J'ai remarqué un phénomène intéressant : l'industrie réalise enfin ce qui s'est passé avec le codage. Autrefois, nous considérions comme un goulot d'étranglement le nombre de personnes capables de transformer des idées en code fonctionnel. Nous construisions des pyramides de développeurs, faisions évoluer les équipes, croyant que c'était le principal levier de la compétition. Mais l'IA générative a tout bouleversé. Désormais, la production d'artefacts tend vers zéro en coût. Le code a perdu de sa valeur. Et ce n'est pas un problème — c'est une révolution.

Si le code n'est plus une rareté, où s'est déplacé le déficit ? C'est ici que commence le plus intéressant. Ce sont désormais ceux qui savent gérer la réalité autour du code, et non plus écrire le code lui-même, qui gagnent. Il s'agit d'un choix, d'une ontologie correcte, de mesures et de rétroactions du marché. Il s'agit de la légitimité des décisions et de la capacité à définir des lignes rouges. L'IA peut générer des variantes à l'infini, mais le droit de choisir reste aux humains.

Voici le principal paradoxe : plus l'IA écrit du code efficacement, plus le problème du pipeline de talents devient aigu. Autrefois, les juniors étaient ceux qui apprenaient sur des tâches simples, accumulant progressivement de l'expérience et comprenant l'architecture. Maintenant, ces tâches simples sont prises en charge par le réseau neuronal. Et les jeunes spécialistes se retrouvent sans mécanisme d'apprentissage. Si nous cessons d'embaucher des développeurs débutants, dans quelques années, nous n'aurons plus la prochaine génération d'ingénieurs expérimentés. C'est un piège logique de second ordre.

Ce qui me frappe : les agents IA se comportent comme des stagiaires. Ils dissimulent des erreurs complexes derrière des astuces simples. Ils ajoutent des sleep au lieu d'analyser les conditions de course. Un junior sans goût systémique ne remarquera tout simplement pas le problème. Il pensera avoir trouvé une solution.

C'est pourquoi l'industrie a besoin d'une nouvelle structure. Au niveau des processus, apparaissent le Truth Office, qui détient la source unique de données ; la Governance Cell, qui établit les interdits et limites de l'automatisation ; et le Semantic Core, qui définit l'ontologie de l'entreprise. Au niveau de l'ingénierie — une culture de la prescriptivité. Il s'agit d'un système ciblé de mentorat, où des ingénieurs expérimentés travaillent en binôme avec des débutants au sein d'équipes produits réelles.

La prescriptivité n'est pas simplement une aide. C'est une responsabilité professionnelle sérieuse. Le prescripteur ne vérifie pas seulement le travail de l'IA, mais transmet un jugement critique, enseigne à voir le processus de création du produit comme un ingénieur expérimenté. Chaque prescripteur peut encadrer trois à cinq débutants. C'est scalable.

Le point clé : les assistants IA doivent avoir un mode explicite pour les débutants. Par défaut — un dialogue socratique, et non du code prêt à l'emploi. L'assistant doit défier, expliquer ses décisions, identifier les lacunes. Ainsi, les juniors ne sont pas simplement des consommateurs de solutions toutes faites, mais des personnes qui apprennent à penser.

Hier, nous rivalisions par la performance d'exécution. Demain, nous rivaliserons par la performance d'apprentissage et la qualité des interdits. Ceux qui comprendront : l'IA a écrit le code en une seconde, mais seul un environnement humain conscient peut transformer un débutant en ingénieur doté d'une pensée critique. Ce n'est plus une question de vitesse. C'est une question de sagesse.