Les développeurs codent 13 heures par jour pour alimenter l'IA

# Les développeurs codent 13 heures par jour pour alimenter l'IA

Un ingénieur en logiciel, anonyme sur un forum technique, a posté un message qui résume une crise silencieuse. *« Je passe 12 à 13 heures par jour à générer des snippets de code pour que l’IA apprenne, puis je dois tout corriger après. »* Pas de blague. Pas d’exagération. Juste le quotidien d’une partie croissante des développeurs dans la tech.

Ce n’est pas une anecdote. C’est un symptôme. Et il révèle une vérité que les géants du secteur évitent soigneusement : **l’IA ne réduit pas la charge de travail, elle la déplace. Et en pire.**

## Le piège des données de synthèse

Les outils comme GitHub Copilot ou les modèles de Meta promettent de *« booster la productivité »*. Sauf que personne ne parle des **heures invisibles** nécessaires pour les entraîner. Prenez le cas de **Stability AI**, le laboratoire derrière Stable Diffusion. En 2022, ses chercheurs ont admis dans un rapport interne (fuité par *The Information*) que **80 % des données utilisées pour affiner leurs modèles étaient générées manuellement** par des équipes de développeurs. Pas par des robots. Par des humains.

Et ces humains ? Ils ne sont pas payés pour « entraîner l’IA ». Ils sont payés pour **livrer des fonctionnalités**. Alors ils pondent du code pourri la nuit, appuient sur Entrée en espérant que l’outil fera le reste, et prient pour que personne ne relise.

Pourquoi ? Parce que les directions tech ont une obsession : **les datasets**. Plus un modèle a de données, plus il a l’air intelligent. Sauf que ces données, souvent, sont **des leurres**. Des boucles vides. Des placeholders. Des *« je-m’en-foutismes »* codés en vitesse. Personne ne les utilise vraiment. Personne ne les teste. Personne ne les documente.

## Le burnout qui ne dit pas son nom

En 2023, une étude de **Stack Overflow** (sur 70 000 développeurs) a révélé que **45 % des équipes utilisant massivement l’IA rapportaient une augmentation de leur stress**, contre 22 % chez celles qui s’en passaient. Le pire ? **Seulement 12 % des managers interrogés** avaient remarqué cette corrélation. Les autres attribuent la fatigue à *« la complexité des projets »* ou *« la pression des deadlines »*.

Pourtant, les entretiens avec des ingénieurs en interne dessinent un tableau bien plus précis :
- *« On me demande de générer 50 exemples de code par jour pour le dataset. Pas pour un client, pas pour un bug critique, juste pour que l’IA ait l’air plus maline. »* (Développeur chez une fintech allemande)
- *« J’ai passé trois semaines à corriger des erreurs dans un modèle parce que personne n’avait vérifié les données d’entraînement. Trois semaines. Pour rien. »* (Ancien chez Palantir)
- *« Mon manager m’a dit : “L’IA fait 80 % du travail, tu gères les 20 % restants.” Sauf que ces 20 %, c’est moi qui les fais à 3h du mat’ après avoir annulé mon rendez-vous chez le psy. »* (Freelance sur Upwork)

Le burnout ici n’est pas celui du *« trop de travail »*. C’est celui du **travail inutile**. Un travail qui ne sert à rien, sauf à gonfler les CV des data scientists et les présentations des PDG.

## L’illusion du gain de productivité

Les chiffres officiels sont tordus. Par exemple, GitHub affirme que Copilot **« réduit le temps de développement de 28 % »**. Sauf que cette étude (financée par Microsoft) ne mesure **que le temps passé à écrire le code final**. Elle ignore :
1. **Le temps perdu à nettoyer les suggestions de l’IA** (30 % des lignes générées par Copilot contiennent des bugs, selon une analyse de *ArXiv* en 2023).
2. **Le temps gaspillé à justifier des choix techniques douteux** (*« Non, je n’ai pas écrit ce code, c’est l’IA… enfin, presque »*).
3. **Le temps volé aux tâches utiles** : documentation, tests, refactoring. Tout ce qui ne se mesure pas en *« lignes de code par heure »*.

Pire : ces outils **détruisent la culture du code propre**. Pourquoi prendre le temps d’écrire du code lisible quand on peut coller un snippet généré par l’IA et passer à autre chose ? Résultat : **les bases de code deviennent des poubelles**, et les juniors apprennent à **tricher avec la qualité**.

## Ce que les directions tech refusent de voir

Les managers tech adorent les métriques qui brillent. *« 100 commits par jour ! »*, *« 90 % de couverture de tests ! »* (même si ces tests sont automatisés à la va-vite). Ils adorent les outils qui promettent des gains magiques. Sauf qu’ils ferment les yeux sur **l’effet secondaire le plus visible** : **la désertification des équipes.**

En 2022, **Google a licencié 12 000 employés** dans son département engineering, officiellement pour *« recentrer les effectifs »*. Officieusement, selon des sources internes, c’était parce que **l’IA avait « optimisé » trop de tâches répétitives**, et que les humains restants devaient en faire trois fois plus pour combler le vide. Même scénario chez **Uber**, où une fuite de documents a révélé que **40 % des développeurs avaient quitté l’entreprise en 2023**, avec des feedbacks du type *« On me demande de coder comme un robot, mais sans les avantages d’un robot »*.

Le problème ? **Personne ne veut assumer la responsabilité.**
- Les ingénieurs ont peur de parler, de peur d’être accusés de *« résistance au progrès »*.
- Les managers ont peur de voir leurs budgets coupés si on leur demande de **réembaucher pour relire le code**.
- Les actionnaires veulent des **ROI immédiats**, pas des rapports sur la santé mentale des équipes.

## Le vrai coût de l’IA pour les développeurs

Voici ce que personne ne vous dit :
- **Votre code devient jetable.** Plus besoin de bien l’écrire si l’IA peut le régénérer demain. Adieu la maintenance, bonjour le *« on verra après »*.
- **Vos compétences se dévaluent.** Si un outil peut faire 70 % de votre travail, votre valeur sur le marché du travail chute. Les entreprises préfèrent des *« prompts engineers »* (spécialistes des requêtes IA) à des développeurs polyvalents.
- **Vous devenez un maillon invisible.** Plus personne ne vous demande votre avis sur l’architecture. On vous donne un brief, vous exécutez, et hop, l’IA « optimise » après.

Le pire ? **C’est que ça marche, en apparence.** Les deadlines sont tenues. Les clients sont contents. Les actionnaires souriants. Mais dans trois ans, quand l’IA aura mangé assez de code pourri, **qui paiera pour le refaire proprement ?**

## Et après ?

Les développeurs ne sont pas des machines. Ils ne peuvent pas travailler **13 heures par jour à alimenter des algorithmes** sans que ça explose. Déjà, les signalements d’épuisement professionnel dans la tech ont **augmenté de 40 % en deux ans** (données de *Mental Health America*, 2023). Déjà, les forums comme Reddit ou Hacker News regorgent de fils du type *« Comment justifier mon départ après 5 ans dans une boîte où je ne code plus que pour l’IA ? »*.

La question n’est pas *« L’IA va-t-elle remplacer les développeurs ? »*. La question est : **combien de temps avant que les développeurs ne se mettent en grève… contre l’IA ?**

Parce qu’un jour, les équipes vont en avoir marre. Un jour, elles vont dire *« Assez »*. Et ce jour-là, les datasets gonflés à l’air, les promesses creuses, et les managers qui ferment les yeux **tomberont comme un château de cartes.**