Le Code est mort, vive le Code !
-
En janvier 2026, nous venons d’assister à un point de bascule significatif, le genre d’événement qui fait date : Anthropic a lancé Claude Cowork, un agent IA autonome capable d’exécuter des tâches complexes pour des utilisateurs non-techniques. Très bien, où est l’info ? L’annonce aurait pu passer pour un simple ajout produit parmi d’autres. Sauf qu’un détail a laissé bouche bée pas mal de monde.
Le point de bascule
Claude Cowork a été développé en 10 jours. Entièrement. Par une IA.
Boris Cherny, le créateur de Claude Code, l’a confirmé sur X : “100% of my contributions to Claude Code were written by Claude Code.” Felix Rieseberg, Product Manager chez Anthropic, a précisé que l’équipe avait “passé plus de temps à prendre des décisions produit et architecturales qu’à écrire des lignes de code individuelles.”
Ce n’est plus de l’assistance. C’est de l’autonomie pilotée. C’est en prod, et le service a été développé en 10 jours.
La trajectoire exponentielle
Pour comprendre l’ampleur du changement, il faut regarder la courbe. En mai 2025, environ 80% du code de Claude Code était écrit par Claude Code lui-même. En décembre 2025, Boris Cherny n’avait pas ouvert un IDE une seule fois pendant un mois entier, laissant Opus 4.5 produire quelque 200 pull requests — chaque ligne de code expédiée.
Aujourd’hui, chez Anthropic, les ingénieurs utilisent Claude dans 60% de leur travail (contre 28% un an plus tôt) et rapportent des gains de productivité de 50%. L’équipe déploie entre 60 et 100 releases internes par jour pour Claude Code.
La question n’est plus de savoir si l’IA peut coder. Elle est de savoir ce qu’il faut mettre en place pour le faire, bien le faire, et le faire en adressant les risques du nouveau paradigme.
Vibe coding : la fin du code comme barrière
En février 2025, Andrej Karpathy — cofondateur d’OpenAI, ancien responsable IA chez Tesla — a mis un mot sur ce phénomène : vibe coding. Sa définition : “fully giving in to the vibes, embracing exponentials, and forgetting that the code even exists.”
L’idée est simple et radicale. Au lieu d’écrire du code, vous décrivez ce que vous voulez en langage naturel. L’IA génère. Vous testez. Vous corrigez la direction. Vous itérez.
Karpathy lui-même a utilisé cette méthode pour écrire un tokenizer BPE complet en Rust — un langage qu’il ne maîtrisait pas à ce niveau. Il a même développé des applications éphémères jetables, créées uniquement pour traquer un bug précis, puis supprimées. Parce que le code est devenu “free, ephemeral, malleable, discardable after single use.”
Le terme a été élu mot de l’année 2025 par le dictionnaire Collins. En mars 2025, Y Combinator révélait que 25% des startups de sa promotion Winter 2025 avaient des codebases générées à 95% par IA.
La barrière à l’entrée du logiciel ne tient plus à rien
Pendant des décennies, produire du logiciel requérait un apprentissage long et technique. Syntaxe, paradigmes, frameworks, debugging, architecture — des années de pratique pour atteindre l’autonomie. Un produit installé dans un marché, son code source, étaient vus comme un “asset” de l’entreprise, un investissement que l’on rentabilisait avec un ROI.
Cette époque est révolue. Question Math 3ème : Que se passe-t-il quand la limite de la valeur de la ligne de code tend vers zéro ?
Quiconque sait formuler clairement un besoin peut désormais produire du code fonctionnel. La démocratisation n’est pas partielle : elle est totale. Un entrepreneur sans background technique peut prototyper son produit en un week-end. Un analyste peut automatiser ses workflows sans dépendre d’une équipe IT. Un designer peut donner vie à ses maquettes sans intermédiaire. Pas tout à fait, mais avec les bonnes personnes autour de la table, nous y sommes.
Mais attention : cette accessibilité ne signifie pas que tout le monde devient développeur, ni même que c’en est fini de la tech, bien au contraire. Elle signifie que le code n’est plus le goulot d’étranglement, il n’a plus de valeur intrinsèque. La compétence rare n’est plus la capacité à écrire du code. C’est la capacité à :
- Penser l’architecture — structurer un système cohérent
- Spécifier avec précision — savoir ce qu’on veut vraiment
- Évaluer la qualité — distinguer le bon du médiocre
- Anticiper les problèmes — sécurité, scalabilité, maintenabilité
Le code est généré à haute fréquence. La vision, non.
