Cette question peut sembler provocatrice, mais elle constitue surtout un bon exercice d’auto-évaluation pour un développeur ou un apprenant. Les agents de codage comme Claude Code ou Codex sont désormais capables d’intervenir sur des tâches qui vont bien au-delà de la simple complétion de lignes : génération de fonctionnalités, correction de bugs, tests, refactorisation ou analyse de bases de code. OpenAI décrit ainsi Codex comme un agent capable de prendre en charge des tâches d’ingénierie logicielle et insiste sur la nécessité pour les développeurs de revoir et valider le code généré avant son intégration. Pour un débutant, l’enjeu n’est donc pas de savoir produire rapidement davantage de code, mais de construire les connaissances qui permettent de comprendre ce code. Variables, structures de contrôle, fonctions, objets, algorithmes, gestion des erreurs, HTTP, bases de données, Git, tests et architecture restent des fondamentaux utiles pour analyser un problème et choisir une solution pertinente. L’IA peut accélérer l’exécution, mais elle ne dispense pas de comprendre le problème que l’on cherche à résoudre.

Le risque apparaît lorsque la génération de code remplace progressivement le raisonnement technique. Un développeur peut accepter une proposition parce qu’elle compile ou qu’un test passe, sans nécessairement comprendre ses effets secondaires, ses dépendances ou les raisons de son fonctionnement. Les données du Stack Overflow Developer Survey 2025, publiées le 29 décembre 2025 auprès de plus de 49 000 développeurs, montrent d’ailleurs que l’usage des outils d’IA progresse tandis que la confiance dans leurs résultats reste limitée : 80 % des répondants déclarent utiliser des outils d’IA dans leur workflow, alors que seuls 29 % déclarent faire confiance à leur exactitude ; 66 % indiquent également passer davantage de temps à corriger du code généré qui est « presque correct ». Ces données ne prouvent pas qu’utiliser l’IA affaiblit systématiquement les compétences, mais elles rappellent une règle importante du développement logiciel : un résultat généré doit être compris, testé et vérifié. Pour un apprenant, cela signifie qu’il est utile de pratiquer régulièrement sans assistance : écrire une fonctionnalité simple, reproduire un bug, lire une stack trace, expliquer une fonction existante, écrire un test ou rechercher soi-même la cause d’une erreur. L’objectif n’est pas de rejeter l’IA, mais de conserver la capacité à raisonner sans elle, afin de pouvoir ensuite mieux l’utiliser.

Mettre Claude Code, Codex ou un autre agent de codage de côté pendant une journée peut ainsi devenir un véritable exercice de progression. Choisissez un petit projet ou une fonctionnalité que vous êtes capable de cadrer : définissez le besoin, concevez une solution, écrivez le code, lancez les tests, corrigez les erreurs et documentez vos choix. Notez ensuite les moments où vous avez bloqué : syntaxe oubliée, concept mal compris, difficulté à lire une erreur, problème d’architecture ou incapacité à expliquer une partie du code. Ces difficultés deviennent alors des objectifs d’apprentissage concrets. Une fois l’exercice terminé, réintroduisez l’agent IA et utilisez-le comme assistant technique : demandez-lui d’expliquer une approche, de proposer plusieurs solutions, de générer des tests, d’identifier des cas limites ou de suggérer une amélioration, puis vérifiez vous-même ses propositions. Cette approche correspond à l’évolution actuelle des outils : OpenAI présente notamment Codex comme un système dans lequel les agents exécutent des tâches tandis que les ingénieurs restent responsables de ce qui est livré. La compétence recherchée n’est donc pas de savoir coder sans IA à tout prix, ni de savoir produire du code uniquement grâce à elle, mais de maîtriser suffisamment les fondamentaux du développement pour comprendre, questionner, contrôler et améliorer ce que l’agent produit. L’IA peut accélérer le développeur ; les fondamentaux lui permettent de rester aux commandes.