dit de façon trop simple.

Voici ce que révèle plutôt la composition :

Signal	Chiffre
Part de la hausse des offres qui concerne des postes seniors	71 %
Part correspondant à des emplois avec « IA » dans l’intitulé	37 %
Offres en dév logiciel vs niveau d’avant la pandémie	encore ~27,5 % en dessous
Ensemble des offres d’emploi vs février 2020	à peu près stable
Variation de l’emploi, développeurs de 22 à 25 ans (fin 2022 – mi-2025)	en baisse d’~20 %

Ce n’est pas une reprise. C’est un marché qui se reconstruit en ayant retiré ses barreaux du bas. La demande d’ingénieurs capables de diriger l’IA est réelle et croissante. La demande pour le travail junior qui produisait ces ingénieurs, elle, ne l’est pas. L’échelle a toujours un sommet ; quelqu’un en a enlevé les trois premiers barreaux.

Ce qui est un problème pire qu’un effondrement pur et simple, et plus silencieux. Un marché qui supprime les emplois uniformément produit du chômage visible et de la pression politique. Un marché qui embauche des seniors et saute les juniors a l’air sain dans l’ensemble pendant une dizaine d’années, puis découvre qu’il n’a plus personne de qualifié à promouvoir.

Et qui en fait les frais ? Pas les spécialistes de l’IA. Pas les architectes seniors. SaaStr a baptisé l’autre moitié du phénomène le « chômage invisible » : des développeurs techniquement en poste mais dont les rôles ont été vidés de leur substance par les outils IA, les employeurs ne remplaçant tout simplement pas les départs.

Le choc Klarna

L’assistant IA de Klarna a remplacé des agents de service client plutôt que des codeurs, mais le principe est le même, et les chiffres sont vertigineux. Cela compte pour l’argument « de nouveaux emplois vont émerger » : le service client était lui-même un « nouvel emploi » apparu quand la fabrication s’est automatisée. Maintenant, il s’automatise à son tour.

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) dès son premier mois. Elle résolvait les demandes en 2 minutes au lieu de 11, et l’entreprise estimait les économies à environ 40 millions de dollars par an.

Ce n’est pas une projection. C’est une efficacité réalisée. Les humains n’ont pas été reconvertis. Ils ont été rendus mathématiquement obsolètes.

Le rétropédalage (début 2026)

Mais l’histoire a un deuxième acte qui compte plus que le premier. Début 2026, Klarna a dû faire marche arrière sur une partie du déploiement. Les plaintes des clients revenaient invariablement autour du même schéma : l’IA donnait des réponses génériques, dénuées d’empathie, et ne savait pas gérer la nuance ni les problèmes complexes en plusieurs étapes. Le PDG Sebastian Siemiatkowski a publiquement reconnu que les coupes agressives étaient allées trop loin, confiant à la presse que l’entreprise avait été « trop tournée vers l’IA d’abord » et avait « sous-estimé la valeur de l’empathie humaine dans le support ». Klarna s’est remise à embaucher des agents de service client, expérimentant un modèle de main-d’œuvre flexible « à la Uber » avec des agents à distance, et s’est réorganisée autour d’une approche hybride : l’IA traite les tickets de premier niveau, routiniers et répétitifs, tandis que les humains se concentrent sur les situations qui exigent nuance, empathie ou raisonnement complexe.

Ce rétropédalage n’annule pas le chiffre des 700 agents ; il l’affine. La falaise est réelle pour les demandes de premier niveau (la moitié répétitive de n’importe quelle file de support), et le calcul qui a mis ces 700 postes en sursis ne va pas s’adoucir. Mais l’autre moitié de la file — les cas nuancés qui réclament quelqu’un capable de lire entre les lignes — reste obstinément arrimée à l’humain pour l’instant. Les preuves tranchent dans les deux sens. La Falaise de l’Emploi est inégale : elle frappe d’abord le travail le plus routinier et laisse le travail le plus relationnel pour la fin, exactement comme le prédirait une théorie sérieuse de l’automatisation.

