On me demande parfois si l’IA m’inquiète en tant qu’ingénieur. C’est plutôt l’inverse : c’est ce qui est arrivé de plus passionnant au logiciel en plus de onze ans dans la tech. Pas le buzz ni les démos virales du vendredi, mais ce qui se joue en profondeur : le logiciel peut enfin traiter le langage, les documents et la voix d’une manière proche des humains.
Ce qui me plaît d’abord, ce sont les nouveaux types de produits. Il y a quelques années, « lis ce PDF mal structuré et remplis le formulaire » ou « réponds au client à partir de notre base de connaissances en citant une source » relevait de la recherche. Aujourd’hui, cela tient dans un sprint. Un pipeline de synthèse vocale transforme un livre en livre audio ; un système RAG permet d’interroger les documents d’une entreprise ; un agent exécute un processus fastidieux en plusieurs étapes, qu’une personne valide à la fin. Des catégories entières de logiciels autrefois impossibles sont désormais à portée de l’ingénierie.
Il y a aussi l’effet de levier. Je travaille directement sur les produits, sans agence ni équipe de juniors, et les outils d’IA ont changé ce qu’un ingénieur senior peut livrer seul. L’assistant rédige le code répétitif, les premières ébauches de tests, les migrations et les petits scripts qui vérifient une idée ; je garde la réflexion et la revue. Je peux ainsi consacrer davantage de temps à ce pour quoi les clients paient vraiment : l’architecture, les choix produit et les cas limites qui déterminent si une fonctionnalité est fiable.
J’aime aussi le défi d’ingénierie. Un modèle n’est pas une fonction ordinaire : une même entrée peut produire des sorties différentes, il peut être brillant et se tromper dans la même phrase, et chaque appel a un coût. Construire quelque chose de fiable par-dessus exige un savoir-faire nouveau : schémas de sortie structurée, recherche du bon passage, évaluations plutôt que simples intuitions, garde-fous conçus pour échouer de manière sûre et journaux qui expliquent ce qui s’est passé. Chaque problème est passionnant, et beaucoup restent à résoudre.
J’aime enfin l’écosystème et son rythme : les API d’OpenAI et d’Anthropic, les modèles ouverts exécutables sur son propre serveur, LangChain et LlamaIndex, Vercel AI SDK, MCP qui relie les agents à de vrais outils, et la recherche vectorielle dans un Postgres classique. L’IA m’a amené à Python, à l’audio et à des idées que je n’aurais jamais explorées autrement. Le paysage évolue tous les quelques mois et je redeviens débutant — l’une des meilleures sensations que ce métier puisse offrir.
Ce que je n’aime pas, c’est l’IA décorative : un chatbot sur une landing page pour placer un mot à la mode dans le pitch deck, ou un modèle autorisé à écrire en base de données sans contrôle. Aimer une technologie, c’est prendre au sérieux son coût, la confidentialité et la présence humaine lorsque les enjeux sont réels. Si vous avez une idée qui semblait impossible il y a quelques années, parlez-m’en : elle n’est peut-être plus qu’un projet bien cadré.
Donnez à votre prochain produit quelqu’un qui reste.
Prêt à commencer ? Écrivez-moi — je peux démarrer immédiatement et rester dans la durée. Des collaborations à long terme, pas une passation après deux semaines. Discutons de votre projet, de vos exigences et de la meilleure façon d’avancer.