Transformation & IA
Développeur junior et IA : l’échelle de carrière a perdu ses barreaux
L’intelligence artificielle fait aujourd’hui le travail qui formait hier les débutants. Résultat : on recrute moins de juniors, ceux qu’on recrute apprennent moins, et personne ne se demande qui supervisera les agents dans dix ans.
Lundi matin, entretien d’embauche pour un poste de développeur junior. Le candidat présente un portfolio impressionnant : une application full stack, une API en Python, un petit projet de machine learning. Le recruteur pose une question simple : « Pourquoi as-tu choisi cette structure de base de données ? » Silence. Puis : « C’est l’IA qui l’a proposée. » Le projet existe, le code tourne, mais la compréhension n’est pas là. Ce scénario, beaucoup d’équipes techniques le vivent chaque semaine en 2026.
Le sujet du développeur junior face à l’IA est devenu l’un des plus discutés de la tech cette année. Au QCon London 2026, Alasdair Allan (CTO chez Negroni Venture Studios, ancien responsable de la documentation chez Raspberry Pi) lui a consacré une conférence très documentée, publiée par InfoQ : « The Ladder is Missing Rungs », l’échelle a perdu ses barreaux (voir la présentation originale). Sa thèse : l’IA générative avale les tâches simples qui servaient de terrain d’apprentissage aux débutants. Les barreaux du bas et du milieu de l’échelle disparaissent, alors que l’entreprise aura plus que jamais besoin de développeurs séniors capables de juger ce que produisent les machines.
Chez Corporate Mavericks, on pense que c’est d’abord un problème de management, pas un problème technique. Voici ce que disent vraiment les études, pourquoi l’apprentissage des profils débutants se dégrade, et ce que vous pouvez faire concrètement, dès ce trimestre, pour former la relève.
L’IA va-t-elle remplacer les développeurs juniors ?
Commençons par calmer le jeu. Il y a un an, Dario Amodei, cofondateur d’Anthropic, annonçait que l’IA écrirait la quasi-totalité du code sous douze mois. Ce n’est pas ce qui s’est passé. Selon les chiffres cités par Alasdair Allan, la part de code généré par IA tourne autour de 25 % chez Google et 30 % chez Microsoft, et une analyse de Redwood Research ramène le fameux « 90 % » d’Anthropic à environ 50 % si l’on ne compte que le code réellement versionné dans Git. C’est énorme, mais ce n’est pas la fin du métier de développeur.
Le vrai changement est plus subtil. Les outils d’IA réussissent presque à 100 % les tâches qui prennent moins de quatre minutes à un humain (petites corrections de bugs, code répétitif, implémentations simples). Ils tombent à environ 50 % de réussite sur une tâche d’une heure, et sous les 10 % au delà de quatre heures, d’après les mesures de l’institut METR. Autrement dit, l’IA excelle exactement sur le travail qu’on confiait jusqu’ici aux débutants pendant leur première année. Et elle échoue là où il faut du jugement, celui qui se construit en faisant ces mêmes tâches pendant des années.
Donc non, l’intelligence artificielle ne remplace pas les développeurs. Mais elle remplace le chemin qui permettait de le devenir. C’est beaucoup plus grave, parce que ça ne se voit pas tout de suite.
Ce que disent les études (pas les posts LinkedIn)
Sources : Anthropic, METR, Faros AI, citées par Alasdair Allan (QCon London 2026)
17 %
de score en moins au test de maîtrise pour les débutants qui ont appris avec l’IA
14 %
de baisse du taux d’accès à l’emploi des 22 à 25 ans dans les métiers exposés à l’IA
+91 %
de temps de revue de code dans les équipes qui ont fortement adopté l’IA
On recrute moins de débutants, ceux qu’on recrute apprennent moins, et le goulot d’étranglement se déplace vers les séniors qui relisent tout.
Le paradoxe de la supervision : apprendre avec l’IA, c’est parfois ne rien apprendre
L’étude la plus frappante vient d’Anthropic, l’éditeur de Claude. Dans un essai contrôlé randomisé, 52 ingénieurs, majoritairement juniors, devaient apprendre une nouvelle bibliothèque Python (Trio, dédiée à la programmation asynchrone). La moitié avait accès à un assistant IA, l’autre non.
