La frontière floue entre le "vibe coding" et le dev pro avec l'IA – Et pourquoi ça devrait vous alerter

On imaginait les assistants IA pour coder comme deux mondes séparés : prototypes rapides d'un côté, dev pro de l'autre. Cette limite s'efface vite. Ça pose des questions sérieuses sur la responsabilité, la confiance et ce qu'on entend par "prêt pour la prod" à l'ère de l'IA.

Les catégories d'origine : simples et nettes

C'était clair au départ.

Vibe coding : le far west. Des non-devs demandent à l'IA de bricoler un truc. Ça marche ? Parfait. Qualité du code ? Bof. Idéal pour outils perso, scripts jetables, projets week-end. Si ça plante, c'est ton problème. Pas de drama.

Agentic engineering : le sérieux. Des devs expérimentés boostent leur expertise avec l'IA. Sécurité au top, code maintenable, perf optimisée. Toi, l'expert. L'IA, ton accélérateur.

Théorie nickel. Réalité ? Ça dérape.

La prise de conscience qui pique

Les modèles IA cartonnent trop bien. Même les pros sautent l'étape review.

Tu demandes à Claude un endpoint JSON avec queries SQL, tests et docs. Tu sais que ça va être au poil. Du coup, tu merges sans lire.

Une fois ? OK. Dix fois ? Mauvaise habitude. Cent fois ? T'es repassé en vibe coding, mais avec un badge pro immérité.

Le problème de la boîte noire (et pourquoi c'est presque banal)

Contre-argument logique : en équipe, tu ne relis pas tout code des collègues. Tu fais confiance au service de resize d'images sans fouiller dedans. Tu utilises des libs sans checker le source. Tu délègues.

Pourquoi ? Réputations forgées, enjeux perso, accountability intégrée.

Avec l'IA, zéro peau en jeu. Claude n'a pas de CV à protéger. Pas de licenciement possible. Il régurgite des patterns d'entraînement.

Pourtant, il performe. Encore et encore. La confiance semble presque justifiée.

Le vrai danger : normalisation de la déviance

Concept d'ingénierie (emprunté à la NASA) : normalization of deviance. Tu contournes les règles sans crash, et petit à petit, ça devient la norme.

Chaque composant IA shippé sans review qui marche renforce le piège. Jusqu'au jour où ça foire en prod, et t'as rien vu.

L'IA n'est pas imprévisible. Elle est assez fiable pour qu'on baisse nos standards sans s'en rendre compte.

Comment rester lucide (et responsable)

Pour du soft qui compte – données ou UX des autres en jeu –, adopte un cadre.

1. Classe ton code par risque. Tout ne mérite pas le même examen. Un config file, cool. De l'auth, plus scruté. Du payment processing, full audit.

2. Définis précisément "review". Pas toujours ligne par ligne. Pour code IA low-risk : lance les tests, vérifie le flow logique, spot-check sécu, évalue les perfs.

3. Gère l'IA comme une équipe interne. Routine OK, mais archi et zones sensibles : toi aux manettes. T'es le lead. L'IA, le junior compétent. Pas l'inverse.

4. Surveille tes biais. Skip une review car "ça marche d'hab" ? Note-le. Track les fails (ils arriveront). Base ta confiance sur les data, pas le confort.

La vérité qui dérange

On est en phase transitoire. Les outils impressionnent. Gains de prod réels. Mais on n'a pas encore le mode responsable. L'industrie en parle à peine.

La communauté open source a réglé ça : réputation, transparence, accountability via visibilité. L'IA aura besoin de son équivalent.

En attendant, c'est toi le garant. Vigilance max. Honnêteté sur tes reviews. Et souviens-toi : code qui tourne ≠ code que t'as maîtrisé.

Votre rapport aux outils IA pour coder ? Vous glissez vers cette zone grise ? Dites-nous en coms – ce débat se construit, et c'est aux pros de le modeler.