Les changements de méthode profonds
1. Du développeur-artisan au développeur-chef d’orchestre
Le métier mute. L’ingénieur logiciel de demain passe moins de temps à taper du code et plus de temps à :
- Définir des spécifications claires et testables
- Concevoir des architectures robustes
- Superviser et corriger les productions de l’IA
- Garantir la sécurité et la conformité
Comme le dit Felix Rieseberg à propos du développement de Cowork : ils ont “décrit ce dont ils avaient besoin, laissé Claude gérer l’implémentation, et piloté au fur et à mesure.”
2. L’accélération comme nouvelle norme
Dix jours pour un produit complet. Ce qui prenait des mois se mesure désormais en semaines, voire en jours. Les cycles de développement classiques — sprints de deux semaines, releases trimestrielles — semblent soudain archaïques.
Cette compression temporelle a des implications profondes :
- La prime au premier arrivé s’intensifie dramatiquement
- L’expérimentation devient quasi-gratuite — on peut tester dix approches au lieu d’une
- Le coût de l’erreur diminue — itérer est si rapide que pivoter ne coûte presque rien
3. La dette technique change de nature
Le vibe coding produit du code que ses “auteurs” ne comprennent pas forcément. Andrew Ng a d’ailleurs critiqué le terme, soulignant qu’il donne l’impression que les développeurs se contentent de “suivre les vibes” sans rigueur.
En septembre 2025, Fast Company rapportait que le “vibe coding hangover” frappait les équipes : des développeurs seniors décrivant un “development hell” face à du code IA mal compris et difficilement maintenable.
Le nouveau défi n’est plus d’écrire du code propre. C’est de comprendre du code qu’on n’a pas écrit — produit par une intelligence non-humaine. Et ça sous-entend donc des changements profonds dans nos méthodes, projets et façons de faire.
Les premières méthodologies de projets IA-enabled commencent à émerger mais nous n’en sommes qu’au début.
4. La fragmentation des rôles
Hier, être développeur signifiait maîtriser un ensemble de compétences intégrées. Demain, on verra émerger :
- Des dev prompt engineers spécialisés dans l’art de guider les IA
- Des AI reviewers experts en audit de code généré
- Des system architects focalisés sur la vision d’ensemble
- Des AI wranglers capables de faire collaborer plusieurs agents
Ce qui ne change pas
Dans cette révolution, certains fondamentaux demeurent.
La pensée critique reste irremplaçable. Une IA peut produire du code, mais elle ne peut pas décider si ce code répond au bon problème. Elle ne peut pas challenger un brief mal formulé. Elle ne peut pas anticiper les usages réels.
La créativité de haut niveau reste humaine. Concevoir un nouveau paradigme, inventer une expérience utilisateur inédite, imaginer un produit qui n’existe pas encore — ces actes de création [censored] échappent encore aux machines.
La responsabilité reste humaine. Quand le code plante en production, quand une faille de sécurité expose des données, quand un bug coûte des millions — quelqu’un doit assumer. L’IA ne signe pas de contrats.
Et maintenant ?
Claude Cowork développé en 10 jours par Claude Code n’est pas une curiosité. C’est un signal. Un avant-goût de ce que sera le développement logiciel dans les années à venir.
Pour les organisations, l’impératif est clair : repenser les processus, les rôles, les compétences recherchées. Ne plus recruter sur la capacité à écrire du code, mais sur la capacité à penser, structurer, évaluer, décider.
Pour les développeurs, le message est double. D’un côté, une partie de leur expertise devient commodité. De l’autre, ceux qui embrassent le changement — qui apprennent à collaborer avec l’IA plutôt qu’à la craindre — verront leur impact démultiplié.
Nous entrons dans l’ère où le code source est écrit par des réseaux de neurones probabilistes très sophistiqués. La question n’est plus de savoir comment coder. Elle est de savoir quoi construire.
Dernier point plus personnel à l’ensemble de la communauté tech : nous sommes entrés dans une sorte de money time, et il est plus que jamais l’occasion d’apprendre. La connaissance, les idées, les algorithmes sont les seuls éléments qui gardent de la valeur quand le prix de la ligne de code chute. En maîtrisant plus de concepts, gagnant des connaissances sur un large nombre de techniques, technologies et patterns, nous augmentons notre capacité à proposer des solutions, et propulser des outils sur le marché.
– Source :
https://loud-technology.com/blog/nouveau-paradigme-de-developpement-logiciel/
-
Impressionnant que tout cela ait été développé en 10 jours. Les dev ont du souci à se faire avec un tel outil, surtout que ses tarifs ne semblent pas délirants.