Vitesse : aucune différence statistiquement significative. Le groupe avec IA a gagné environ deux minutes, dans la marge d’erreur.
Compréhension : au test de maîtrise passé ensuite, le groupe avec IA obtient 50 % contre 67 % pour le groupe sans IA. Un écart significatif.
Le pire : l’écart le plus large concerne le débogage, c’est à dire précisément la compétence nécessaire pour vérifier ce que produit l’IA.
Anthropic nomme lui même ce phénomène le « paradoxe de la supervision » : utiliser l’IA exige de la superviser, et superviser exige les connaissances techniques qui s’atrophient quand on utilise trop l’IA. Alasdair Allan résume la chose sans détour : ces débutants n’ont pas échangé de l’apprentissage contre de la vitesse, ils ont échangé de l’apprentissage contre rien.
Les 3 comportements qui sabotent l’apprentissage
L’étude identifie trois profils chez les participants qui ont obtenu les plus mauvais scores (sous les 40 %) :
La délégation totale : ils n’essaient même pas, l’IA fait tout dès le départ.
La dépendance progressive : ils essaient un peu, butent, puis laissent l’IA faire le reste.
Le débogage par IA : ils demandent à l’IA de corriger le code de l’IA, sans jamais comprendre ce qui se passe.
Si vous managez une équipe, ces trois comportements sont observables. Ils ne se voient pas dans le nombre de tickets fermés. Ils se voient dans la qualité des réponses quand on pose la question « pourquoi ? ».
L’IA avait les permissions. Il lui manquait les cicatrices.Alasdair Allan, QCon London 2026 (traduit de l’anglais)
Emploi développeur : ce qui change vraiment pour les profils débutants
Le second choc concerne le marché de l’emploi. Une analyse publiée par Anthropic sur l’impact de l’IA sur le travail classe les programmeurs comme le métier le plus exposé : 74,5 % de leurs tâches font déjà l’objet d’un usage automatisé réel. Surtout, chez les 22 à 25 ans, le taux d’accès à un emploi dans les métiers exposés a décroché à partir de 2024, avec une baisse moyenne estimée à 14 %. Aucune baisse n’est observée au delà de 25 ans. Des données de paie ADP vont dans le même sens, avec un recul de 6 à 16 % de l’emploi des 22 à 25 ans dans ces métiers.
Le point clé : personne n’est licencié. Les entreprises ne remplacent pas leurs développeurs séniors, elles arrêtent simplement d’embaucher la génération suivante. Moins d’offres d’emploi « junior » en CDI, plus d’exigences dans chaque annonce (« junior avec trois ans d’expérience sur notre stack »), et des jeunes diplômés qui finissent par postuler en freelance ou en société de conseil faute de mieux. Le secteur digital tout entier est concerné. Sur LinkedIn, les candidats qui cherchent un premier emploi de développeur, de data scientist ou d’ingénieur DevOps racontent tous la même histoire : des centaines de candidatures pour quelques entretiens.
Vu d’un comité de direction, c’est rationnel à court terme : pourquoi recruter et encadrer un débutant quand un développeur expérimenté équipé d’outils d’IA livre la même fonctionnalité plus vite ? Vu à cinq ou dix ans, c’est une bombe à retardement. Les séniors partent à la retraite, changent d’entreprise ou deviennent managers. Si personne n’a gravi l’échelle derrière eux, qui saura concevoir l’architecture, comprendre le code legacy et dire non à un agent IA trop sûr de lui ?
Pourquoi vos développeurs séniors sont en train de couler sous la revue de code
Les données de Faros AI, issues de la télémétrie d’environ 10 000 développeurs répartis dans 1 200 équipes, montrent ce qui se passe quand l’adoption de l’IA grimpe : 21 % de tâches terminées en plus, 98 % de pull requests fusionnées en plus. Bonne nouvelle ? Pas tout à fait. Le temps de revue augmente de 91 %, la taille moyenne des pull requests de 154 %, et le nombre de bugs par développeur de 9 %.
