Le « livre de comptes de l'ère de l'IA » des ingénieurs de Silicon Valley : l'efficacité a été multipliée par 10, mais je suis encore plus fatigué

Le travail produit s’améliore considérablement, mais la fatigue s’accumule à un rythme encore plus rapide. Les outils d’IA réduisent considérablement le temps d’exécution des tâches, mais n’allègent pas la charge décisionnelle humaine, qui, au contraire, augmente. Lorsque la technologie ne cesse de nous dire « on peut aller plus vite », peut-être que la question qu’il faudrait surtout entendre est : peut-on aller plus lentement ? Cet article est tiré d’une publication de Tencent Tech, organisé, traduit et rédigé par Foresight News.
(Précédent contexte : Un agent unique avec un salaire annuel de 1,5 million de yuans, gérant 500 dollars d’IA, décryptage complet)
(Informations complémentaires : La fin des logiciels antivirus ? Claude AI découvre 500 vulnérabilités zero-day, effrayant Wall Street, CrowdStrike chute de 18 %)

Sommaire de l’article

Toggle

• 01 L’IA ne se fatigue pas, mais vous oui
• 02 L’IA modifie le volume de travail, mais pas sa répartition
• 03 La capacité maximale s’étend, la limite inférieure disparaît
• 04 La journée de travail doit être redéfinie

Plus les outils d’IA sont puissants, plus les humains semblent fatigués. C’est peut-être là la véritable question à poser dans cette révolution de l’efficacité.

Au début de 2026, un phénomène intrigant apparaît dans le domaine de l’ingénierie logicielle.

Une nouvelle génération d’outils de programmation IA, représentée par Claude Opus 4.6, pousse l’efficacité des développeurs à des niveaux sans précédent. Selon des données internes de Microsoft, après avoir choisi leurs outils, les ingénieurs voient rapidement Claude Code dominer le marché, ce que certains observateurs considèrent comme une « voie de moindre résistance » naturelle.

Mais en parallèle, des discussions sur « l’épuisement professionnel » émergent intensément dans la communauté des développeurs. Steve Yegge, ingénieur ayant travaillé chez Google et Amazon, décrit dans un récent récit une phénomène qu’il appelle « attaque de somnolence » : après de longues sessions de programmation en mode atmosphérique, il s’endort soudainement en plein jour, sans prévenir.

Ingénieur logiciel avec 40 ans d’expérience à Silicon Valley

Aujourd’hui, de plus en plus d’ingénieurs parlent ouvertement d’une expérience commune : une production de travail considérablement accrue, mais une fatigue qui s’accumule à un rythme accéléré. La technologie réduit drastiquement le temps d’exécution des tâches, mais n’allège pas la charge décisionnelle humaine, qui, au contraire, s’intensifie.

Source de l’image : Internet

01 L’IA ne se fatigue pas, mais vous oui

Selon Yegge, le débat antérieur sur « l’aide limitée de l’IA dans le travail réel » n’a plus de valeur après l’utilisation combinée de Claude Code avec Opus 4.5 et 4.6. Cette combinaison réduit considérablement le coût de conversion entre la définition du problème et le code exécutable, permettant à un ingénieur expérimenté de produire en une unité de temps plusieurs fois plus qu’avec un flux de travail traditionnel.

Yegge indique qu’au-delà d’un gain de productivité d’environ 2 fois, un phénomène qu’il appelle « effet vampire » apparaît : la technologie ne se contente plus d’être un outil, elle commence à façonner le rythme de travail et l’état mental de l’utilisateur à l’envers.

Dessin de Yegge illustrant « Dispositif de prélèvement de sang de vampire IA »

Siddhant Khare, ingénieur logiciel ayant documenté en détail ce processus sur son blog, écrit dans « La fatigue liée à l’IA est réelle » que son volume de livraison de code au dernier trimestre a atteint un sommet de carrière, mais que sa fatigue mentale était également à son maximum.

Khare décrit une transformation fondamentale de son mode de travail. Avant l’IA, il se consacrait « toute une journée » à un seul problème, maintenant il doit gérer simultanément cinq ou six domaines différents. Chaque problème, avec l’aide de l’IA, voit son temps de traitement réduit à environ une heure. Mais le changement fréquent entre ces problèmes crée une nouvelle charge cognitive.

« L’IA ne se fatigue pas entre les problèmes, » écrit-il, « mais moi oui. »

Khare compare son nouveau rôle à celui d’un « contrôleur qualité en ligne ». Les demandes de fusion (pull requests) affluent sans arrêt, chacune nécessitant révision, décision, validation. Le processus ne s’arrête jamais, mais le pouvoir de décision ne quitte pas l’humain. Il reste assis sur le siège du juge, le dossier étant transmis par l’IA, la responsabilité restant à l’humain.

