Responsabilité des navires
90Quelqu'un doit être responsable en cas d'interruption de production, de fuite de données en cas de faille de sécurité ou de décision préjudiciable d'un système. Un modèle ne peut pas assumer cette responsabilité.
Ingénieur logiciel · Écrit, teste et maintient le code qui gère la vie moderne – et est l’une des premières professions à voir l’IA automatiser son propre travail quotidien.
Plus la case est foncee, plus le score de cet indicateur est eleve.
MoinsPlus
Derniere relecture Sources et creditsCrédits médiasMéthodologie
La plupart des journées sont consacrées à l'écriture de nouveau code, à la lecture du code d'autres personnes lors de la révision, à la correction de bugs et à la discussion avec les coéquipiers de ce qu'il faut construire ensuite. Les réunions, la planification et le mentorat prennent plus de temps que ce que pensent les nouveaux arrivants. Un ingénieur senior écrit souvent moins de code personnellement qu’un ingénieur junior, consacrant plus de temps aux décisions de conception, aux révisions et au déblocage des autres.
Non, mais cela reste l’itinéraire le plus courant et avec le moins de frictions. Un diplôme de quatre ans enseigne les algorithmes, les structures de données et les concepts de systèmes qui coûtent cher à apprendre sur le tas. Les diplômés du Bootcamp et les ingénieurs autodidactes sont embauchés, en particulier par les petites entreprises, mais ont généralement besoin d'un solide portefeuille ou d'un travail open source pour remplacer leurs diplômes.
Certaines parties le sont déjà. Les outils intégrés aux éditeurs de code modernes écrivent désormais une grande partie du code de routine (type passe-partout, tests préliminaires, traductions entre langues) pour les ingénieurs qui les utilisent régulièrement. Ce qui est beaucoup plus difficile à automatiser, c'est de décider quoi construire, pourquoi et comment un système doit être façonné pour qu'il survive au contact avec des utilisateurs réels et à l'échec.
Cela varie énormément selon les pays et les entreprises. Aux États-Unis, la médiane est d'environ 133 000 dollars par an ; en Allemagne, environ 69 000 € ; en Inde, où le secteur emploie le plus de personnes, la moyenne nationale est plus proche de 900 000 ₹. Les ingénieurs seniors et employés des grandes entreprises technologiques peuvent gagner plusieurs fois la médiane nationale une fois la rémunération en actions incluse.
En pratique, peu de choses : les titres se chevauchent et les entreprises les utilisent de manière incohérente. « Programmeur » est le terme le plus ancien et met l'accent sur l'écriture de code ; « développeur » est courant dans les entreprises Web et de produits ; « ingénieur logiciel » s'appuie sur l'idée d'appliquer des processus, des tests et une conception disciplinés, empruntés à des domaines d'ingénierie plus anciens, à la création de logiciels. Les descriptions de poste les distinguent rarement de manière cohérente.
Dans la plupart des entreprises technologiques établies, oui : un entretien technique en direct ou à emporter, impliquant souvent des problèmes d'algorithme sur un document partagé ou un tableau blanc, reste le filtre standard, aux côtés d'un cycle de conception de système pour les postes plus élevés. Les petites entreprises et les startups sont plus susceptibles de remplacer un projet d'essai payant, une revue de portefeuille ou une conversation sur des travaux antérieurs.
Le génie logiciel est l'une des premières professions de ce site à ressentir directement l'automatisation des modèles de grand langage, car sa matière première - un texte qui suit des règles strictes - est exactement ce pour quoi ces modèles ont été conçus. Les outils qui écrivent, complètent et révisent le code font déjà partie du flux de travail quotidien de la plupart des ingénieurs professionnels, et ne constituent pas un scénario futur.
Cela ne rend pas le travail obsolète ; cela rend la partie précieuse du travail plus étroite et plus concentrée. Les sections ci-dessous séparent ce qui est déjà automatisé de ce qui s'est jusqu'à présent avéré beaucoup plus difficile à transmettre à un modèle.
Une grande partie du code qu'un ingénieur saisit au cours d'une semaine donnée (type passe-partout, tests de première ébauche, traductions de routine) est déjà relativement rapide à produire pour un modèle de langage. Ce qui reste difficile à automatiser, c'est de décider ce qui doit être construit, de détecter dans quelle mesure un changement apparemment plausible peut être subtilement erroné et d'être responsable en cas d'échec en production.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Quelqu'un doit être responsable en cas d'interruption de production, de fuite de données en cas de faille de sécurité ou de décision préjudiciable d'un système. Un modèle ne peut pas assumer cette responsabilité.
Transformer une vague demande commerciale en un plan précis et réalisable nécessite encore de poser les bonnes questions à des personnes qui, souvent, ne savent pas encore ce qu'elles veulent.
Décider comment des dizaines de services, d'équipes et de magasins de données doivent s'articuler, et vivre avec cette décision pendant des années, est une compétence différente de celle d'écrire une seule fonction.
Les nouveaux incidents de production – ceux sans message de forum ou exemple de formation correspondant – nécessitent toujours une formation humaine et des hypothèses testées sous pression.
Décider quelle équipe absorbe le coût d’un raccourci, ou lequel de deux délais contradictoires ne respecte pas, relève à la fois d’un jugement politique et technique.
Il est désormais souvent plus rapide de générer et de vérifier des modèles bien compris (points de terminaison CRUD, validation de formulaire, configuration standard) que de les saisir manuellement.
Les assistants peuvent lire une fonction et produire rapidement un ensemble plausible de cas de test, même si quelqu'un doit encore juger s'il teste les bonnes choses.