Le goulot d’étranglement ne disparaît pas, il remonte vers la revue de code, là où se trouve le jugement des séniors. Et l’institut METR a mesuré qu’environ la moitié des pull requests générées par IA qui passaient les tests automatisés n’auraient pas été acceptées par les mainteneurs des projets. Manque de documentation, tests insuffisants, non respect des bonnes pratiques : l’IA sait implémenter le cœur d’une fonctionnalité, mais rate régulièrement le soin du travail bien fait, exactement ce que les barreaux du milieu de l’échelle sont censés enseigner.
Ajoutez à cela un effet de bord rarement mesuré : chez Anthropic, les ingénieurs déclarent poser 80 à 90 % de leurs questions à Claude plutôt qu’à leurs collègues. Un ingénieur sénior y confiait trouver triste que les juniors ne viennent plus le voir. L’apprentissage informel, celui qui naît d’une session de débogage à deux devant un écran, s’évapore. Le télétravail généralisé avait déjà fragilisé cette transmission, l’IA l’accélère. Nous avons détaillé les limites des métriques de vélocité dans notre article sur la productivité des développeurs avec l’IA et dans celui sur le ROI de l’IA.
Tu veux des équipes qui apprennent, pas juste des équipes qui livrent ?
Chaque semaine, on décortique ce qui marche vraiment en management, en organisation et en transformation. Zéro jargon, zéro bullshit.
Le vrai risque : une organisation qui perd sa mémoire
Alasdair Allan s’appuie sur les incidents récents chez Amazon, en précisant que les versions divergent. Selon le Financial Times, un agent de codage IA aurait choisi de supprimer puis recréer tout un environnement de production d’AWS Cost Explorer, provoquant treize heures de rétablissement. Amazon parle d’une erreur humaine liée à des droits d’accès mal configurés. Pour une panne du site marchand, Amazon reconnaît en revanche qu’un ingénieur a suivi un conseil erroné qu’un outil d’IA avait déduit d’une page de wiki interne obsolète.
Quelle que soit la version retenue, la leçon est la même : l’IA lit tout ce qu’on lui donne avec le même niveau de confiance. Elle ne sait pas qu’une page date de cinq ans ni qu’une règle métier cachée dans une condition protège 0,1 % de vos clients. Seule une personne qui a vécu avec le système le sait. Ce savoir, c’est précisément ce que les débutants accumulaient en corrigeant des bugs, en lisant du vieux code et en participant aux incidents de production.
Une étude de GitClear portant sur 211 millions de lignes de code confirme la tendance : avec l’adoption de l’IA, le refactoring chute de 60 %, le copier coller augmente de 48 % et le code réécrit peu après sa création grimpe de 44 %. On produit plus, on comprend moins ce qui existe déjà.
Comment former un développeur junior à l’ère de l’IA : 6 leviers concrets
Alasdair Allan reconnaît honnêtement ne pas avoir de solution miracle. Il propose cependant des pistes, que nous complétons avec ce que nous voyons fonctionner chez nos clients :
Créer un internat, comme en médecine. Faire tourner les débutants sur le travail fondamental (corriger des bugs, écrire des tests, lire du code legacy) même si l’IA le ferait plus vite. On fait ce travail parce qu’il forme, pas parce qu’il est efficace. Les médecins ne sont pas formés autrement.
Exiger la compréhension avant l’assistance. Le débutant formule d’abord son hypothèse, sa piste de solution, puis seulement il demande à l’IA. L’outil devient un sparring partner, pas un pilote automatique.
Mesurer la compréhension, pas la vélocité. En revue ou en binôme, poser trois questions : que fait ce code ? Saurais tu le déboguer sans IA ? Que se passe t il s’il échoue ? Le pair programming devient un outil d’évaluation : on regarde comment la personne réfléchit, pas seulement ce qu’elle produit.
Traiter le contexte comme une infrastructure. Documenter les décisions d’architecture avec leur justification, tenir à jour le wiki, écrire des fichiers de contexte qui se lisent comme un guide d’accueil. Cette documentation sert à la fois aux agents IA et aux nouveaux arrivants.
Budgéter l’apprentissage. Si un sénior passe 20 % de son temps à encadrer, ce temps doit apparaître dans la planification, pas être grappillé le soir. Sans budget, le mentorat disparaît au premier rush.