Une étude récente de la Harvard Business Review confirme ce phénomène.

Les chercheurs ont suivi 200 employés d’une entreprise technologique américaine. Ils ont constaté qu’au début, l’utilisation de l’IA augmentait significativement la vitesse d’accomplissement des tâches, mais déclenchait aussi une réaction en chaîne : l’accélération des délais de livraison augmentait les attentes de l’organisation, ce qui poussait les employés à dépendre davantage de l’IA, élargissant leur champ de tâches, ce qui intensifiait la charge cognitive et la densité de travail.

Les chercheurs décrivent ce mécanisme comme une « expansion de la charge de travail ». Il ne s’agit pas d’une simple augmentation commandée, mais d’un processus d’itération et d’auto-renforcement entre l’amélioration de l’efficacité et la révision des attentes.

Samo Korošec, designer de produits numériques, a répondu à Yegge sur LinkedIn, partageant une expérience similaire.

Il souligne que sur les plateformes sociales, on voit des démonstrations de « génération de dix propositions UI en une minute ». Ces contenus sont répétés aux professionnels et à leurs managers, créant une norme implicite.

Puisque les outils peuvent produire rapidement, la production doit l’être aussi. Mais ces démonstrations ne montrent que rarement le coût de tri, d’intégration ou de coordination inter-fonctionnelle, qui reste entièrement supporté par l’humain.

La technologie réduit le temps de production, mais pas celui de la décision. Et cette dernière devient une nouvelle limite, celle de l’attention et de la volonté humaine.

02 L’IA modifie le volume de travail, mais pas sa répartition

Yegge propose un cadre d’analyse simplifié.

Supposons qu’un ingénieur, après avoir maîtrisé l’IA, voit sa production par unité de temps multipliée par 10. La question est : à qui revient la valeur de cette différence de 9 fois, selon la façon dont l’utilisateur organise son effort ?

Par exemple, dans le scénario A, l’ingénieur maintient ses heures de travail, livrant toute la valeur supplémentaire à l’employeur. L’employeur, avec un coût en main-d’œuvre inchangé, obtient près de 10 fois plus de résultats. Le revenu de l’ingénieur ne change pas proportionnellement, mais son effort mental et sa fatigue augmentent considérablement. Yegge l’appelle « épuisé ».

Dans le scénario B, l’ingénieur réduit fortement ses heures de travail, ne consacrant que 10 % de son temps à produire autant qu’avant. La valeur supplémentaire revient entièrement à lui, lui laissant plus de temps libre. Mais cette situation est difficile à maintenir dans un environnement concurrentiel. Si tous adoptent cette stratégie, la production globale de l’organisation sera inférieure à celle de ses concurrents, mettant en péril sa survie à long terme.

Yegge indique que l’état idéal se situe entre ces deux extrêmes. Mais dans l’organisation actuelle, le réglage de la balance n’est pas symétrique. La tendance naturelle est de pousser vers le scénario A, tandis que l’individu doit exercer une contre-force active.

Ce cadre transforme la question de l’efficacité technique en une question de répartition. L’IA n’a pas changé le fait que « la valeur est créée par le travail », mais elle a modifié le niveau de cette valeur pour une même unité de travail. Lorsqu’un saut de cette ampleur se produit, l’équilibre de la répartition est forcément remis en question.

Yegge se remémore son expérience chez Amazon en 2001. À l’époque, son équipe subissait une forte pression de livraison, avec des retours très incertains. Il a écrit lors d’une réunion une formule : $ / heure. Il explique que le numérateur (salaire annuel fixe) est difficile à changer à court terme, mais le dénominateur (temps de travail réel) a une grande flexibilité.

Il prône un changement de perspective : passer de « comment gagner plus » à « comment travailler moins ». Ce changement, à l’époque, était peu compris par ses collègues, mais quelques semaines plus tard, il voyait encore cette formule sur un tableau blanc lors de ses passages.

Vingt-cinq ans plus tard, Yegge pense que cette formule reste valable pour l’ère de l’IA. La différence est qu’avec l’IA, la variation du dénominateur a un impact amplifié sur le numérateur, mais le contrôle individuel sur le dénominateur ne s’est pas renforcé.

Un utilisateur de LinkedIn, Joseph Emison, répond sous un autre angle.

Il remarque que la majorité des professionnels ayant un succès durable dans les domaines créatifs, comme écrivains, designers ou chercheurs, travaillent généralement moins de quatre heures par jour. Le reste du temps, ils se reposent, se promènent ou consomment des entrées. Ce n’est pas une question d’efficacité, mais une limite physiologique de l’activité cognitive.