Sources : CX Dive sur les équivalents-agents revendiqués par Klarna ; MLQ.ai sur l’aveu du PDG ; Digital Applied sur les réembauches.

2026 : L’année où les outils sont devenus autonomes

Début 2026, les outils de codage IA ont franchi un seuil : ils ont cessé d’assister et ont commencé à remplacer des flux de travail entiers.

Cursor 3 a livré l’orchestration multi-agents, permettant aux développeurs de lancer 10 à 20 agents IA travaillant en parallèle, chacun construisant une fonctionnalité différente sur des machines virtuelles cloud isolées, exécutant des tests, prenant des captures d’écran et produisant des pull requests avec artefacts pour revue. Un développeur, vingt agents. Le calcul sur la taille des équipes devient vite brutal.

Claude Code a lancé les Agent Teams, où plusieurs agents IA communiquent directement entre eux, se coordonnent via des listes de tâches partagées et s’intègrent aux systèmes d’entreprise via des protocoles d’outils. Anthropic a aussi livré un IDE dans le navigateur sur claude.ai/code, éliminant entièrement la barrière du terminal. En avril 2026, Claude Code avait dépassé Copilot comme outil de codage IA le plus utilisé mondialement — en seulement huit mois depuis son lancement.

Pendant ce temps, les chiffres des licenciements se sont durcis — et la cause a cessé d’être un euphémisme. En mars 2026, l’IA est devenue la raison n°1 invoquée pour les licenciements aux États-Unis dans l’histoire de Challenger, Gray & Christmas, avec 15 341 suppressions directement attribuées à l’IA en mars seulement (25 % du total mensuel). Les licenciements tech au T1 2026 ont atteint environ 52 050 (le plus haut total pour un premier trimestre depuis 2023), avec Tom’s Hardware rapportant que 47,9 % des coupes tech du T1 ont été attribuées à l’IA. Puis avril a apporté les 8 000 licenciements de Meta et les offres de départ de Microsoft à environ 8 750 employés, les deux entreprises redirigeant explicitement la masse salariale vers les investissements en IA (Meta a relevé ses prévisions d’investissement 2026 à environ 135 G$, un bond de 87 % sur un an).

À la mi-année, ce n’était plus un pic dont on pouvait débattre. L’IA a dominé toutes les raisons invoquées pour les licenciements cinq mois d’affilée, citée dans 112 713 suppressions jusqu’en juillet — plus du double des 54 694 imputées à l’IA sur toute l’année 2025, alors qu’il restait encore cinq mois à courir. Le seul secteur technologique a annoncé 149 023 suppressions jusqu’en juillet, en hausse de 67 % sur un an, soit environ un tiers de toutes les suppressions d’emplois aux États-Unis. Et le détail le plus frappant s’est répété deux mois de suite : en juin comme en juillet, le total des coupes a baissé tandis que la part de l’IA montait (à 31 %, puis 33 %). Quand les licenciements conjoncturels se sont taris, les licenciements de substitution, eux, sont restés.

Mets ça en regard des données d’Indeed sur les offres, plus haut. Les deux sont vraies en même temps : les entreprises réduisent leurs effectifs d’ingénierie et publient davantage de postes d’ingénieurs seniors. L’industrie ne rétrécit pas. Elle change de forme — et cette forme n’a pas d’entrée.

Les entreprises qui licenciaient n’étaient pas en difficulté. Elles affichaient des revenus records. Les coûts d’inférence IA ont chuté de 280 fois en deux ans, rendant le cas économique du remplacement des développeurs humains par des outils IA écrasant.

