Chez Meta, Zuckerberg veut une IA au niveau d’un ingénieur intermédiaire dès 2025

Mark Zuckerberg imagine un avenir très proche dans lequel l’intelligence artificielle ne se contenterait plus d’assister les programmeurs : elle pourrait accomplir le travail d’un ingénieur logiciel de niveau intermédiaire. Dans une interview publiée en janvier 2025, le patron de Meta a avancé l’échéance de 2025 pour voir apparaître, chez son groupe comme chez d’autres entreprises technologiques, une IA capable de remplir ce rôle.

La formule est forte, mais elle mérite d’être précisément comprise. Elle ne signifie pas que Meta a annoncé le licenciement imminent de tous ses développeurs intermédiaires, ni que l’entreprise a démontré qu’un agent autonome pouvait aujourd’hui concevoir, livrer et maintenir seul un produit logiciel complexe. Zuckerberg expose plutôt une trajectoire : investir massivement pour que des systèmes d’IA puissent produire une part grandissante du travail de programmation, d’abord aux côtés des équipes humaines, puis avec davantage d’autonomie.

Ce que Mark Zuckerberg a réellement annoncé

Dans cet entretien, Mark Zuckerberg a déclaré qu’il était « probablement » possible qu’en 2025, Meta et d’autres entreprises possèdent une IA capable d’être « effectivement un ingénieur de niveau intermédiaire », c’est-à-dire un système apte à écrire du code. Il a ajouté qu’à terme, une grande partie du code des applications de Meta, y compris celui de ses produits d’intelligence artificielle, pourrait être générée par l’IA plutôt que par des ingénieurs humains.

Cette vision s’inscrit dans une stratégie plus large. Meta développe ses propres modèles d’IA, notamment la famille Llama, et investit dans les infrastructures de calcul nécessaires à leur entraînement et à leur déploiement. Pour une plateforme qui exploite des applications utilisées à très grande échelle, automatiser une partie du développement logiciel peut représenter un gain de vitesse et de productivité considérable.

Le mot important est toutefois « à terme ». L’horizon évoqué par le dirigeant combine deux idées différentes : l’arrivée prochaine d’outils suffisamment compétents pour réaliser des tâches de niveau intermédiaire, puis une transformation beaucoup plus profonde de la manière dont le code est produit chez Meta. Entre ces deux étapes, il reste de nombreuses questions techniques et organisationnelles.

Qu’est-ce qu’un ingénieur logiciel de niveau intermédiaire ?

Dans les entreprises technologiques, un ingénieur de niveau intermédiaire se situe généralement entre le profil débutant, encore très encadré, et l’ingénieur senior, qui porte des choix techniques structurants. Il sait développer des fonctionnalités, corriger des anomalies, comprendre une base de code existante et collaborer avec d’autres métiers, comme le produit, le design ou la sécurité.

Une IA capable d’atteindre ce niveau ne serait donc pas seulement un outil de saisie automatique. Elle devrait pouvoir lire des consignes, rechercher les fichiers pertinents dans un projet, proposer des modifications cohérentes, lancer des tests et tenir compte des contraintes déjà présentes dans le logiciel. Les assistants de programmation fondés sur les grands modèles de langage savent déjà générer des fonctions, expliquer du code ou suggérer des corrections. Le défi consiste à les rendre fiables sur des tâches plus longues et plus interconnectées.

Écrire du code n’est en effet qu’une partie du métier. Dans un environnement réel, il faut aussi interpréter un besoin parfois imprécis, arbitrer entre plusieurs solutions, protéger les données, anticiper les pannes, respecter des délais et dialoguer avec les collègues. Plus l’IA intervient sur un système important, plus une erreur de raisonnement, une mauvaise compréhension du contexte ou une faille de sécurité peut avoir des conséquences coûteuses.

Pourquoi l’IA peut accélérer le travail de programmation

Le développement logiciel est particulièrement propice à l’automatisation partielle. Le code est un langage formel, abondamment documenté dans des dépôts publics et privés, et il peut souvent être vérifié à l’aide de tests automatisés. Les modèles de langage peuvent apprendre les structures répétitives de nombreux langages de programmation et s’appuyer sur le contexte fourni par un développeur.

Dans la pratique, une IA peut déjà aider à :

• générer l’ébauche d’une fonction ou d’une interface ;
• expliquer un morceau de code ancien ou complexe ;
• produire des tests unitaires ;
• repérer certaines incohérences et suggérer un correctif ;
• convertir une instruction exprimée en langage courant en code exploitable.

Ces usages peuvent faire gagner du temps, notamment sur les tâches répétitives. Ils peuvent aussi faciliter l’accès à une technologie inconnue ou accélérer le prototypage. Mais ils déplacent une partie du travail vers la formulation de bonnes demandes, l’examen critique des réponses et l’intégration des changements dans une architecture existante.

La promesse de Meta va au-delà de l’assistance ponctuelle. Zuckerberg envisage une IA qui deviendrait une sorte de collaborateur de production. Si cette ambition se concrétise, une équipe pourrait confier à des agents logiciels un ensemble de tâches bien définies, puis laisser des ingénieurs vérifier le résultat, résoudre les cas délicats et décider des orientations du produit.

Remplacement, assistance ou transformation des métiers ?

Le titre d’un remplacement des ingénieurs peut laisser penser à une substitution directe entre une personne et une machine. La réalité sera probablement plus graduelle. Une entreprise peut automatiser certaines tâches sans éliminer instantanément les postes correspondants. Elle peut aussi produire davantage de logiciels avec des effectifs semblables, redéployer ses équipes vers de nouveaux projets ou relever ses exigences de productivité.

