Avec l’arrivée de l’IA, le vibe coding est progressivement devenu une nouvelle normalité, comme si le fait de pouvoir générer du code allait soudainement rendre le développement simple et accessible à tout le monde.
Ce qui, honnêtement, n’est pas totalement faux.
Pour une personne qui possède déjà de bonnes bases techniques, le vibe coding est presque devenu une formalité. Elle sait généralement quoi demander, comment préciser son besoin et à quel moment la réponse commence à devenir fragile. Elle peut reconnaître une mauvaise piste, repérer une incohérence et reprendre le contrôle lorsque l’IA ne comprend plus réellement ce qu’elle est en train de construire.
Mais pour un décideur, un chargé de projet, un stratège ou simplement quelqu’un dont ce n’est pas le métier, l’expérience sera forcément différente.
L’IA ne supprime pas la complexité du développement.
Elle donne surtout le droit d’essayer.
Et je pense que c’est déjà énorme.
Une manière de contourner les premiers freins
Avant, lorsqu’une personne avait une idée d’outil, d’automatisation ou de fonctionnalité, elle devait assez rapidement se tourner vers quelqu’un de technique. Elle consultait un programmeur, une agence, un intégrateur ou un pigiste afin de savoir si son projet était réalisable.
Cette étape était nécessaire, mais elle pouvait aussi être frustrante.
Un programmeur a souvent le réflexe de ramener une idée dans le réel. Il commence à parler de sécurité, de maintenance, de performance, de structure, d’hébergement, de compatibilité ou de coûts futurs.
Autrement dit, il montre assez rapidement les freins.
Ce n’est pas nécessairement parce qu’il manque d’enthousiasme. C’est plutôt parce qu’il a probablement déjà vu une idée simple devenir beaucoup plus compliquée une fois confrontée à de vrais utilisateurs, à une infrastructure existante ou à plusieurs mois de maintenance.
Mais lorsqu’on se trouve encore dans l’élan d’un projet, on n’a pas toujours envie d’entendre pourquoi celui-ci sera plus difficile que prévu.
L’IA, de son côté, freine beaucoup moins.
Elle accompagne l’idée, propose une première structure et donne rapidement l’impression que le projet avance. Elle permet parfois de passer de « j’aimerais créer quelque chose » à « j’ai déjà un prototype qui fonctionne » en quelques heures.
Je le vois déjà autour de moi. Des personnes qui ne sont pas programmeuses commencent à créer leurs propres outils avec l’aide de l’IA. Le résultat n’est pas toujours propre, durable ou parfaitement sécurisé, mais il leur permet d’avancer, de tester une idée et de mieux comprendre ce qu’elles cherchent réellement à accomplir.
Et honnêtement, je trouve cela plutôt sain.
Comprendre le Web en essayant de le construire
Tout le monde ne deviendra pas développeur, mais beaucoup de personnes comprendront probablement mieux ce que le développement implique.
Elles découvriront qu’un formulaire n’est pas seulement composé de quelques champs et d’un bouton. Il faut réfléchir à l’endroit où les données seront envoyées, à la manière dont elles seront protégées, à ce qui se passera en cas d’erreur et aux personnes qui pourront ensuite les consulter.
Elles comprendront aussi qu’une base de données ne consiste pas simplement à « stocker des informations », qu’une API n’est pas magique et qu’un outil qui fonctionne correctement sur leur ordinateur n’est pas nécessairement prêt à être utilisé par des dizaines de personnes.
La courbe d’apprentissage restera donc bien présente.
Elle ne passera peut-être plus obligatoirement par l’apprentissage classique d’un langage de programmation, mais plutôt par une compréhension progressive du Web comme système.
Le front-end, le back-end, les performances, la sécurité, le SEO, l’accessibilité, l’hébergement, les dépendances, les mises à jour et les utilisateurs réels finiront tôt ou tard par entrer dans l’équation.
Souvent, ces notions apparaîtront lorsqu’une fonctionnalité cessera de fonctionner ou lorsqu’une solution rapidement générée deviendra difficile à modifier quelques mois plus tard.
C’est rarement la façon la plus agréable d’apprendre.
Mais c’est souvent la plus efficace.
Une nouvelle génération accompagnée par l’IA
Il existe également un autre angle qui me semble important : celui des nouveaux profils qui arrivent actuellement sur le marché.
Ils ne découvriront probablement pas l’IA après plusieurs années de métier, comme un outil venant s’ajouter à leurs habitudes. Ils commenceront directement avec elle dans leur quotidien.
Demander à une IA d’expliquer une erreur, de proposer une structure, de corriger un bloc de code ou de reformuler un problème leur semblera probablement aussi naturel que de consulter une documentation ou de lancer une recherche sur Google.
Cela leur permettra d’avancer plus rapidement, mais pas nécessairement d’éviter l’apprentissage.
Comme ceux qui sont arrivés avant eux, ils devront faire preuve de persévérance et se confronter à suffisamment de situations différentes pour comprendre ce qui se passe réellement derrière un projet.