Si l’IA continue de découper « travail » et « travail efficace », il se pourrait que la question à redéfinir ne soit pas l’usage de l’outil, mais la durée de la « journée de travail ».

03 La capacité maximale s’étend, la limite inférieure disparaît

Yegge admet dans son texte qu’il fait aussi partie du problème.

Fort de plus de quarante ans d’expérience, ayant dirigé de grandes équipes, lisant vite, disposant de temps et de ressources pour expérimenter, il peut enchaîner des dizaines d’heures avec Claude Code pour construire un système opérationnel, puis le publier dans le domaine public. Ses résultats sont largement diffusés, certains managers le considèrent comme un « niveau atteignable par tout ingénieur ».

Il écrit : « Les employeurs vont probablement commencer à regarder moi, et ceux comme moi, et dire : ‘Hé, tous mes employés peuvent faire pareil’ ».

Sur LinkedIn, certains premiers adopteurs partagent publiquement leur intensité d’utilisation de l’IA : certains évoquent des organisations payant plusieurs milliers de dollars par mois pour quelques comptes ; d’autres montrent qu’ils gèrent simultanément des dizaines de conversations. Ces contenus, tout en attirant l’attention de la communauté technique, créent aussi une référence implicite pour la gestion.

Yegge qualifie cela de « standard irréaliste de beauté ». Il reconnaît ne pas être représentatif, son rythme de travail difficilement reproductible, et lui-même doute de pouvoir le maintenir longtemps. Mais lorsqu’il monte sur scène ou écrit un livre, le message qu’il transmet (au moins pour la réception) se résume à « c’est possible ».

Une autre réponse vient de Leigh Aschoff, utilisateur de LinkedIn, qui pousse la réflexion plus loin. Il pense que la façon dont les gens interagissent avec l’IA reflète aussi une difficulté de longue date à reconnaître et exprimer ses limites dans les relations humaines. Beaucoup manquent de cette capacité, et cette faiblesse se transpose dans la relation homme-machine. Les outils ne s’arrêtent pas d’eux-mêmes, ils ne perçoivent pas la fatigue de l’utilisateur.

Lorsque la technologie repousse sans cesse la limite supérieure des capacités, la capacité à reconnaître la limite inférieure devient d’autant plus rare.

04 La journée de travail doit être redéfinie

Yegge propose une revendication concrète : la journée de travail efficace à l’ère de l’IA devrait se réduire à trois ou quatre heures.

Ce n’est pas un chiffre rigoureusement vérifié, mais une estimation basée sur l’expérience. Son observation est que l’IA automatise de nombreuses tâches opérationnelles, mais laisse aux humains la prise de décision, le jugement, la reformulation des problèmes. Ces activités, très consommatrices en attention et en ressources émotionnelles, sont difficiles à paralléliser ou à compresser.

Lors d’une visite dans un parc technologique, Yegge a observé un environnement qu’il appelle « réglage du cadran à la bonne position » : un espace ouvert, beaucoup de lumière naturelle, des zones de socialisation et de repos réparties partout, où les employés peuvent librement alterner entre travail et récupération. Il n’est pas certain que cette configuration puisse perdurer avec une pénétration totale de l’IA, mais il est convaincu que le modèle actuel — ne pas réduire la durée de travail, mais augmenter la densité de production par unité de temps — n’est pas soutenable.

Il ne veut plus réduire le problème à « l’IA comme vampire », mais à « je dois mieux connaître mes limites ».

Yegge indique qu’il tente de diminuer la « position du cadran ». Il réduit ses activités publiques, refuse de nombreuses rencontres, ne poursuit pas chaque piste technologique visible. Il continue d’écrire, de construire des produits, d’échanger avec ses pairs. Mais il ferme aussi son ordinateur l’après-midi, se promène avec sa famille. Il ne sait pas encore jusqu’où il pourra ramener le curseur, mais il est convaincu que la direction est la bonne.

Pour l’ensemble des professionnels, cette question n’est pas encore à l’ordre du jour collectif. La narration sur la productivité par l’IA domine encore, et la fatigue reste un sujet individualisé et fragmenté. Mais de plus en plus de signaux indiquent que ces deux courbes convergent.

La technologie raccourcit le chemin des tâches, mais pas la journée de travail. Les outils déchargent l’exécution, mais pas la responsabilité. La productivité augmente la vitesse de livraison, mais aussi la vitesse de consommation.

Lorsque l’IA ne cesse de nous dire « on peut aller plus vite », peut-être que la question qu’il faudrait surtout entendre est : peut-on aller plus lentement ?