La question semble presque naïve maintenant.
Si l’IA peut générer des applications, corriger des bugs, écrire des fonctions, examiner des demandes d’extraction, expliquer des bases de code inconnues et travailler sur des fichiers pendant des heures, pourquoi devrait-on encore apprendre à coder ?
C’est une question compréhensible. Le monde du logiciel a passé l’année dernière à observer les agents de codage passer de démonstrations impressionnantes à des flux de travail quotidiens. Les développeurs ne demandent plus uniquement de l’aide aux chatbots pour la syntaxe. Ils délèguent des tâches, comparent les résultats, supervisent les agents et se réveillent avec du code qui a été écrit alors qu’ils étaient loin du clavier.
Dans le même temps, le codage n’est plus seulement une conversation de développeur. Les fondateurs utilisent des outils d’IA pour prototyper des produits avant d’embaucher des équipes techniques. Les chefs de produit les utilisent pour tester des idées. Les concepteurs les utilisent pour rendre les interfaces interactives. Les opérateurs les utilisent pour automatiser les flux de travail internes. La capacité de créer des logiciels s’étend au-delà des personnes qui s’appelaient traditionnellement ingénieurs logiciels.
La meilleure question n’est donc peut-être pas de savoir si les gens devraient encore apprendre à coder.
C’est ce que signifie désormais « apprendre à coder ».
L’ancienne réponse concernait principalement la syntaxe, les frameworks et la discipline de création de logiciels ligne par ligne. Cela compte toujours. Mais l’IA change le centre de gravité. La valeur évolue vers le jugement : savoir quoi construire, comment le décrire, de quel contexte le système a besoin, si le résultat est bon et où se cachent les risques.
En d’autres termes, l’avenir du codage pourrait impliquer moins de saisie.
Mais cela nécessitera plus de compréhension.
Codage Vibe pour un vrai travail
Cette transformation a été visible au SXSW cette année lors d’une session avec Bolt.new et Anthropic. La conversation ne portait pas sur la version fantastique du codage de l’IA, où une personne écrit une phrase et un produit parfait apparaît. Il s’agissait de quelque chose de plus mature : comment les outils de codage agent passent de prototypes ludiques à de véritables flux de travail d’entreprise.
Bolt est devenu l’un des exemples les plus clairs de la nouvelle vague de codage de l’IA, car elle rendait la création de logiciels immédiate. Un utilisateur peut décrire une application et voir rapidement quelque chose fonctionner à l’écran. Cette expérience a contribué à populariser le langage du « vibe coding », une expression qui capture à la fois la magie et le danger du moment.
Mais chez SXSW, le Eric Simons, PDG de Bolt, a décrit un cas d’utilisation plus structuré. La valeur de Bolt, a-t-il déclaré, réside souvent dans le « prototypage rapide ». et non dans le remplacement de la base de code de production. Ne pas laisser chaque employé expédier directement aux clients. Au lieu de cela, il donne aux équipes un moyen d’explorer l’apparence, la convivialité et le comportement d’une fonctionnalité avant d’engager du temps d’ingénierie.
Cette distinction est importante.
Dans de nombreuses entreprises, le goulot d’étranglement ne réside pas seulement dans l’écriture du code. C’est l’alignement. Les équipes produit, les concepteurs, les dirigeants et les clients ont souvent besoin de voir et de toucher une idée avant de pouvoir décider si elle vaut la peine d’être construite. Les outils d’IA accélèrent cette exploration. Mais l’opportunité la plus sérieuse consiste à connecter ces prototypes aux systèmes qu’une entreprise utilise déjà.
Simons a décrit un flux de travail dans lequel Bolt peut travailler avec le système de conception, les composants d’interface utilisateur et les formes d’API d’une entreprise, de sorte qu’un prototype n’est pas simplement une maquette jetable. Une fois l’expérience verrouillée, un agent de codage tel que Claude Code peut aider à traduire ce travail en quelque chose de plus proche de l’environnement de production.
