Après avoir parcouru une multitude de contenus sur l’impact de l’intelligence artificielle dans le développement logiciel, j’ai ressenti un certain inconfort. J’ai donc pris le parti de me forger ma propre conviction et de la partager.

J’ai déjà produit plusieurs articles de fond sur l’IA et ses impacts. L’usage de SLM (Small Language Models) sur smartphone. Les ambitions de la France concernant l’IA. Pourtant, il me manquait un sujet essentiel : le lien profond entre le développement applicatif et l’IA.

Mon constat est le suivant : l’IA ne vient pas simplement automatiser des tâches, elle remet en cause les fondements mêmes des méthodes de développement actuelles. Toutes sont héritées des premiers langages créés dans les années 70, conçus comme une abstraction de la volonté du développeur pour séquencer des instructions processeur. Pour que l’humain puisse appréhender le résultat, il fallait jusqu’ici le traduire sous forme de pixels sur un écran ou de caractères sur du papier.

Les modèles de langage (LLM ou SLM) rompent radicalement avec cette approche transactionnelle. Depuis trois ans, une question revient en boucle : « Que va devenir le développement sans sa dimension transactionnelle ? Avons-nous encore besoin de développeurs ? »

Prenons le problème sous un autre angle. Et si, avec les LLM, le développement s’imposait enfin par l’intention comme l’a théorisé Charles Simonyi. Longtemps mise de côté, la programmation par intention revient en force comme une source d’inspiration majeure. Est-elle adaptée à l’ère de l’IA, et comment sa mise en œuvre réinvente-t-elle le quotidien des équipes de dev ?

Parallèlement, la Gen Z et les nouveaux utilisateurs ne sont plus formatés pour interagir avec la classique boucle Saisie – Traitement – Restitution issue des frameworks traditionnels. Ils attendent des interfaces conversationnelles capables d’alerter, de proposer et de résoudre directement leurs problèmes.

La Transition vers l’Ingénierie Pilotée par l’Intention

Pourquoi passer de la transaction à l’intention ? Parce que le développement entre dans une ère de co-écriture avec la machine. On glisse progressivement du « comment » (la syntaxe et le bas niveau) vers le « pourquoi » (les objectifs et le résultat attendu). C’est ce que j’appelle l’Ingénierie Pilotée par l’Intention.

Cette approche repose sur quatre piliers :

• Du micro-management à la curation : Les développeurs ne produisent plus chaque ligne de code, mais deviennent des curateurs et des orchestrateurs de code généré par l’IA. Les LLM spécialisés (comme Claude code ou Code Llama) permettent d’abstraire les tâches répétitives (débogage, complétion, refactorisation) pour se concentrer sur l’architecture globale. Leur conception même de LLM permet de traduire une intention exprimée en Français en code React détaillé.
• L’intention comme langage : Programmer par intention consiste à rendre le code expressif du contexte métier. Au lieu de fonctions techniques obscures, le code doit refléter des actions concrètes : MontantDuBudget() ou CalculerUnePaie(). Cette approche vise à réduire la complexité cognitive et à stabiliser le coût des nouvelles fonctionnalités sur le long terme.
• Une collaboration métier directe : L’intentionnalité permet au Product Owner, à l’expert métier ou au designer d’exprimer un besoin en termes de résultats sans passer par le filtre d’interactions complexes. Au lieu de transmettre un cahier des charges au développeur, il pose son intention via un prompt en langage naturel, fournissant une fonctionnalité déjà quasi déployable.
• Un dialogue rétroactif : La programmation devient une conversation heuristique entre l’intention humaine et la logique de la machine, où le code affine l’intention autant que l’intention guide le code.

Intégrité Transactionnelle et Cybersécurité par Design

L’objection immédiate à ce mode travail est que l’IA ne se préoccupe pas d’intégrité et de sécurité. C’est vrai par défaut, d’autant que dans l’intention ce n’est pas toujours exprimé. C’est là que l’ingénieur informatique doit intervenir et jouer son rôle en étant gardien du code, du code sure et fiable..

