Les meilleurs développeurs reviennent au code écrit à la main alors que la fronde anti-AI slop fait le buzz sur X

Un court message de Sam Hogan, PDG de la startup d'outils d'agents MultiplyAI, a déclenché la plus forte fronde contre les outils de codage par IA en 2026. Le 25 avril, Hogan a écrit : "Tous les meilleurs programmeurs que je connais recommencent à écrire du code à la main." Le tweet a accumulé 419 000 vues en six heures, et quatre heures plus tard, le PDG de Linear a publié une thèse similaire qui a attiré 126 000 vues supplémentaires. Le lendemain matin, X faisait grimper en tendance le sujet "Top Developers Returning to Hand-Writing Code Over AI Tools" avec plus de 5 700 publications et 6 000 réactions toujours en hausse.

Points clés

• Le tweet de Sam Hogan le 25 avril 2026 a atteint 419 000 vues en six heures et a déclenché une tendance X autour du codage manuel.
• Le PDG de Linear a publiquement repris la thèse quatre heures plus tard, ajoutant un poids institutionnel à la fronde.
• La tendance répond à Kyle Daigle, COO de GitHub, qui affirmait que les jours du code tapé à la main "filent rapidement vers le passé."
• Une enquête du MIT Technology Review montre que le code généré par IA est verbeux, truffé de copier-coller, et 2,2 fois plus volumineux que le code humain.
• La taille des pull requests a crû de 33 pour cent en 2025 ; les lignes de code par développeur sont passées de 4 450 à 7 839.
• Une étude METR a révélé que les développeurs croyaient gagner 20 pour cent de vitesse avec l'IA, alors que les tests objectifs montraient une perte de 19 pour cent.

L'étincelle

Le cadrage de Hogan a touché un nerf parce qu'il inversait le récit dominant de 2026. Anthropic a déclaré que 70 à 90 pour cent de son code interne est généré par IA, et Boris Cherny, qui dirige Claude Code, n'a pas édité une ligne à la main depuis novembre 2025. Andrej Karpathy a qualifié son propre flux de travail depuis décembre d'essentiellement supervisoire. Sur cette toile de fond, l'affirmation de Hogan selon laquelle l'élite des ingénieurs revient au codage manuel s'est lue comme une révolte feutrée.

Les réponses se sont fortement divisées. Un camp a parlé d'un problème de compétence et a pointé l'usage massif de l'IA chez Google et Anthropic. Un autre a reconnu que l'IA fonctionne pour les prototypes et les petites tâches, mais échoue sur les systèmes pérennes où la propriété du code et les modèles mentaux comptent. Le cadrage qui a le plus circulé venait de développeurs se plaignant que les agents IA produisent du code plausible qui passe les tests aujourd'hui et devient discrètement un passif demain.

Les données derrière la fronde

La tendance s'aligne avec les conclusions de l'enquête du MIT Technology Review de décembre 2025 et d'une analyse complémentaire de Greptile publiée en avril 2026. Le code généré par IA grossit, il ne s'améliore pas. Les lignes de code par développeur sont passées de 4 450 à 7 839 sur 2025. La taille moyenne des pull requests a crû de 33 pour cent entre mars et novembre, montant de 57 à 76 lignes modifiées. Les modifications de fichiers individuels sont devenues 20 pour cent plus volumineuses et plus denses. GitClear a signalé une forte hausse du code copié-collé depuis 2022, et plus de 90 pour cent des problèmes trouvés dans le code généré par IA sont désormais classés comme "code smells" plutôt que comme bugs fonctionnels.

Une étude METR très citée a comparé l'auto-perception des développeurs et la mesure objective. Les ingénieurs utilisant des outils de codage IA pensaient être 20 pour cent plus rapides. Le chronométrage a montré qu'ils étaient 19 pour cent plus lents. Mike Judge, de Substantial, a reproduit le résultat sur ses propres benchmarks et a décrit les assistants IA comme "myopes," incapables de regarder autre chose que ce qui est juste devant eux.

Le contre-discours

Tous les développeurs n'achètent pas la fronde. Trevor Dilley, de Twenty20 Ideas, rapporte que Claude Code a terminé en deux minutes une tâche prévue pour quatre heures, avec une qualité de code qu'il a jugée supérieure à la sienne. Coinbase a indiqué à ses équipes que les tâches simples — restructuration, échafaudages de tests — atteignent jusqu'à 90 pour cent d'accélération, même si les travaux complexes ne donnent que des gains modestes. Kyle Daigle, COO de GitHub, a déclaré aux développeurs en mars que le code tapé à la main est une compétence en voie de disparition : "ces jours-là filent rapidement vers le passé."

Le juste milieu honnête est exprimé par Luciano Nooijen, du Companion Group, qui a confié au MIT Technology Review : "Je me sentais stupide parce que des choses qui relevaient de l'instinct devenaient manuelles." Le grief n'est pas que l'IA échoue. Le grief est qu'elle vide le métier et transforme les ingénieurs en relecteurs passifs d'un code qu'ils n'ont pas écrit.

Pourquoi c'est important

Pour les équipes en activité, la tendance signale une correction de cap plutôt qu'un revirement complet. Personne dans le fil du trend n'a plaidé pour abandonner totalement les outils IA. Le débat porte sur les zones où l'IA aide et celles où elle nuit. Prototypes, scripts, échafaudages et outils ponctuels continuent d'être délégués. Le code de production pérenne, les chemins critiques en performance et les systèmes structurants sur le plan architectural sont de plus en plus maintenus sous une paternité humaine directe, pour la maintenabilité et la propriété.

Cela colle parfaitement aux données. Les pannes augmentent régulièrement depuis 2022. La duplication de code est en hausse dans le secteur. Le volume produit par les développeurs juniors sature la capacité des relecteurs seniors dans plusieurs entreprises. Le retour au codage manuel est moins un rejet de l'IA qu'une reconnaissance que la vitesse sans propriété crée de la dette technique plus vite qu'elle ne livre des fonctionnalités.

Contexte

La fronde se construisait depuis des mois. Karpathy a noté en mars que les agents IA sont "très enclins à copier-coller des blocs de code" et tendent à "gonfler les abstractions." Greptile a publié en avril une thèse arguant que la pression économique poussera les modèles d'IA vers des sorties plus simples et plus maintenables, parce que le code complexe coûte plus de tokens à générer et à modifier. Mike Mason a écrit sur "le code que vous ne lisez pas" comme une catégorie de risque : du code généré par IA livré sans que personne ne le comprenne pleinement.

Le tweet de Hogan n'a pas inventé ces arguments. Il les a compressés en neuf mots et a donné aux sceptiques un drapeau autour duquel se rallier.

La suite

Attendons-nous à ce que les éditeurs d'IA réagissent. Anthropic, OpenAI et Cursor livrent déjà des fonctions de revue par agents et de curation de code qui présentent la supervision humaine comme leur facteur différenciant. Attendons-nous aussi à ce que les responsables d'ingénierie publient des politiques formelles "où nous utilisons l'IA et où nous ne l'utilisons pas" au cours du prochain trimestre. Et attendons-nous à une tendance plus discrète sous les gros titres : des filtres de recrutement testant la capacité à lire, refactoriser et s'approprier du code que vous n'avez pas écrit à l'origine, qu'un humain ou un agent en ait pondu la première version.

Source : X (Sam Hogan) — contexte additionnel : MIT Technology Review, Greptile Blog