Contexte actuel
Depuis la version Opus 4.6, les plateformes comme Cursor proposent une option de débogage automatisé, réduisant le temps consacré à l’identification de bugs. L’auteur signale que les tâches d’écriture de code, de messages Slack ou d’e‑mails sont de plus en plus confiées à des agents génératifs. Malgré cette automatisation, il observe que les ingénieurs dits « 10x » produisent encore des résultats nettement supérieurs à la moyenne, et que cet écart semble s’amplifier, les meilleurs devenant « 100x ». Aucun chiffre chiffré n’est fourni, mais la tendance décrite constitue le point de départ de l’analyse.
Sources d’avantage humain
Le texte identifie quatre mécanismes par lesquels les humains conservent une marge de manœuvre. Premièrement, les agents se perdent lorsque le problème n’est pas clairement défini ; l’ingénieur intervient en reformulant les exigences jusqu’à ce que le cadre soit suffisamment précis. Deuxièmement, les modèles tendent à sur‑complexifier des solutions simples ou à simplifier à l’excès des problèmes complexes ; l’intuition humaine, acquise par l’expérience, permet de calibrer le niveau de détail approprié. Troisièmement, les agents peuvent proposer des solutions sans en mesurer la viabilité à long terme ; l’ingénieur anticipe la pertinence de la solution dans deux ans, en évaluant les évolutions technologiques et les contraintes d’intégration. Quatrièmement, une forme de « intuition » non verbalizable guide la détection du « slop », c’est‑à‑dire du texte généré par IA qui manque de cohérence stylistique. Cette capacité, décrite comme une allergie au slop, repose sur une accumulation d’expériences tacites que les modèles ne possèdent pas encore.
Limites des agents IA
Les agents, même lorsqu’ils disposent de modèles similaires, restent dépendants d’instructions explicites et d’un cadre de travail bien structuré. L’auteur souligne que la perte de repères contextuels conduit à des dérives, notamment des réponses hors sujet ou des architectures qui ne tiennent pas compte des contraintes organisationnelles. De plus, l’absence d’expérience vécue empêche les agents de juger de la pertinence sociotechnique d’une solution, comme la résistance culturelle à un changement de processus. Enfin, le texte indique que les agents ne possèdent pas encore de « conscience » ou de mémoire d’expériences accumulées, ce qui limite leur capacité à développer une vraie expertise tacite.
Perspectives pour 2026
Si les versions futures d’Opus (n+1) améliorent la compréhension du contexte, les mécanismes décrits – reformulation, calibration de complexité, anticipation à long terme et intuition tacite – resteront des leviers humains tant que les modèles ne pourront pas internaliser l’expérience vécue. L’auteur suggère que la disparition totale des ingénieurs dépendra de la capacité des IA à générer et à retenir leurs propres expériences, un scénario qui, à ce jour, n’est pas quantifié. En l’absence de données chiffrées sur la performance des agents, la conclusion reste que les ingénieurs conservent un avantage qualitatif lié à la conscience de leurs propres limites et à la richesse de leurs vécus professionnels.