La partie importante est le transfert. Les non-ingénieurs peuvent façonner des idées dans un bac à sable. Les ingénieurs protègent toujours le système de production. Entre les deux, l’agent devient un pont.
C’est une histoire très différente de « L’IA remplace les développeurs ». C’est plus proche de ceci : l’IA change qui peut participer au travail logiciel, et elle change ce pour quoi les développeurs sont nécessaires.
Le contexte devient la nouvelle compétence
C’est aussi pourquoi la conversation est allée au-delà de l’ingénierie rapide.
Il y a quelques années, une grande partie des conseils concernant les outils d’IA se concentraient sur les invites : comment formuler les instructions, comment structurer les demandes, comment extraire de meilleures réponses du modèle. Cette compétence a encore une certaine valeur, mais elle devient moins centrale à mesure que les modèles s’améliorent.
Le modèle le plus fort désormais est le contexte.
Le porte-parole d’Anthropic a décrit les « compétences » comme un moyen de donner aux agents des connaissances utiles auxquelles ils peuvent faire appel en cas de besoin. Au lieu de regrouper chaque instruction dans une seule invite parfaite, les équipes peuvent donner aux agents accès aux bons documents, règles, exemples et flux de travail.
Pour les entreprises, c’est là que commence le véritable travail. Un agent de codage utile n’a pas seulement besoin d’une requête. Il doit comprendre l’environnement autour de la demande : le système de conception, la base de code, la culture des tests, les attentes en matière de sécurité, la logique du produit et les conventions qui différencient les logiciels d’une entreprise de ceux d’une autre.
Quelqu’un doit savoir quel contexte compte.
Quelqu’un doit savoir si l’agent utilise le bon composant, respecte la bonne contrainte ou prend une décision qui créera des problèmes plus tard.
La personne qui comprend le système devient plus précieuse, pas moins.
L’entretien de codage est déjà en train de changer
La même évolution commence à apparaître en matière d’embauche. L’une des parties les plus intéressantes de la session SXSW ne concernait pas les outils, mais le talent.
Simons a déclaré que « certaines des personnes les plus extraordinaires » que Bolt avait embauchées au cours des six derniers mois soit n’avaient pas réussi l’ancien entretien technique, soit n’auraient réussi qu’après que l’entreprise ait modifié ses processus. Ce qui les rendait exceptionnels, a-t-il dit, c’est qu’ils « utilisaient des outils agents pour faire le travail ».
Cela ne veut pas dire que l’entretien technique est mort. Cela signifie que le signal change.
Bolt demande désormais aux candidats quels outils d’IA ils utilisent et comment ils les utilisent. La question n’est pas de savoir si quelqu’un peut nommer des produits populaires. Il s’agit de savoir s’ils les ont réellement explorés suffisamment profondément pour construire quelque chose de significatif.
Comme le dit Simons : « Montrez-nous ce que vous avez construit, montrez-nous comment cela fonctionne. Si c’est réel, alors d’accord, cette personne peut faire le travail. »
Cela semble beaucoup plus proche de la réalité du travail maintenant. Si les outils d’IA font partie du travail, évaluer les candidats comme si ces outils n’existaient pas donne une image incomplète. Mais l’inverse est également vrai. Si quelqu’un utilise l’IA sans comprendre ce qu’elle produit, ce n’est pas de la maîtrise. C’est une dépendance.
Le côté anthropique de la conversation a gardé cette tension intacte. L’entreprise utilise toujours au moins un entretien au cours duquel les candidats travaillent sans l’aide de l’IA, lisant et écrivant du Python. Mais le but n’est pas de tester d’obscures astuces syntaxiques. Il s’agit de voir si quelqu’un peut comprendre des modèles, déboguer un agent et raisonner à travers un système.
C’est peut-être le nouvel équilibre : la maîtrise des agents et suffisamment de profondeur technique pour savoir quand ils ont tort.
