Mindset

---

1. Ce qui change vraiment

L'IA ne te remplace pas. Elle déplace le moment où tu interviens dans la chaîne.

Avant : tu écrivais la première ligne, tu écrivais la dernière, et toutes celles du milieu. Maintenant : tu écris la spec, tu valides le plan, tu reviewes le code, tu décides du merge. Le milieu, c'est l'IA qui l'écrit.

Le temps que tu ne passes plus à taper, tu le passes à décider plus souvent et plus tôt. La question n'est plus « comment j'écris ce code ? » mais « est-ce le bon code à écrire ? ». C'est un métier plus exigeant, pas plus reposant.

---

2. Les 3 niveaux d'usage

Niveau 1 — Autocomplete (Débutant)

L'IA complète ce que tu tapes. C'est le niveau Copilot inline.

• Utile pour : boilerplate, fermeture de boucles, getters/setters
• Limite : aucun contexte architectural, aucune planification

Niveau 2 — Chat / Collaboration (Intermédiaire)

Tu dialogues avec l'IA dans un panneau de chat.

• Utile pour : debug, refactoring, génération de tests, questions sur le codebase
• Limite : si tu ne guides pas, l'IA improvise

Niveau 3 — Agent Autonome (Avancé)

L'IA explore, planifie, modifie des fichiers, exécute des commandes.

• Utile pour : features complètes, migrations, pipelines de génération
• Prérequis : context engineering maîtrisé, supervision active, vérification systématique

---

3. L'autre piège : l'atrophie

C'est la peur silencieuse de tout senior qui se met à déléguer beaucoup à l'IA : à force de ne plus écrire le code moi-même, est-ce que je perds la main ?

La réponse honnête est oui, si tu ne fais rien. Le geste de tester un algo à la main, de lire une stack trace ligne par ligne, de remonter une cause racine sans aide — ce sont des muscles qui se déconditionnent vite.

Trois habitudes pour les préserver :

1. Un jour par semaine sans agent. Tu codes une vraie tâche sans assistance au-delà de l'autocomplete. C'est inconfortable au début. C'est le but.
2. Tu écris à la main les invariants critiques. Auth, paiement, code crypto, code qui touche aux données utilisateur — tu reprends le contrôle ligne par ligne.
3. Tu fais une revue de code manuelle par sprint. Sans laisser l'IA t'aider à lire. C'est ce qui entretient ton œil.

Déléguer l'exécution sans déléguer la pensée — c'est le contrat. Et la pensée ne s'entretient qu'en l'exerçant.

---

4. Les anti-patterns critiques

Anti-pattern 1 — Vibe Coding

Décrire vaguement ce qu'on veut, accepter le résultat sans le lire, merger directement.

Conséquences :

• Dette technique invisible (le code marche mais ne suit aucune convention)
• Vulnérabilités de sécurité non détectées (48% du code IA généré sans contexte sécurité contient des failles)
• Perte progressive de compréhension du codebase

Anti-pattern 2 — Over-Trust

Faire confiance au résultat parce qu'il "a l'air bien" ou parce que l'IA parle avec assurance.

Réalité : les LLMs sont des systèmes de prédiction statistique. Ils peuvent inventer des fonctions, des bibliothèques, des comportements d'API avec une totale confiance dans le ton.

Anti-pattern 3 — Kitchen Sink Session

Commencer une session pour corriger un bug, dériver vers une nouvelle feature, revenir au bug initial.

Conséquence : le contexte se pollue, la qualité des réponses se dégrade progressivement.

Anti-pattern 4 — Prompt-and-Ship

Générer → copier → déployer. Sans tests, sans revue, sans compréhension.

Règle d'or : tu restes responsable du code que tu mets en production, qu'il soit écrit par toi ou par une IA. « Claude l'a généré » n'a jamais convaincu un reviewer, un manager, ou un juge.