L’IA transforme profondément le métier d’ingénieur, mais pas forcément de la manière que l’on imagine. Pendant longtemps, dans la tech, l’avantage compétitif reposait principalement sur la capacité à produire du logiciel : écrire du code rapidement, construire des architectures robustes et scaler des équipes techniques. Avec l’IA générative, une partie de cette logique commence à changer. Dans la conférence “Stanford CS230 | Autumn 2025 | Lecture 9: Career Advice in AI”, Andrew Ng, l’une des figures les plus influentes de l’écosystème IA moderne, explique que nous vivons probablement l’un des meilleurs moments de l’histoire pour construire dans l’IA, car la capacité des modèles à résoudre des tâches complexes progresse extrêmement vite. Mais cette accélération déplace aussi le véritable problème. Lorsque produire du code devient moins coûteux et plus accessible, le problème n’est plus uniquement de savoir construire. Le problème devient progressivement de savoir quoi construire. Les profils capables de comprendre des usages métier, de parler aux utilisateurs et d’identifier des frictions opérationnelles deviennent alors beaucoup plus stratégiques. Les frontières entre ingénierie, produit et business commencent ainsi à s’éffacer. Dans beaucoup de startups IA, les profils qui créent aujourd’hui le plus de valeur ne sont pas forcément ceux qui maîtrisent le plus de frameworks, mais ceux capables de transformer rapidement une intuition opérationnelle en produit utilisable.
Cette transformation se retrouve déjà dans le marché de l’emploi IA. Après la phase d’euphorie de 2022-2023, où pratiquement toutes les entreprises cherchaient à “faire de l’IA”, le marché entre progressivement dans une phase plus rationnelle. La présence du mot “AI” sur son CV ne suffit plus. Dans cette même conférence de Stanford, Lawrence Moroney (VC) explique que la valeur se déplace désormais vers la mise en production, la fiabilité opérationnelle et la capacité à générer un impact business concret. Dans l’écosystème actuel, il est devenu extrêmement facile de produire des démonstrations impressionnantes. Les réseaux sociaux regorgent d’agents autonomes, de copilotes et de workflows générés par IA. Pourtant, beaucoup de ces projets ne survivent pas à la réalité opérationnelle des entreprises. Maintenance, qualité des données, supervision humaine, sécurité, dette technique ou coûts d’inférence réapparaissent très rapidement dès qu’un système doit fonctionner à grande échelle. Le “vibe coding” illustre bien cette ambiguïté : les outils génératifs permettent de produire du logiciel à une vitesse impressionnante, mais chaque ligne générée ajoute aussi potentiellement davantage de complexité. Un bon ingénieur n’est donc plus seulement quelqu’un qui produit du code rapidement. C’est quelqu’un capable de maintenir une architecture compréhensible, exploitable et durable pour toute une organisation.
Le sujet des agents IA illustre bien la maturité progressive du marché. Beaucoup d’entreprises veulent désormais intégrer des agents partout, parfois sans véritable besoin métier. Pourtant, les projets les plus efficaces restent souvent les plus pragmatiques : automatiser une tâche précise, accélérer un traitement documentaire ou améliorer une opération existante. En parallèle, le marché commence aussi à se diviser entre les grands modèles centralisés comme open AI ou Gemini et des modèles plus petits, spécialisés et exécutés localement pour des raisons de coût, de rapidité ou de confidentialité.
Ce que ces transformations ont en commun, ce n’est pas uniquement l’IA. C’est le déplacement progressif de la valeur dans la chaîne technologique. Pendant longtemps, l’avantage compétitif venait principalement de la capacité à produire de la technologie. Aujourd’hui, alors que la capacité à construire devient de plus en plus accessible, la différenciation se déplace progressivement vers la compréhension des usages, l’intégration opérationnelle et la capacité à résoudre des problèmes réels dans la durée. Les startups qui performent ne sont plus forcément celles qui possèdent uniquement la meilleure technologie. Ce sont souvent celles capables de connecter technologie, produit et besoins métier. Dans un marché saturé d’outils génératifs et de démonstrations impressionnantes, l’avantage ne vient plus seulement de la capacité à coder vite. Il vient surtout de la capacité à identifier les bons problèmes et à construire des solutions utiles et durables une fois l’effet “démo” passé.