Le marché de l’emploi s’est bifurqué le long d’une ligne nette : les embauches en IA/ML ont bondi de 92 %, tandis que les rôles traditionnels d’ingénierie logicielle continuaient de se contracter. Le conseil « apprenez à coder » des années 2010 résonne aujourd’hui comme « apprenez à opérer un standard téléphonique » en 1995. La compétence n’est pas sans valeur, mais ce n’est plus une carrière. (Pour voir comment ce schéma dépasse le code et s’étend au travail physique, vois la stratégie d’acquisition robotique d’Amazon et le problème des données d’entraînement des robots.)

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.

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 blé en herbe. Et le travail ingrat ne disparaît pas comme ça : chaque fichier boilerplate qu’un junior écrit sous la supervision d’une IA devient un exemple étiqueté qui apprend au modèle à avoir un peu moins besoin de ce junior. L’apprentissage a été discrètement reconverti en étape de collecte de données. Ce n’est pas qu’un problème de main-d’œuvre. C’est une crise de transmission du savoir, qui impose le passage à un nouveau modèle de mentorat, découplé des motifs de profit des entreprises. (Voir Éducation : Modèle Usine vs. Citoyen pour comprendre comment le Système de Guilde s’y attaque, et L’outil qui entraîne son propre remplaçant pour voir comment l’usage quotidien devient le jeu d’entraînement de ta propre automatisation.)

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 :

Métrique	Ancien monde (2020)	Nouveau monde (2026)
Coût d’une app personnalisée	50 000-200 000 $	Quelques centaines de dollars
Temps de développement	3-6 mois	De quelques jours à quelques semaines
Expertise requise	5+ ans d’expérience	Maîtrise du langage naturel
Taille de l’équipe	3-10 développeurs	1 humain + IA
Coût de calcul	Des milliers/mois	Quelques centimes par inférence

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.

Alors « Ingénieur Logiciel » cesse d’être un intitulé de poste pour devenir une compétence de base, comme « écrire » ou « compter ». 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, coordonner des équipes multi-agents et livrer des fonctionnalités de manière autonome à travers des dizaines de fichiers
• Les fenêtres de contexte se sont étendues de milliers à plus d’un million de tokens, permettant à l’IA de tenir un projet entier en mémoire de travail
• 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.

Il y a une raison structurelle qui explique que le logiciel soit passé en premier, et ce n’est pas que les programmeurs étaient négligents. Le code est livré avec son propre vérificateur : une suite de tests, un vérificateur de types, un build qui passe ou ne passe pas. Là où une machine peut vérifier la réponse sans avoir à faire confiance à l’auteur, la génération devient bon marché et le diplôme perd la fonction qu’il remplissait. Ce principe — et les professions suivantes dans la file, juste derrière celle-ci — fait l’objet de la prime à la vérifiabilité.

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.

Le capital qui afflue dans l’infrastructure IA rend la trajectoire claire. Le tour de financement de 122 milliards de dollars d’OpenAI et l’usine de puces Terafab de Musk ne sont pas des paris spéculatifs. C’est la construction industrielle d’un monde où l’IA fait la plupart du travail cognitif.

Cela confirme la thèse centrale du livre : Nous ne pouvons pas résoudre la crise de l’automatisation avec plus de formation. Tu ne peux pas battre à la course à la formation un algorithme qui s’améliore de 100x tous les quelques années. Tu ne peux pas te reconvertir assez vite pour rester en avance sur des courbes exponentielles. Chaque nouvelle compétence que tu acquiers 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 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 par IA n’a jamais vraiment concerné le code.

Elle parle de l’obsolescence du labeur cognitif, de machines capables de faire en quelques secondes ce qu’il fallait des années aux humains pour apprendre et des heures pour exécuter. Et elle parle de l’effondrement d’une vieille hypothèse : que le « travail intellectuel » était d’une manière ou d’une autre à l’abri 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 ?

Ce n’est pas « écrire plus de code ». C’est le sophisme des coûts irrécupérables qui parle, l’espoir désespéré qu’en apprenant juste le prochain framework, nous resterons pertinents.

