Je me suis remis au code… sans vraiment recommencer à coder
L’IA ne m’a pas transformé en développeur. Elle m’a redonné une capacité d’exécution directe que j’avais progressivement déléguée à mesure que mon rôle de CTO / CTPO s’élargissait.
L’envie de retrouver de l’autonomie d’exécution n’avait jamais disparu
Depuis plusieurs années, j’avais envie de pouvoir refaire certaines choses moi-même : transformer une idée en produit, corriger un comportement, tester un parcours ou mettre en ligne une amélioration sans dépendre immédiatement d’une équipe.
Je n’avais pourtant pas organisé un grand retour au code. Ce choix était conscient : je travaillais avec des développeurs brillants et mon impact était généralement plus élevé ailleurs.
Produit, data, stratégie, architecture, veille, management, organisation, recrutement et arbitrages occupaient déjà largement le terrain. Reprendre durablement un rôle de développeur aurait eu un coût d’opportunité réel.
Être hands-on ne signifie pas forcément ouvrir un IDE
J’ai toujours essayé de rester proche du travail réel : comprendre les contraintes, challenger une architecture, lire des métriques, clarifier une décision produit ou aider une équipe à débloquer une situation.
Cette proximité est une forme de travail hands-on. Elle ne suppose pas d’écrire soi-même chaque ligne de code.
Mais il me manquait parfois le dernier kilomètre : la possibilité d’aller du besoin jusqu’à une version déployée lorsque le périmètre était suffisamment petit pour qu’une seule personne puisse le maîtriser.
L’IA change le coût de l’exécution individuelle
Je peux désormais dialoguer sur l’objectif, les solutions possibles, les compromis et les edge cases, puis faire implémenter, tester et corriger le résultat dans la même boucle.
Mon travail reste très proche de celui d’un CTO / CTPO : donner le contexte, rendre les priorités explicites, évaluer les risques, arbitrer et vérifier que la solution répond au vrai besoin.
La différence est que cette conversation peut maintenant produire directement du code et un état testable. L’intention, l’implémentation et le feedback sont beaucoup plus rapprochés.
Sur de petits projets, je peux à nouveau maîtriser toute la chaîne
La refonte de ce site m’a permis de retrouver cette autonomie. J’ai documenté la manière dont j’ai quitté un site builder pour reconstruire xavier-barry.fr avec Astro, GitHub, Netlify et une chaîne assistée par IA dans mon retour d’expérience sur la refonte du site.
Avec Mama Flow, la boucle est plus riche : produit, acquisition, abonnement, données personnelles et exploitation réelle. J’y explique comment je répartis le travail entre Lovable, ChatGPT et Codex plutôt que de demander à un seul outil de tout faire.
Dans ces contextes personnels et contenus, je peux suivre le fil complet : besoin, décision, code, contrôles, déploiement et observation du résultat.
Cette pratique nourrit aussi mon travail à plus grande échelle
Revenir au contact de l’exécution me donne des repères concrets sur ce que ces outils savent faire, sur les contrôles qu’ils exigent et sur les nouvelles formes d’organisation qu’ils rendent possibles.
Dans une mission de transformation, je ne passe pas mes journées à générer du code. Mon usage couvre aussi l’analyse, la synthèse, la préparation des décisions et la continuité entre de nombreuses sources. J’en ai détaillé un exemple dans mon article sur l’IA au quotidien chez Bedrock.
L’intérêt n’est donc pas de réduire l’IA à un assistant de programmation, mais de comprendre comment elle rapproche la réflexion, la décision et l’exécution.
Cela ne se généralise pas à toutes les codebases ni à toutes les organisations
Une codebase mature, une infrastructure critique ou une grande organisation concentrent une histoire, des dépendances et des risques qu’une seule personne ne peut pas raisonnablement absorber dans une conversation.
Dans les missions at scale, je continue à travailler avec des experts. Je compte sur leur connaissance des systèmes, leur jugement et leur capacité à faire vivre des choix techniques dans la durée.
Mon objectif n’est pas de remplacer les développeurs. Il est de retrouver de l’autonomie là où elle est pertinente et d’améliorer ma capacité à collaborer avec eux partout ailleurs.
Quand la friction disparaît, il faut aussi savoir recréer des limites
Être le seul humain dans la boucle permet d’avancer à n’importe quelle heure, sans attendre personne. Cette absence de friction est un avantage, mais peut aussi effacer la frontière entre le moment où l’on peut continuer et celui où l’on devrait s’arrêter.
Cela ouvre un autre sujet : comment protéger le temps libre, l’attention et le repos lorsque l’IA augmente fortement notre capacité d’exécution individuelle ? Il mérite un article à part entière.