- La vraie question n'est pas si les LLM servent, mais à quoi précisément, et à quel prix pour votre compétence.
- Déléguez la frappe du code, jamais le jugement: la machine va vite parce qu'elle ne comprend rien.
- Le développeur qui doute honnêtement a raison de douter, et tort de culpabiliser.
Mini quiz : et vous, vous en êtes où ?
Trois questions, une réponse par clic et on enchaîne tout seul. À la fin, surprise.
1. Vous ouvrez un assistant IA pour...
2. Quand le modèle invente une fonction qui n'existe pas, vous...
3. Votre avis honnête sur les LLM au travail...
Le meilleur pour la fin : on a déniché un article au hasard rien que pour vous. Vous allez adorer le lire !
🎲 Surprenez-moi, j'y vais !Sur le fil Reddit, la question est postée pour la millième fois, et personne ne remarque qu'elle revient à l'identique tous les six mois.
Le 29 juillet 2026, Ishween Kaur a publié une vidéo, What a Software Engineer Actually Needs to Know About LLMs, pendant qu'un fil Reddit reposait aux développeurs la vieille question honnête: ces outils servent-ils vraiment à quelque chose? Notre avis tient en deux temps. La réponse n'est ni oui ni non. Elle est gênante, et c'est bien pour ça qu'on la fuit.
La question qui revient comme un boomerang
Sur Reddit, un développeur repose la question fondatrice: est-ce que les LLM (ces modèles qui recrachent du texte et du code à la demande) servent honnêtement à quelque chose? Le 29 juillet 2026, Ishween Kaur a publié une vidéo qui prétend répondre, What a Software Engineer Actually Needs to Know About LLMs. Deux formats, une seule angoisse. On a industrialisé des machines qui écrivent du code, et on se demande encore, entre nous, si ça sert. C'est l'équivalent tech de vérifier trois fois que la porte est fermée. La vérité gêne parce qu'elle est molle. Oui, ça sert. Non, pas partout. Un assistant comme Claude Code abat les tâches répétitives sans broncher. Il complète, il reformule, il déblaie. Il ne comprend rien à ce qu'il fait, et il le fait vite. Le développeur qui poste sur Reddit le sait déjà. Il ne cherche pas une réponse. Il cherche une permission, celle d'avouer que la magie promise ressemble à un stagiaire zélé qui ne dort jamais.
Ce que la machine fait bien, et ce qu'elle rate
Séparons le vrai du bavardage. Pour le code jetable, la fonction bateau, le script écrit une fois puis oublié, la machine est imbattable. C'est tout le constat de ceux qui rappellent que l'ingénierie reste dure même quand coder devient facile. La partie pénible, la frappe, disparaît. La partie difficile, décider quoi construire et pourquoi, reste entière. Les agents (ces programmes censés travailler seuls) promettent l'autonomie et livrent surtout de la surveillance. Vous relisez, vous corrigez, vous priez. Le modèle invente une fonction qui n'existe pas, avec l'aplomb d'un consultant en costume. Il perd le fil dès que le problème dépasse sa mémoire immédiate, ce fameux contexte qu'on doit lui remâcher en boucle. On a vu ChatGPT épauler un mathématicien sur une conjecture, puis se planter sur une addition. La compétence n'est jamais là où la démo la montre. Copilot complète vos phrases, il ne pense pas à votre place. Le jour où GitHub a laissé un agent lâcher des dépôts privés, personne n'a crié au génie. On a parlé de dégât. Utile ne veut pas dire fiable, et encore moins autonome.
Le prix caché de l'outil qui tape à votre place
Voilà le point qu'on évite. Déléguer la frappe, d'accord. Déléguer le jugement, jamais. Le muscle qui ne travaille plus finit par fondre. À force de laisser GPT-5.6 écrire vos boucles, vous oubliez pourquoi vous les écriviez. Et l'addition tombe. Derrière la démo gratuite se cache une dette colossale que les géants rangent hors bilan. Les classements qui font la une, le duel entre modèles rivaux, ne prouvent presque rien sur votre vrai travail. On compare un GLM, un Kimi, un MiniMax, on hurle au séisme à chaque livraison de poids ouverts (ces modèles qu'on peut télécharger et bidouiller), et le lundi matin le bug reste le vôtre. Anthropic a payé un milliard et demi pour des livres piratés, preuve que la matière première n'est ni magique ni propre. L'outil est un moyen. On vous le vend comme une fin.
La réponse honnête tient en une phrase
Oui, les LLM servent. À taper vite, à déblayer, à faire tourner un petit modèle sur un vieux PC quand le réseau lâche, ou à garder une IA en local quand la confiance manque. Non, ils ne remplacent pas la personne qui décide. Le développeur de Reddit peut ranger sa culpabilité. Se servir d'un outil n'est pas tricher. Confondre l'outil avec la compétence, ça, c'est l'erreur. Ishween Kaur vise juste sur un point: il faut savoir ce dont on a besoin avant de savoir ce que la machine sait faire. Le reste est du bruit. Gardez la main sur le pourquoi, laissez-lui le comment ennuyeux. Un stagiaire ne dirige pas l'entreprise. Votre assistant non plus.
Questions fréquentes
Faut-il se sentir coupable d'utiliser un LLM pour coder?
Non. Un menuisier n'a jamais eu honte de sa perceuse. La culpabilité vient d'une promesse marketing ratée, celle du remplacement total. Vous utilisez un outil rapide et bête, vous gardez la tête. Le jour où vous ne relisez plus rien, là, commencez à vous inquiéter.
Un LLM peut-il remplacer un développeur junior?
Pas vraiment, et c'est le piège. Il produit le code d'un junior sans jamais devenir senior. Un vrai débutant apprend, doute, progresse. La machine répète la même assurance vide à chaque requête. La remplacer par elle, c'est supprimer la relève sans former personne.
Comment savoir si l'outil vous rend service ou vous ramollit?
Posez-vous une question simple: sauriez-vous encore le faire sans lui? Si la réponse est oui, l'outil vous fait gagner du temps. Si la réponse devient non, il a commencé à penser à votre place. Le service se transforme alors en dépendance.