Le piège de la qualité suffisante
Plus le code généré par l'IA s'améliore, moins on le relit. Le muscle du discernement s'atrophie sans qu'on s'en rende compte. Et le piège, c'est de confondre "ça marche" avec "c'est bien".
Le craft se construit en pratiquant. En lisant du code, en se trompant, en payant le prix de ses erreurs. C'est ça qui forge le muscle.
Mais il y a un truc qu'on anticipe moins : on peut aussi le perdre.
Plus c'est bon, moins on regarde
Le code généré par l'IA s'améliore tous les jours. Les suggestions sont plus pertinentes, les patterns plus propres, les edge cases mieux gérés.
En théorie, c'est une bonne nouvelle. En pratique, ça crée un piège. Plus le code généré est bon, plus la tentation grandit de ne plus le lire. Pourquoi perdre du temps à vérifier un truc qui marche 95% du temps ?
C'est exactement là que le craft commence à se perdre. Pas d'un coup. Doucement. Tellement doucement qu'on s'en rend pas compte.
Le bruit autour
Et puis il y a le bruit. "J'ai créé une app complète en un seul prompt." "Un site e-commerce en 30 secondes." C'est comme montrer une machine où tu mets du bois brut d'un côté et un meuble fini sort de l'autre. Un bouton, c'est tout. Pourquoi aurait-on encore besoin d'un menuisier ?
En vrai, le travail avec l'IA c'est un dialogue. On guide, on corrige, on itère. Le premier jet arrive plus vite, mais la réflexion qui vient après prend toujours autant de temps. L'IA remplace la frappe, pas la réflexion.
Sauf que ce récit-là a des effets concrets. Pour ceux qui sont dans le métier, ça renforce la tentation de lâcher l'effort. Pour ceux qui débutent, ça décourage : pourquoi investir des années dans un domaine qu'une machine ferait mieux en 30 secondes ? Et pour les décideurs, ça installe l'idée qu'un système IA suffira. Pourquoi recruter des artisans quand on peut acheter des machines ?
Tout ça mène au même endroit. Moins de pratique. Et sans pratique, pas de craft.
Quand on arrête de lire
Il y a un moment où on bascule. On passe de "je vérifie ce que l'IA me donne" à "je fais confiance". C'est pas un choix conscient, ça arrive petit à petit, suggestion après suggestion.
Quand je relis du code généré, je fais plusieurs choses en même temps. Je vérifie que ça fait ce que je veux. Je m'assure que ça s'intègre dans ce qui existe déjà. Et surtout, je maintiens ma capacité à juger ce qui est bon ou mauvais.
C'est cette dernière partie qu'on lâche en premier. Et ça commence pas le jour où on arrête de lire, ça commence dès qu'on lit moins. Chaque suggestion acceptée sans la questionner, chaque bout de code survolé au lieu d'être lu vraiment. Le muscle du discernement fond comme les autres. Et le problème c'est pas de relâcher, c'est de ne plus savoir où ça compte.
Savoir où regarder
Tout le code ne mérite pas la même attention. Le boilerplate, le plumbing, les conversions de format. Survoler ça, c'est pas grave. Le problème, c'est qu'on ne sait pas toujours à l'avance où se cachent les parties critiques. Cette fonction utilitaire banale qui va être appelée dix mille fois par seconde. Cette abstraction "temporaire" qui va structurer le système pendant des années. Ces choix de nommage qui vont influencer la façon dont l'équipe pense le domaine.
Avec l'expérience, on développe un instinct pour ces zones. On sent quand quelque chose mérite qu'on s'arrête. Mais cet instinct doit évoluer avec l'IA. Les zones critiques se déplacent. C'est plus seulement "est-ce que ce code est propre ?", c'est "est-ce que cette solution est la bonne, ou juste celle qui avait l'air correcte ?"
Pour un dev expérimenté, c'est un recalibrage. Le réflexe existe, il s'adapte. Mais pour quelqu'un qui débute ? Ce réflexe vient des erreurs qu'on a faites et du temps passé à les comprendre. Si l'IA absorbe cette friction, sur quoi se construit-il ?
Ce qui reste
La question c'est pas "faut-il utiliser l'IA ?" Elle est là, et elle est utile. La question c'est comment l'utiliser sans perdre ce qui fait qu'on est bon.
L'IA amplifie ce qu'on y apporte. Si on y apporte du discernement, elle produit de la qualité. Si on y apporte de la paresse, elle produit de la médiocrité efficace. Du code qui tourne, mais qui vaut rien.
Le piège de la qualité suffisante, c'est de confondre "ça marche" avec "c'est bien". L'IA peut nous donner le premier facilement. Le deuxième, l'IA le fera pas à notre place.