Ce que l'IA ne décide pas à votre place
La question revient dans presque toutes les discussions : « avec l'IA, est-ce que ça vaut encore la peine de faire développer quelque chose ? » La réponse honnête n'est ni « non » ni « évidemment ». L'IA a déplacé le coût du travail ; elle n'a pas supprimé le travail.
Écrire n'a jamais été la partie difficile
Dans un projet, taper du code représente une petite partie du temps. Le reste, c'est comprendre comment les gens travaillent réellement, repérer les exceptions que personne n'a documentées, choisir ce qu'on garde et ce qu'on abandonne — puis vivre avec ces choix pendant des années.
Un modèle produit une réponse plausible à la question qu'on lui pose. Il ne vous dit pas que la question était mauvaise.
Trois décisions qui restent humaines
- Quel problème traiter — le sujet le plus coûteux est rarement celui qu'on formule en premier
- Ce qu'on ne fait pas — un bon outil est surtout un outil qui a refusé la moitié des idées
- Ce qu'on assume si ça casse — il faut quelqu'un qui répond quand une facture part en double un vendredi soir
Le piège du « ça marche »
Une démo qui fonctionne prouve peu de choses. Le vrai test arrive six mois plus tard : les données ont dérivé, une personne a quitté l'équipe, un cas non prévu s'est présenté. C'est là qu'on voit si quelqu'un a réfléchi aux cas limites, ou si on a simplement accepté la première proposition venue.
Ce que ça change vraiment
Ce que l'IA change, c'est le seuil d'entrée : tester une idée coûte moins cher qu'avant. On peut prototyper une piste, la jeter, en essayer une autre dans la même semaine. C'est une très bonne nouvelle — à condition de garder quelqu'un pour trancher.
En résumé
L'outil a changé, pas le métier. La valeur s'est déplacée de « savoir écrire » vers « savoir décider » : comprendre un processus, fixer un périmètre, assumer la maintenance. C'est précisément la partie que personne n'a envie de déléguer à une machine.