Alors, les gens devraient-ils quand même apprendre à coder ?
Oui. Mais pas parce que tout le monde doit devenir un ingénieur logiciel traditionnel.
Ils devraient apprendre, car les logiciels constituent de plus en plus la surface par laquelle le travail est effectué. Même lorsque l’IA rédige la première ébauche, les gens doivent toujours comprendre ce qui est créé. Ils ont besoin de savoir quand quelque chose est fragile, quand il est sécurisé, quand il est évolutif et quand cela n’a l’air impressionnant que dans une démo.
Simons a fait valoir ce point directement. « L’écriture de logiciels est peut-être un problème moins important à l’heure actuelle », a-t-il déclaré. « Mais qu’en est-il de la révision ? Comment pouvons-nous faire évoluer cela ? »
C’est peut-être la version la plus honnête de la réponse.
Plus il devient facile de générer du code, plus il devient important de savoir si ce code doit exister, s’il fonctionne et s’il est fiable.
C’est pourquoi la maîtrise du codage ne disparaît pas. Cela change de forme. Il s’agit moins de mémoriser la syntaxe que de comprendre les systèmes. Moins sur la production de chaque ligne que sur la direction, l’examen, les tests et l’amélioration de ce que les agents produisent.
L’année où le codage agent commence à mûrir
L’industrie s’oriente déjà dans cette direction.
En juin, AWS a ajouté l’agent de codage Codex d’OpenAI à Amazon Bedrock, le rendant ainsi généralement accessible aux entreprises clientes via l’infrastructure AWS et un modèle de paiement par jeton. Il s’agit d’un signal modeste mais révélateur : le codage agent fait désormais partie des plates-formes cloud et des canaux d’approvisionnement par lesquels les grandes entreprises adoptent réellement des logiciels.
Anthropic a continué à pousser Claude Code vers des flux de travail plus vastes et plus complexes. OpenAI a positionné le Codex non seulement comme un outil de codage, mais aussi comme un agent plus large du travail du savoir. La direction est claire : les agents passent des expériences secondaires à la structure quotidienne de la façon dont le travail est effectué.
Mais le plus intéressant n’est pas que les outils s’améliorent. Le fait est que les entreprises commencent à concevoir autour d’eux.
Cela signifie de nouveaux flux de travail, de nouveaux modèles de tarification, de nouveaux signaux d’embauche, de nouvelles habitudes de gestion et de nouvelles attentes envers les employés. Cela signifie également un nouveau fossé : non pas entre ceux qui savent coder et ceux qui ne le savent pas, mais entre ceux qui peuvent travailler efficacement avec des systèmes intelligents et ceux qui attendent encore que la poussière retombe.
Au SXSW, Bolt et Anthropic ont capturé ce moment de transition. La première vague de codage de l’IA était euphorique, désordonnée et expérimentale. La prochaine vague est plus opérationnelle. Il s’agit d’autorisations, de contexte, de systèmes de conception, de tests, de révision et de transferts sécurisés vers la production.
Comme Simons l’a déclaré vers la fin de la session, les entreprises commencent à adopter ces outils « de manière réelle, et pas seulement de manière exploratoire avec des jouets. »
«C’est l’année de la maturation», a-t-il déclaré.
C’est moins tape-à-l’œil que la promesse d’un logiciel instantané. Mais c’est bien plus important.
L’avenir du codage ne réside pas simplement dans le fait que les machines en écriront davantage. Ils le feront. L’avenir est que davantage de personnes pourront participer à l’élaboration des logiciels, tandis que les personnes qui comprennent profondément les logiciels seront responsables de s’assurer qu’ils fonctionnent.
Alors oui, vous devriez quand même apprendre à coder.
Non pas parce que le monde a besoin que tout le monde tape chaque ligne à la main. Mais parce que le monde se reconstruit grâce à des logiciels, les personnes qui comprennent son fonctionnement seront mieux équipées pour guider les agents qui le reconstruisent.