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

Les machines peuvent tout implémenter, mais elles ne peuvent pas vouloir, ne peuvent pas se soucier, ne peuvent pas choisir ce qui compte. Cela demeure, 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 exige à faire ce dont l’humanité a besoin, d’exécuter des instructions à exercer son jugement, de la productivité au sens.

La révolution du codage par IA révèle quelque chose que le cadrage de « la destruction des emplois » manque : la plupart de ce que nous appelions « travail » n’était que du labeur que nous n’avions pas encore automatisé. Le vrai travail — celui de décider quel genre de monde nous voulons construire — nous attendait depuis toujours.

Nous n’avions simplement jamais eu le temps de nous y consacrer.

---

Références

• La Falaise de l’Emploi
• Éducation : Modèle Usine vs. Citoyen
• La Fondation
• Impact
• Amazon achète Fauna Robotics
• Le problème des données d’entraînement des robots
• Le tour de financement de 122 G$ d’OpenAI
• Terafab : l’usine de puces de Musk
• L’inversion de l’infrastructure - Quand les agents qui écrivent le code dépassent la plateforme qui les héberge
• Le paradoxe des talents de l’IA - Pourquoi les gens qui décident quel code écrire restent rares même quand l’IA écrit le code
• Statistiques GitHub Copilot : GitHub Blog
• Adoption des outils de codage IA (janv. 2026) : JetBrains Research
• Google : 75 % du nouveau code généré par IA (Pichai, Cloud Next 2026) : Fast Company
• Enquête sur l’outillage IA 2026 : Pragmatic Engineer
• Marché de l’emploi en ingénierie logicielle : The Pragmatic Engineer
• Licenciements tech 2026 : Crunchbase
• Licenciements tech T1 2026 (~50 % attribués à l’IA) : Tom’s Hardware
• Rapport Challenger de mars 2026 (l’IA = raison n°1) : Challenger Gray & Christmas
• Chômage invisible dans la tech : SaaStr
• Déclin des emplois de développeurs aux États-Unis : Visual Capitalist
• L’IA et les offres d’emploi : de la destruction à la création ? (8 juillet 2026) : Indeed Hiring Lab
• Adoption de l’IA par les développeurs et le déficit de confiance : Enquête 2025 auprès des développeurs de Stack Overflow
• Sonar 2026 State of Code (42 % du code commit écrit par IA, 96 % ne lui font pas pleinement confiance) : Jerusalem Post
• Rapport 2026 de Veracode sur la sécurité du code GenAI (56 % de réussite en sécurité) : Tech Insider
• Rapport Challenger de juillet 2026 (l’IA en tête pour un cinquième mois consécutif) : Challenger, Gray & Christmas
• Rapport Challenger de juin 2026 (l’IA en tête pour un quatrième mois consécutif) : Challenger, Gray & Christmas
• Les licenciements tech bondissent de 83 % au S1 2026 : HR Dive
• Statistiques de support IA Klarna (2024-2025)

---

Dernière mise à jour : 1er septembre 2026 — ajout de l’enquête State of Code de Sonar (août 2026 : l’IA représente désormais ~42 % du code commit, mais 96 % des développeurs ne lui font pas pleinement confiance) et du constat de Veracode selon lequel le code d’IA ne passe les tests de sécurité que 56 % du temps, deux éléments qui renforcent l’argument « l’auteur devient auditeur » ; actualisation des données de licenciements jusqu’en juillet (l’IA citée dans 112 713 suppressions, en tête de toutes les raisons invoquées pour un cinquième mois consécutif). La révision du 1er août avait corrigé le tableau du marché de l’emploi grâce au constat du Hiring Lab d’Indeed : les offres exposées à l’IA sont passées du déclin à la croissance (dév logiciel en hausse d’~15 % depuis le lancement de Claude Code, 71 % des gains dans des postes seniors).