L’automatisation ne doit jamais se faire au détriment de la stabilité des applications critiques. Dans sa revue de code, l’ingénieur doit intervenir à trois niveaux :

• L’intégrité transactionnelle comme socle : Les bases de données des ERP et CRM restent l’épine dorsale des entreprises. L’ingénierie par l’intention doit impérativement respecter les propriétés ACID (Atomicité, Cohérence, Isolation, Durabilité) pour garantir des traitements indivisibles et fiables.
• Sécurité et confidentialité by design : Pour protéger le code propriétaire et les données sensibles, la tendance est au déploiement de LLM sur infrastructures privées. Les secrets de fabrication et les traces de stack ne doivent jamais quitter le réseau interne.
• Une validation rigoureuse (Code Review) : Le code produit par IA n’est pas intrinsèquement robuste. L’étape clé reste la revue par un ingénieur confirmé qui vient challenger la proposition de l’IA, vérifier les failles potentielles et garantir la solidité du système, sans chercher à tout réécrire à la main.

Évolution des Rôles et Efficacité Opérationnelle

Alors que la méthode Agile avait fortement ritualisé les cérémonies et les rôles, la montée en puissance des LLM impose une mise à jour des responsabilités :

• Le Développeur : Stratège et Architecte. Son rôle devient plus stratégique et pluridisciplinaire, combinant le génie logiciel avec la pensée système, l’éthique et la sécurité. Il doit maîtriser les concepts fondamentaux de cyber sécurité et des bases de données pour valider la pertinence du code généré et éviter une “atrophie cognitive” liée à une dépendance excessive à l’IA.
• Le Product Owner : Garant de l’Intention. Il devient le maître du Language Omniprésent (Ubiquitous Language). En manipulant une terminologie métier d’une précision chirurgicale, il permet aux LLM de générer un code parfaitement aligné sur le besoin.
• Le Testeur : Orchestrateur de la Confiance. Les LLM comblent le fossé entre le dev et la recette en générant automatiquement des jeux de tests. Le testeur monte en gamme pour contrôler la cohérence globale et assurer la résilience du système co-écrit.

L’émergence de l’UX Agentique

Le point de rencontre technologique de l’intention et de l’IA est l’UX agentique. L’utilisateur final sait toujours que qu’il souhaite faire exécuter à la machine. Il sait l’exprimer avec des mots. « Je veux la liste des clients ayant passé une commande cette semaine avec les montants ». C’est facile à exprimer, mais dans le requêteur d’une application traditionnelle il faut plusieurs dizaines de clics.

Dans un paradigme agentique, l’utilisateur ne navigue plus dans une jungle de menus : il fixe des objectifs. Il s’adresse à l’application comme à un partenaire. En arrière-plan, des agents autonomes planifient et exécutent les requêtes.

La réduction de la charge cognitive : l’approche « No Interface »

• L’approche “No Interface” fait la critique notre obsession pour les écrans. Elle affirme que les utilisateurs ne veulent pas passer plus de temps devant un écran, mais accomplir leurs tâches avec le moins d’interactions numériques possible. C’est une tendance très forte qui va avoir un impact sur beaucoup d’applications. Avec l’agentique, les interfaces peuvent se réduire à une base de commande “que faisons nous aujourd’hui”

Le clin d’œil historique : Cela me rappelle le film Wargames (1983). À 13 ans, j’étais fasciné par le fait de converser directement avec l’invite de commande d’un ordinateur — une expérience qu’aucune application grand public ne proposait alors.

Demain, le canal d’interaction privilégié pourrait tout aussi bien être une application de messagerie (WhatsApp, Discord, Slack) orchestrant des agents en arrière-plan pour délivrer le résultat ou demander un complément d’information. Les serveurs MCP (Model Context Protocol) et les API deviendront le véritable terrain de jeu où le designer UX concevra la relation humain-machine.

Conclusion : Vers des Organisations AI-Native

L’avenir s’oriente vers des environnements de développement AI-native et des architectures multi-agents auto-correctrices. L’efficacité opérationnelle résidera dans la capacité des entreprises à intégrer l’IA comme un partenaire stratégique.

Demain, la question centrale pour un PO, un développeur ou un testeur ne sera plus « Combien de lignes de code as-tu produites ? », mais :

« Combien d’agents travaillent pour toi et quelle est la qualité de ton intention ? »

Les entreprises qui réussiront cette transition ne sont pas celles qui chercheront à remplacer leurs développeurs par des IA, mais celles qui formeront leurs équipes à maîtriser la programmation par l’intention, tout en adaptant leurs frameworks de gouvernance, de cybersécurité et de conception d’interfaces à cette nouvelle ère agentique.