Contexte technique
Je me suis intéressé à ce cas non pas pour le nom accrocheur, mais parce que je vois déjà la même mécanique en direct : d'abord un assemblage "naïf" via l'automatisation par IA, puis un peaufinage d'ingénierie. Pas comme une théorie, mais comme un véritable pipeline.
Le modèle est simple et très reconnaissable. Des personnes pas forcément issues du développement prennent Cursor, GitHub, un agent au-dessus de Gemini ou d'un autre modèle, jettent un PRD, découpent la tâche en morceaux verticaux et obtiennent un prototype fonctionnel. Il passe le happy path, a l'air convaincant et arrive parfois même jusqu'aux premiers utilisateurs.
C'est là que beaucoup confondent "ça marche" avec "c'est fini". J'ai vu de nombreuses fois comment l'intégration de l'intelligence artificielle assemble magnifiquement UI, CRUD, API de base et connexions à des services externes, mais échoue sur les droits d'accès, l'idempotence, les limites de débit, la journalisation et les migrations.
C'est précisément pourquoi la seconde moitié du modèle est plus importante qu'il n'y paraît au premier abord. Les SRE ou les ingénieurs plateforme/backend solides n'arrivent pas juste pour "réparer deux ou trois bugs", mais pour reconstruire la fiabilité à partir de zéro : surveillance, gestion des secrets, retour en arrière, alertes, environnement de test, CI/CD, modèle de menace de base. Et oui, parfois après un tel audit, la moitié du code généré est plus facile à réécrire calmement qu'à rafistoler héroïquement.
En même temps, le modèle lui-même me plaît. Je ne l'appellerais pas une nouvelle profession, mais en tant que plan pour l'implémentation de l'IA dans les équipes, cela semble déjà tout à fait viable.
Impact sur l'entreprise et l'automatisation
Pour l'entreprise, le gain est évident à deux endroits. Premièrement : une idée se transforme en interface et en scénario en quelques jours, et non en mois de coordination. Deuxièmement : les ingénieurs cessent de passer les premières semaines sur un échafaudage vide et interviennent là où leur temps coûte vraiment cher.
Les équipes qui décident que la phase SRE est facultative sont perdantes. On obtient alors le classique vibe coding : une démo existe, l'exploitation non.
J'intégrerais ce modèle directement dans l'architecture du processus : prototype rapide, transfert strict, puis durcissement selon une liste de contrôle. Chez Nahornyi AI Lab, nous résolvons précisément ces jonctions pour les clients : là où garder la vitesse, et là où construire sans illusions une véritable architecture de solutions d'IA, pour que le produit ne meure pas après le premier succès. Si vous avez déjà accumulé des prototypes d'IA chaotiques, mon équipe et moi pouvons vous aider à les transformer en un système fonctionnel, et non en une collection coûteuse de démos.