Ils devront rencontrer des bugs inexplicables, reprendre le travail d’une autre personne, composer avec une demande client imprécise ou constater qu’un choix technique apparemment anodin devient coûteux six mois plus tard.
Ils devront aussi apprendre à arbitrer entre le design, la performance, le SEO, la sécurité, le budget et la réalité d’affaires.
L’IA pourra certainement les accompagner dans ces situations. Elle pourra leur proposer des réponses, expliquer certains principes et les aider à explorer plusieurs possibilités.
Mais elle ne leur donnera pas automatiquement le recul qui vient avec le fait d’avoir déjà vécu le problème.
Des rôles de moins en moins séparés
Je pense d’ailleurs que cette évolution continuera à mélanger les métiers.
Pendant longtemps, nous avons eu tendance à séparer assez clairement les rôles. Le programmeur s’occupait de la technique, le chargé de projet coordonnait les tâches, le stratège réfléchissait aux objectifs et le décideur validait les orientations.
Dans les faits, ces frontières étaient déjà moins nettes qu’on voulait parfois le croire.
La plupart des décideurs sont depuis longtemps multi-casquettes. Ils doivent comprendre les budgets, les clients, les équipes, les risques, les urgences et les compromis, même lorsqu’ils ne réalisent pas eux-mêmes le travail technique.
L’IA leur donnera simplement un accès plus direct à des domaines qui leur étaient auparavant moins accessibles.
Ils ne deviendront pas tous programmeurs, mais ils pourront commencer à produire quelque chose, tester une hypothèse et mieux comprendre ce que leurs demandes impliquent concrètement.
De la même manière, le programmeur devra probablement comprendre davantage les enjeux d’affaires, le contenu, le SEO et l’expérience utilisateur. Le chargé de projet devra pouvoir anticiper les conséquences techniques de certaines décisions. Quant au stratège, il devra mieux comprendre les limites des outils qu’il recommande.
Cette compréhension croisée ne remplacera pas les spécialistes.
Elle devrait plutôt permettre de mieux dialoguer avec eux.
La valeur se déplacera vers le diagnostic
Est-ce que les entreprises continueront à chercher des personnes capables d’exécuter?
Probablement.
Mais une partie croissante du travail pourrait se déplacer vers le cadrage, le diagnostic, l’intégration et la reprise technique.
Le vibe coding produira davantage de prototypes, de petits outils et de solutions commencées rapidement. Certaines seront très bonnes. D’autres fonctionneront suffisamment longtemps pour devenir importantes, avant de révéler que personne ne sait vraiment comment les maintenir.
Le dépannage pourrait donc devenir encore plus précieux.
L’IA réduira peut-être certaines demandes de production simple, mais elle augmentera également le nombre de projets qui auront besoin d’être sécurisés, optimisés, restructurés ou simplement compris.
Et reprendre proprement un projet construit à moitié par une personne et à moitié par plusieurs conversations avec une IA ne sera pas nécessairement une tâche simple.
Il faudra comprendre l’intention initiale, distinguer ce qui fonctionne réellement de ce qui fonctionne par hasard et décider si la solution mérite d’être conservée ou entièrement reconstruite.
Cela demande autre chose que la capacité de générer du code.
Cela demande du jugement.
L’expérience comme point de repère
À mon avis, les profils qui conserveront le plus de valeur ne seront donc pas seulement ceux qui savent exécuter rapidement.
Ce seront ceux qui savent faire le pont entre la technique et la stratégie, entre l’idée et la réalité, entre ce que l’IA propose et ce qui peut réellement tenir dans un contexte professionnel.
C’est aussi pour cette raison que l’expérience restera importante.
Pas uniquement l’expérience d’avoir beaucoup codé, mais celle d’avoir commis des erreurs, repris des projets mal conçus et vu certaines solutions mal vieillir.
L’expérience permet de comprendre pourquoi une idée simple sur papier devient compliquée une fois en production. Elle aide à reconnaître les coûts cachés, les dépendances inutiles et les choix qui paraissent rapides aujourd’hui, mais qui ralentiront toute une équipe demain.
Elle permet surtout de ne pas répondre uniquement :
« Oui, c’est possible. »
Elle permet d’ajouter :
« Voilà ce que cela implique. »
L’IA accélère considérablement l’accès au savoir. Elle permet de poser plus de questions, d’explorer davantage de pistes et de produire quelque chose beaucoup plus rapidement qu’avant.
Mais elle n’accélère pas forcément l’accès au jugement.
Ce jugement se construit encore avec le temps, les erreurs, les contraintes et les conséquences de nos propres décisions.
Dans un monde où presque tout le monde pourra commencer à coder, l’expérience ne servira peut-être plus à protéger l’accès à la technique.
Elle servira plutôt à éclairer le chemin.
Parce que plus il sera facile de commencer un projet, plus nous aurons besoin de personnes capables de voir un peu plus loin que son premier fonctionnement.
