Quand le code devient bon marché, la compréhension devient coûteuse

Markus Poppastring, revenant sur son expérience chez Heartland Information Services, une startup de transcription médicale, prévient que la baisse actuelle du coût de production de code due à l'IA reflète la vague d'externalisation offshore du début des années 2000. À l'époque, la partie coûteuse n'était pas d'écrire le code, mais de le comprendre suffisamment pour le modifier en toute sécurité, déboguer sous pression et expliquer les décisions au développeur suivant. Le code produit offshore était souvent bon, mais la connaissance vivait dans un fuseau horaire et la responsabilité dans un autre.

Avec le code généré par IA, le problème est pire : « la connaissance peut ne plus exister nulle part. Il n'y a pas d'humain à l'autre bout qui avait autrefois une vue d'ensemble. Le code a été commité, syntaxiquement correct mais dépourvu d'intention. » Cela fait écho à la thèse de Prediction Machines : lorsqu'un intrant fondamental devient bon marché, la valeur se déplace vers ses compléments. Dans le logiciel, le complément de la production est la compréhension.

L'auteur soutient que la ressource rare n'est pas la production de code, mais sa lecture, sa navigation, le savoir sur les parties importantes. Il cite l'observation de Joel Spolsky vieille de 25 ans : « il est plus difficile de lire le code que de l'écrire. » La solution, apprise de l'externalisation, est d'investir délibérément dans le contexte partagé, la documentation, la revue de code, et de traiter la compréhension comme une préoccupation d'ingénierie de première classe. Les outils de développement devraient se concentrer sur l'aide à la compréhension du code existant, pas seulement sur l'écriture plus rapide de nouveau code.