Dire la vérité aux juniors. L’IA est un outil, pas un professeur. L’utiliser pour sauter l’étape de compréhension, c’est emprunter sur son avenir professionnel. Ceux qui auront de la valeur dans dix ans seront ceux qui comprennent les systèmes, pas ceux qui savent seulement écrire un prompt.
Ces leviers touchent la culture autant que les process. Ils rejoignent ce que nous défendions dans notre article sur le vibe coding en entreprise : tout le monde peut produire du code avec l’IA, mais sans personne pour trier et comprendre, la dette s’accumule en silence. Et ils supposent un vrai esprit critique face à l’IA.
Et si vous êtes développeur junior : comment rester employable
Si vous cherchez votre premier poste ou que vous débutez, quelques principes simples font la différence face à un recruteur :
Codez une partie de vos projets personnels sans IA. Pas par purisme, mais pour pouvoir expliquer chaque ligne en entretien.
Apprenez à déboguer. C’est la compétence qui creuse le plus l’écart dans l’étude d’Anthropic, et celle que les recruteurs vont rechercher en priorité.
Montrez votre raisonnement. Un historique Git propre, des choix d’architecture justifiés, des tests : tout ce qui prouve que vous comprenez ce que vous livrez.
Utilisez les LLM pour apprendre. Demandez à l’IA d’expliquer, de critiquer votre code, de vous poser des questions, plutôt que de lui faire écrire la solution.
Visez les équipes qui encadrent. En entretien, demandez comment l’équipe forme ses débutants. Une entreprise qui n’a pas de réponse claire risque de vous transformer en opérateur d’IA.
Le développeur junior face à l’IA en trois phrases
1. L’IA fait très bien le travail qui formait les débutants, et très mal le travail qui demande du jugement.
2. Arrêter de recruter et de former des juniors fait gagner du temps aujourd’hui et coûtera votre capacité à superviser l’IA demain.
3. Former la relève est un choix de management : du temps budgété, des pratiques d’apprentissage explicites, et des indicateurs de compréhension plutôt que de vitesse.
Vous voulez repenser l’intégration et la montée en compétences de vos équipes à l’heure de l’IA ? Réservez un appel stratégique avec Corporate Mavericks.
FAQ : développeur junior et IA
Pas à court terme. L’IA écrit une part importante du code (environ 25 à 30 % chez Google ou Microsoft selon leurs propres chiffres), mais elle échoue encore souvent sur les tâches longues qui demandent du jugement, de l’architecture et une connaissance du contexte. Elle transforme le métier de développeur vers plus de conception, de relecture et de supervision, plutôt qu’elle ne le supprime.Oui, les premières données le montrent. L’analyse d’Anthropic sur le marché du travail observe depuis 2024 une baisse d’environ 14 % du taux d’accès à l’emploi des 22 à 25 ans dans les métiers les plus exposés à l’IA, sans effet sur les plus de 25 ans. Les entreprises licencient peu, mais recrutent moins de débutants.En France, les baromètres 2026 situent généralement un premier CDI entre 30 et 45 k€ brut annuel, selon le diplôme, la ville, la stack et le type d’entreprise (start up, grand groupe, société de conseil). Les écoles d’ingénieurs et les profils spécialisés en data ou en IA se situent plutôt dans le haut de la fourchette.Un développeur spécialisé en IA (machine learning, LLM, IA générative) est en général mieux payé qu’un développeur généraliste à expérience égale, car l’expertise reste rare. Les écarts dépendent fortement de l’expérience réelle sur des projets IA en production, bien plus que des certifications.Les études d’exposition montrent que les métiers physiques (artisans, mécaniciens, cuisiniers) sont aujourd’hui les moins touchés. Dans la tech, les rôles qui combinent jugement, connaissance du contexte et responsabilité (architecture, sécurité, management d’équipes techniques, relation client) résistent mieux que les tâches d’exécution pure.Comme un tuteur exigeant, pas comme un pilote automatique : formuler sa propre hypothèse avant de demander, faire expliquer le code généré, s’entraîner à déboguer sans assistance, et garder une partie de ses projets écrits à la main. L’objectif est de pouvoir justifier chaque choix technique devant un recruteur ou un développeur sénior.
Former la relève, c’est un choix de leader
Rejoins la newsletter Corporate Mavericks : chaque semaine, des idées concrètes pour manager autrement, sans langue de bois.