Contexte et motivations

L’auteur décrit deux projets Python simples – des scrapers – réalisés à la main. Ces scripts, bien que basiques, ont généré une satisfaction élevée grâce à la maîtrise du code source. L’introduction d’outils d’assistance IA, qualifiée de « vibecoding », a modifié ce schéma : la génération instantanée de prototypes a remplacé le processus itératif traditionnel, créant une forme de dopamine immédiate mais éphémère.

Mécanismes de l’assistance IA

Les expériences citées utilisent plusieurs architectures : un serveur local llama‑server pour exécuter des modèles open‑source, des services en ligne sans inscription comme Phind ou Lumo, et une offre « tout‑en‑un » nommée Clod Masterpiece 200™. Dans chaque cas, le flux typique consiste à formuler une requête textuelle, à transmettre le prompt au modèle, puis à récupérer le code généré. Le modèle ne possède aucune connaissance du contexte d’exécution, ce qui oblige l’utilisateur à injecter manuellement des dépendances, à ajuster les imports et à corriger les erreurs de syntaxe ou de logique.

Analyse des impacts sur la satisfaction et la qualité

Le texte indique que l’assistance IA fournit rapidement les fonctions 1, 2 et 6 de la « liste de satisfaction » (idée, mise en œuvre rapide, résolution d’un problème). En revanche, les étapes 3, 4 et 5 – accomplissement difficile, sentiment de travail bien fait, apprentissage profond – sont absentes. Sur le plan technique, le code produit est décrit comme « garbage » et plein de bugs, ce qui impose une phase de débogage supplémentaire. Cette surcharge compense partiellement le gain de temps initial, mais elle diminue la perception de maîtrise du code.

Limites et perspectives

Les essais avec différents fournisseurs montrent une variabilité importante du modèle sous‑jacent (versions non précisées) et de la puissance de calcul (absence d’information sur le GPU Nvidia ou le Xeon utilisé). L’absence de visibilité sur l’infrastructure empêche d’évaluer la latence, la consommation énergétique ou la sécurité du pipeline. De plus, la dépendance à un service externe crée un point de défaillance unique : si le service devient indisponible, le projet s’arrête. Pour restaurer le plaisir du codage manuel, il serait nécessaire d’intégrer des boucles de rétroaction plus structurées, telles que des tests unitaires automatiques et des revues de code, afin de transformer le « vibecoding » en une étape intermédiaire plutôt qu’en une fin de processus.