Fatigue du codage agentique : Pourquoi plus d'agents ne vous sauveront pas

Le rythme familier du développement logiciel — écrire du code à la main, assembler les pièces, construire des modèles mentaux — a disparu avec le codage agentique. Le billet de blog de Sid sur HN décrit comment le code généré par LLM apparaît instantanément, vous obligeant à démarrer à froid sur le contexte, comme se fier à des tatouages de Memento. Le processus se transforme en machine à sous de récompenses psychologiques variables suivies de fatigue cognitive, plutôt qu'en travail profond et concentré.

Points de douleur clés

• Les LLM génèrent des ordres de grandeur plus de code que vous ne pouvez correctement déboguer ou analyser. Vous approuvez du code brut juste pour suivre le rythme, cédant le contrôle opérationnel et faisant confiance à l'outil — jusqu'à ce qu'il rencontre des cas limites et s'effondre.
• Gérer plusieurs agents simultanément nécessite une supervision constante, des changements de contexte et plus de décisions par heure. Vous prenez des décisions architecturales tout en révisant la production d'un développeur junior imparfait, ce qui est fondamentalement plus difficile que de faire le travail vous-même.
• La fatigue décisionnelle est le point de friction invisible. Votre cerveau cuit en 4 à 5 heures intenses contre 8 à 10 heures productives normales. Sid note que des amis sont déjà épuisés mais l'admettent rarement.

Pourquoi plus d'agents n'est pas la solution

PLUS d'agents ne fonctionne pas. Les systèmes automatisés peuvent fonctionner 24h/24 et 7j/7, mais les humains ne peuvent pas soutenir la charge cognitive. La solution évidente — de meilleures boucles de révision et de vérification — soulève un cercle vicieux : les construisez-vous vous-même ou faites-vous confiance au LLM pour les construire ? Si vous ne faites pas confiance au code original, feriez-vous confiance à un système de vérification construit par le même LLM ? Et comment vérifier le vérificateur ?

Le problème central

Sid résume : vous êtes coincé dans un entre-deux — obligé d'utiliser l'outil pour la productivité mais jamais capable de lui faire entièrement confiance sans supervision. Jusqu'à ce que les LLM soient strictement meilleurs que les humains pour la révision et la vérification, le goulot d'étranglement humain demeure.