C’est une discussion plus nuancée que ce que vous pourriez penser.
Même si vous n’utilisez qu’occasionnellement un chatbot IA ou pas du tout, il est fort probable que vous ayez rencontré le terme « vibe coding ». Pour les néophytes, c’est une forme de développement logiciel qui consiste à utiliser un grand modèle de langage (LLM) pour générer tout ou partie du code d’un projet. Le terme a été inventé pour la première fois par Andrej Karpathy, chercheur en IA connu pour avoir dirigé le programme Vision d’Autopilot chez Tesla. « Il existe un nouveau type de codage que j’appelle ‘vibe coding’, où l’on se laisse pleinement guider par les vibes, en embrassant les exponentielles et en oubliant que le code existe », a écrit Karpathy sur X en février 2025. « C’est possible parce que les LLM (par exemple Cursor Composer avec Sonnet) deviennent trop performants. »
Depuis lors, les LLM n’ont cessé de s’améliorer dans la génération de code, et la popularité du vibe coding a considérablement augmenté en conséquence. Mais comme on peut s’y attendre, chaque fois qu’une pratique devient populaire, il est inévitable qu’il y ait aussi des retours de bâton.
Quelles sont les critiques du vibe coding ?
Les partisans du vibe coding soutiennent que les LLM démocratisent le développement logiciel, permettant à chacun de créer ses propres applications. Je l’ai vu de mes propres yeux. Ma voisine travaillait autrefois comme technicienne vétérinaire. Elle a codé une application en vibe coding pour faciliter le suivi des injections d’insuline de son chat âgé. D’un autre côté, les critiques soutiennent que le vibe coding produit des logiciels vulnérables. Une utilisation intensive peut également rendre une base de code plus difficile à entretenir, car il y a de fortes chances qu’un vibe coder n’en sache pas assez sur le codage pour corriger une erreur si un LLM ne peut pas s’en charger pour lui.
Des recherches préliminaires soutiennent cet argument. En avril dernier, des chercheurs de la School of Cybersecurity and Privacy de Georgia Tech ont passé au crible 43 000 avis de sécurité et ont relevé 74 vulnérabilités qu’ils pouvaient retracer directement au code généré par IA. Parmi celles-ci, 14 étaient des problèmes de sécurité que les chercheurs qualifiaient de critiques. Cela peut paraître peu, mais les 43 000 avis ne couvrent qu’une période de trois mois au début de l’année. De plus, l’équipe estime que le nombre réel de vulnérabilités générées par IA était probablement cinq à dix fois plus élevé, du fait qu’ils ne pouvaient retracer que le code dont l’origine générée par un LLM avait été correctement divulguée.
Ces questions ne seraient pas majeures si la pratique se limitait aux amateurs, mais il existe de plus en plus de preuves suggérant que davantage de professionnels se tournent vers le vibe coding malgré leurs propres réticences et celles de leurs pairs. Une récente enquête menée auprès de 1100 programmeurs professionnels ayant testé des outils IA a révélé que 72 pour cent utilisaient quotidiennement des outils de codage IA, et qu’environ 42 pour cent de leur base de code était générée ou assistée par l’IA. Ce même groupe prévoit que le code généré par IA représentera plus de la moitié de leur base de code d’ici l’année prochaine.
La différence entre le code généré par l’IA et le code assisté par l’IA
Lorsque nous parlons du vibe coding, nous devons faire une distinction entre le code entièrement généré par un LLM et le code pour lequel un programme d’IA pourrait aider quelqu’un avec le nettoyage et le débogage. L’enquête des développeurs de Stack Overflow 2025 a estimé que le nombre de répondants utilisant quotidiennement des outils IA était de 47,1 %. Parallèlement, 72 pour cent des répondants ont déclaré que le vibe coding ne faisait pas partie de leur flux de travail de développement, et 5 pour cent supplémentaires ont ajouté que ce n’était « absolument » pas ainsi qu’ils font leur travail. Ces chiffres ont probablement changé au cours de l’année dernière, mais à la mi-2025, la plupart des professionnels utilisaient des outils IA pour des tâches comme l’autocomplétion, la révision de code et la discussion pour surmonter les obstacles.
Bien sûr, il y a une autre facette à cela. Bon nombre des tâches que les développeurs seniors utilisent désormais l’IA pour automatiser étaient autrefois confiées à leurs jeunes coéquipiers. Le codage était autrefois l’une des rares voies fiables permettant à un jeune de rentrer dans la classe moyenne. Ce n’est plus le cas, les entreprises embauchant moins de développeurs juniors que jamais.
