> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/fr/2025/w30-full-stack-development-in-the-ai-wave.md).

# W30-Le développement full stack dans la vague de l'IA

Je reste prudemment optimiste sur le full stack.

Il existe depuis longtemps. On peut même considérer tous les développeurs indépendants comme full stack, mais cette approche n'est jamais devenue dominante en Chine. Les grandes entreprises préfèrent la profondeur technique ; beaucoup de recruteurs méprisent les généralistes. La valeur du full stack est aujourd'hui réexaminée. Ces changements appellent, selon moi, un optimisme prudent.

Presque toutes les technologies de cette vague d'IA générative se situent au sommet du Hype Cycle, du vibe coding à l'ingénierie logicielle. Les technologies à ce stade suscitent souvent des attentes excessives et des déploiements irréalistes.

Le vibe coding et l'ingénierie logicielle sont différents. Dans le premier, l'IA sait produire du code de prototype jetable : on construit vite un produit exécutable pour tester une conception et son acceptation par les utilisateurs. Puisqu'il s'agit d'un prototype, la maintenance future et la qualité du code ne préoccupent pas. En ingénierie logicielle, coder ne représente qu'une partie de la livraison quotidienne. Les études d'organismes comme METR montrent des gains d'efficacité très limités pour les développeurs expérimentés.

Maîtriser les fondamentaux permet de réaliser 99 % des choses. Ils restent essentiels. En participant à un diagnostic la semaine dernière, j'ai clairement constaté des lacunes sur les bases du réseau, comme Nginx et HTTP, et sur les middlewares internes, au niveau PaaS. Quand tout fonctionne, chacun trouve le système simple. Dès qu'il tombe en panne, la recherche devient aveugle dans toutes les directions. Sans bases solides, les outils intelligents les plus avancés ne permettent pas de construire un système fiable.

La confiance entre ingénieurs et IA se construit progressivement, de même qu'une perception juste de ses limites. Trois frontières doivent être explorées en pratique : quand peut-on lui faire confiance et la faire participer ; quand peut-on la laisser produire d'abord et se limiter à la revue ; quand faut-il l'arrêter et prendre le temps de résoudre soi-même le problème ?

Ces frontières bougent vite, bien sûr. L'intelligence continue de progresser, et nous pouvons rester optimistes sur les effets positifs pour le développement métier au cours des trois à cinq prochaines années. La semaine dernière, OpenAI a annoncé qu'un LLM non publié avait atteint pour la première fois le niveau d'une médaille d'or aux Olympiades internationales de mathématiques. Auparavant, seuls des modèles de Google DeepMind spécialement optimisés pour les mathématiques avaient atteint le niveau d'une médaille d'argent.