Contexte et évolution du rôle d'ingénieur

L'article, publié le 7 octobre 2026 par Elise Baturone sur le blog technique de Criteo, décrit la transformation du métier d'ingénieur logiciel sous l'effet des agents IA génératifs. L'auteur rappelle que, malgré les prédictions d'extinction du poste, les entreprises continuent d'embaucher des développeurs, mais les attentes ont changé : la production de code passe de l'activité principale à une tâche assistée, tandis que la revue de code et la prise de décision deviennent prioritaires. Criteo, comme d’autres acteurs du secteur, incite ses équipes à « garder une main ferme sur le volant » lorsqu’elles utilisent des agents tels que Copilot ou d’autres modèles de code.

Compétences humaines essentielles identifiées

Le texte identifie plusieurs aptitudes que les IA ne peuvent pas encore reproduire. Premièrement, la curiosité : les ingénieurs doivent interroger continuellement les suggestions de l'agent (« pourquoi », « comment », « quelles sont les implications »). Deuxièmement, la capacité à défendre un code en production, c’est‑à‑dire expliquer les choix d’architecture, anticiper les scénarios de rupture et argumenter les compromis. Troisièmement, le jugement de direction : reconnaître quand un agent s’écarte d’une solution optimale et intervenir pour le rediriger. Enfin, la gestion de la délégation entre agents, qui repose sur des règles explicites de validation avant toute mutation du code.

Utilisation concrète des agents IA et méthodologie d’apprentissage

L’auteur décrit une expérimentation personnelle : création d’un fichier skill.md contenant des instructions destinées à un modèle afin qu’il se comporte comme un mentor. Elle a ensuite programmé l’agent pour poser des questions socratiques après chaque modification, afin de vérifier la compréhension. Les retours montrent que les questions sont pertinentes à environ 50 % du temps, mais suffisent à déclencher une réflexion critique. Le processus d’« understanding checks » inclut des exercices tels que reformuler le problème, prédire les effets d’un changement X, ou défendre un trade‑off en une phrase.

- Understanding checks and delegated work - After implemented work, prompt understanding—rotate style: e.g. explain in their own words, predict what breaks if X changes, walk through one failure mode, defend a trade‑off in one sentence. Gently correct and re‑check if needed.
- Subagents or delegated tasks must follow the same rules: no unconfirmed mutations and no unconfirmed mutating verify (subject to the same‑task verify rule after approved implementation).
Code language: Markdown ( markdown )

Cette approche montre que l’IA sert de catalyseur d’apprentissage plutôt que de substitut complet : l’ingénieur doit toujours valider les réponses, citer les sources et justifier les décisions.

Limites, risques et recommandations

Le principal risque identifié est la dépendance excessive aux agents, qui pourrait figer les ingénieurs dans un état de « forever junior ». Sans pratique active du codage, les compétences de résolution de problèmes et de conception peuvent s’éroder. L’article recommande donc de structurer les interactions IA autour de checks systématiques, de documenter les règles de validation des sous‑agents et de maintenir un temps dédié à la programmation manuelle. Enfin, il souligne que les entreprises doivent mesurer les coûts de tokenisation (budget IA) tout en investissant dans la formation des seniors, afin d’éviter que la montée en compétence ne soit réservée qu’à ceux qui savent exploiter les agents de façon critique.