Pour les développeurs débutants et intermédiaires, la question est particulièrement sensible. Une part des premières années de carrière consiste traditionnellement à apprendre en réalisant des tâches relativement circonscrites : corriger des bugs, développer de petites fonctionnalités, rédiger des tests ou intervenir sur des composants bien délimités. Ce sont aussi les missions que les outils d’IA peuvent le plus facilement accélérer.

Le risque n’est donc pas uniquement une baisse du nombre de postes. Il concerne également l’accès aux parcours qui permettent de devenir senior. Si les tâches d’apprentissage sont absorbées par des systèmes automatisés, les entreprises devront trouver d’autres façons de former les nouveaux entrants, d’évaluer leur progression et de leur donner l’expérience nécessaire pour prendre de meilleures décisions techniques.

À l’inverse, les compétences humaines ne disparaissent pas parce qu’un modèle génère du code. Elles peuvent même devenir plus visibles : comprendre les besoins d’un utilisateur, définir les priorités, relier les choix techniques aux objectifs de l’entreprise, gérer un incident, négocier des compromis ou assumer la responsabilité d’une mise en production. L’IA peut réduire le temps consacré à certaines opérations, mais elle ne supprime pas la nécessité de décider ce qui doit être construit et selon quelles règles.

Une annonce dans un moment de réorganisation chez Meta

Les propos de Mark Zuckerberg surviennent dans une période de changements plus larges chez Meta. Le groupe a annoncé, le 7 janvier 2025, qu’il mettrait fin à son programme de vérification des faits par des tiers aux États-Unis, pour le remplacer par un système de notes communautaires. L’entreprise a présenté cette évolution comme un moyen de privilégier davantage l’expression et de réduire ce qu’elle considère comme des erreurs de modération.

Cette décision a suscité l’inquiétude d’organisations spécialisées dans la vérification de l’information. Elles redoutent une dégradation de la qualité de l’information disponible sur les plateformes et une plus grande circulation de contenus trompeurs. La modération des contenus, comme le développement logiciel, illustre un enjeu commun : lorsqu’une organisation modifie le rôle confié aux humains et aux systèmes automatisés, elle doit aussi expliciter ses mécanismes de contrôle et de responsabilité.

Meta a également réduit ses initiatives liées à la diversité, l’équité et l’inclusion, souvent désignées par l’acronyme DEI. Selon un mémo interne relayé par la presse, l’entreprise ne conserverait plus d’équipe spécifiquement dédiée à ces sujets. Ces décisions, prises simultanément à la montée en puissance de l’IA dans la stratégie du groupe, nourrissent les interrogations sur les priorités de Meta en matière de ressources humaines et de gouvernance.

Des groupes d’activistes ont exprimé leur opposition à cette orientation dans une lettre ouverte. Au-delà de Meta, le débat porte sur la capacité des entreprises technologiques à déployer rapidement l’automatisation tout en préservant des conditions de travail équitables, des équipes diverses et des dispositifs de contrôle crédibles.

La fiabilité du code généré reste un enjeu décisif

L’adoption de l’IA dans la programmation ne se mesurera pas seulement au nombre de lignes de code produites. Le véritable critère sera la capacité des organisations à maintenir la qualité, la sécurité et la compréhension de leurs logiciels. Un programme qui fonctionne dans une démonstration peut échouer dans un produit utilisé par des millions de personnes, notamment s’il doit interagir avec des données personnelles, des systèmes de paiement ou des infrastructures critiques.

Les modèles génératifs peuvent proposer des solutions plausibles mais incorrectes. Ils peuvent aussi reproduire des erreurs contenues dans leurs données d’entraînement, suggérer des bibliothèques inadaptées ou négliger les spécificités d’un environnement de production. C’est pourquoi l’usage professionnel du code généré suppose des tests, des revues de code, des règles de sécurité et des personnes capables de détecter les anomalies.

Pour Meta, qui exploite des réseaux sociaux, des services de messagerie et des produits d’IA, cet enjeu est particulièrement concret. L’entreprise devra concilier le souhait d’accélérer la production avec la nécessité de protéger les utilisateurs et de préserver la stabilité de services massivement utilisés. Une IA qui contribuerait au code de produits d’IA ajouterait aussi une couche de complexité : les équipes humaines devraient être en mesure d’auditer les résultats produits par les systèmes qu’elles déploient.

Ce qu’il faut surveiller en 2025

La première question sera celle de la preuve. Meta présentera-t-elle des outils internes capables de prendre en charge des tâches de développement de bout en bout, ou l’IA restera-t-elle principalement un assistant puissant sous supervision humaine ? Les démonstrations devront être distinguées des usages réels sur des logiciels complexes et durables.

Il faudra ensuite observer les effets sur l’organisation du travail. L’intelligence artificielle peut conduire à réviser les méthodes de recrutement, les formations internes et la répartition des responsabilités. Les entreprises qui voudront exploiter ces outils devront aussi éviter de fragiliser la transmission des compétences vers les ingénieurs les moins expérimentés.

Enfin, le débat dépassera Meta. Les grandes entreprises du secteur investissent toutes dans l’IA générative et dans les capacités de calcul qui la rendent possible. La déclaration de Zuckerberg cristallise une tendance : le logiciel devient à la fois le produit de l’IA et l’un de ses terrains d’application les plus immédiats. Reste à savoir si cette transformation donnera surtout aux ingénieurs de nouveaux leviers, ou si elle réduira durablement les opportunités d’entrée et d’évolution dans la profession.