Le style, la dénomination et les commentaires sur les bogues évidents sur une pull request sont de plus en plus laissés aux linters automatisés et aux réviseurs IA, libérant ainsi les réviseurs humains pour les commentaires au niveau de la conception.
La traduction d'une fonction ou d'un petit module d'un langage ou d'un framework à un autre est une tâche de correspondance de modèles pour laquelle les modèles de langage sont déjà assez fiables.
Une part croissante de la journée d'un ingénieur est consacrée à lire, tester et corriger le code d'un modèle proposé plutôt que de composer chaque ligne à partir d'un fichier vierge.
Les équipes qui avaient autrefois besoin de plusieurs ingénieurs pour couvrir un domaine de produit en attendent de plus en plus un ou deux, s'appuyant sur des outils d'IA pour combler l'écart qui en résulte en matière de production brute.
Rédiger une description sans ambiguïté de ce qu'un système devrait faire – autrefois laissée implicite dans la tête d'un ingénieur senior – est désormais une compétence qui mérite d'être enseignée directement.
Étant donné que le code généré peut sembler correct tout en étant subtilement erroné, la discipline des tests, la révision et la surveillance du code gagnent en importance par rapport à la production de code brut.
Construit et peaufine les modèles eux-mêmes plutôt que les applications qui les entourent ; recoupe fortement le génie logiciel traditionnel mais s'appuie davantage sur les statistiques.
Conçoit les structures de récupération, d'outillage et d'invite qui rendent une fonctionnalité basée sur LLM suffisamment fiable pour être livrée, une discipline qui existait à peine avant le début des années 2020.
Teste les modèles et le code écrit par l'IA pour détecter les failles de sécurité, les biais et les modes de défaillance avant qu'ils n'atteignent la production, une spécialisation émergente au sein des grandes équipes de sécurité.
Il existait déjà, mais il gagne en importance relative en tant qu'humain responsable des systèmes qui écrivent, testent et même se déploient de plus en plus eux-mêmes.
Trois lentilles reversibles: augmenter, remplacer une tranche, ou ouvrir une niche. Pedagogique, pas une prevision.
Le role reste; l IA accelere brouillons ou recherche; le jugement reste humain.
Un paquet etroit de taches peut se comprimer d abord tandis que le craft adjacent croit.
Supervision et integration peuvent apparaitre la ou la sortie IA doit etre fiable.
Le génie logiciel continuera très probablement à bien payer et à rester très demandé au cours de la prochaine décennie, mais la forme d'un emploi de débutant est déjà en train de changer : moins de rôles existeront uniquement pour produire du code de routine, et davantage d'ingénieurs juniors attendront qu'un ingénieur junior examine, teste et assume presque immédiatement la responsabilité du travail généré par l'IA.
L'avantage reviendra de plus en plus aux ingénieurs qui peuvent formuler clairement les problèmes, raisonner sur les systèmes dans leur ensemble et comprendre ce qui se passe mal avec une suggestion courante mais erronée - le même jugement qui comptait avant les grands modèles de langage, désormais appliqué plus rapidement et à plus grande échelle.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Détecte des régularités et construit des modèles prédictifs à partir de données — un intitulé de poste né en 2008, fondé sur trois siècles de comptage, de tests et de visualisation des preuves.
AI-resistant 38 📦Construit les systèmes qui entraînent, déploient, surveillent et gouvernent les modèles d'apprentissage automatique en production.
AI-resistant 54 🗺️Décide ce que l'entreprise doit construire ensuite, et pourquoi — en transformant les besoins clients, les objectifs business et les contraintes techniques en un plan partagé que personne d'autre ne possède vraiment.
AI-resistant 50 🔐Protège les systèmes, les données et les personnes en trouvant, prévenant et répondant aux attaques numériques.
AI-resistant 63 🌿Dirige la stratégie, la mesure et le reporting qui aident les organisations à réduire les dommages environnementaux et sociaux tout en respectant leurs obligations commerciales.
AI-resistant 66 🧾Le gardien des livres : héritier d'un métier si ancien qu'il a inventé l'écriture, négociant aujourd'hui avec les logiciels conçus pour l'automatiser.
AI-resistant 35Conçoit et teste les algorithmes derrière l'intelligence artificielle, dans un domaine qui s'efforce désormais d'automatiser une part croissante de son propre processus de recherche.
AI-resistant 50 🛰️Conçoit, analyse et certifie les avions, les fusées et les engins spatiaux qui quittent le sol, en respectant des marges de sécurité qui ne laissent aucune place aux suppositions.
AI-resistant 74 🌉Le métier qui transforme les rivières, les roches et la gravité en ponts, en routes et en eau potable – le métier tranquille et porteur de la civilisation depuis Imhotep.
AI-resistant 72 🔌Conçoit et fabrique les transistors à l'intérieur de chaque ordinateur, téléphone et système d'armes, avec des machines si précises que seules quelques usines sur Terre peuvent les faire tourner.
AI-resistant 60 🦾Conçoit les machines qui perçoivent, décident et agissent dans le monde physique — où le vrai défi n'a jamais été l'intelligence, mais le monde lui-même.
AI-resistant 65 🔐Protège les systèmes, les données et les personnes en trouvant, prévenant et répondant aux attaques numériques.
AI-resistant 63 📦Construit les systèmes qui entraînent, déploient, surveillent et gouvernent les modèles d'apprentissage automatique en production.
AI-resistant 54 🌬️Conçoit, construit et améliore les systèmes éoliens, solaires, de stockage et de réseau qui transforment les ressources renouvelables en électricité fiable.
AI-resistant 72