Paradoxe de Jevons : code moins cher = plus de demande logicielle

Quand la gratuité crée l'abondance : le retour d'un paradoxe vieux de 150 ans

En 1865, l'économiste britannique William Stanley Jevons observait quelque chose d'apparemment contre-intuitif : l'amélioration de l'efficacité des machines à vapeur, loin de réduire la consommation de charbon, l'avait considérablement augmentée. Plus une ressource devenait accessible et bon marché à utiliser, plus la demande explosait. Ce paradoxe, resté dans les livres d'histoire économique pendant un siècle et demi, est en train de se rejouer sous nos yeux — non pas avec du charbon, mais avec du code logiciel.

L'intelligence artificielle générative rend la production de code spectaculairement moins chère. Des applications complètes sont déployées en quelques minutes, des migrations massives de bases de code sont automatisées par des usines logicielles entières. C'est précisément ce que Didier Girard et Marie Crappe ont illustré lors du TechRocks Summit 2025, parlant d'une véritable rupture de vélocité. Mais voici le paradoxe : cette réduction du coût de production ne diminue pas la demande de développeurs. Elle la transforme — et l'amplifie.

Pour les entreprises qui accompagnent leurs clients dans cette transformation, comme SFEIR le fait au quotidien avec ses 850 consultants spécialisés en IA, Cloud et Data, comprendre ce mécanisme n'est pas une curiosité intellectuelle. C'est une question stratégique urgente.

La rupture de vélocité : quand le code devient une commodité

Il y a encore trois ans, générer une API fonctionnelle, rédiger des tests unitaires complets ou migrer un projet d'un framework vers un autre représentait des semaines de travail. Aujourd'hui, ces tâches se comptent en heures, voire en minutes. Ce n'est pas de l'hyperbole marketing : c'est une réalité opérationnelle documentée lors de nombreuses conférences techniques, et notamment au TechRocks Summit 2025 où Quentin Pleplu a démontré concrètement comment des migrations de code massives peuvent être automatisées par des usines logicielles pilotées par l'IA.

Cette compression du temps de production s'explique par plusieurs mécanismes convergents :

• La complétion intelligente qui anticipe l'intention du développeur bien au-delà de l'autocomplétion syntaxique classique
• La génération de tests automatisée qui réduit drastiquement le coût de la couverture qualité
• Les agents de refactoring capables de comprendre et transformer des bases de code entières en appliquant des patterns cohérents
• Le Model Context Protocol (MCP), présenté par Guillaume Laforge au TechRocks Summit, qui standardise la manière dont les agents IA interagissent avec les outils de développement et les systèmes existants

Le résultat ? Le code, en tant que production mécanique — écrire des boucles, implémenter des patterns connus, traduire une spécification fonctionnelle en instructions — tend vers la commodité. Sa valeur unitaire diminue. Et c'est précisément là que le paradoxe de Jevons entre en scène.

Le paradoxe à l'œuvre : moins cher ne signifie pas moins de demande

Si produire du code coûte dix fois moins cher qu'avant, on pourrait naïvement conclure que les entreprises auront besoin de dix fois moins de développeurs. L'histoire économique — et l'observation du marché actuel — suggère exactement l'inverse.

Lorsqu'une ressource devient moins chère, trois phénomènes se produisent simultanément :

1. L'effet de substitution : on remplace d'autres ressources par la ressource devenue moins chère (des non-développeurs commencent à produire du code)
2. L'effet de volume : on en consomme davantage car le coût marginal a chuté (des projets autrefois jugés trop coûteux deviennent viables)
3. L'effet d'émergence : de nouveaux besoins apparaissent, qui n'existaient pas avant car ils semblaient hors de portée

Dans le domaine logiciel, cela se traduit concrètement par une explosion du nombre de produits à construire, de fonctionnalités à développer, d'intégrations à réaliser. Des PME qui n'auraient jamais envisagé de développer un outil interne sur mesure commencent à le faire. Des équipes métier qui attendaient six mois une feature prioritaire peuvent désormais en co-construire une version en quelques jours. Des startups lancent des MVP en semaines là où il fallait des trimestres.

Charles Gorintin l'a formulé de manière particulièrement lucide au TechRocks Summit : "Le code devient une commodité, la valeur se réfugie dans l'intention et le contrôle." Autrement dit, ce n'est pas la capacité à produire des lignes de code qui différencie désormais, c'est la capacité à décider quoi construire, pourquoi, et comment s'assurer que cela fonctionne vraiment.

L'émergence du Product Engineer : une mutation profonde du métier

Face à cette réalité, un nouveau profil s'impose comme la figure centrale de l'ère post-commodité du code : le Product Engineer. Ni pur développeur, ni product manager classique, ce profil hybride incarne précisément le déplacement de valeur décrit par le paradoxe de Jevons.

Patrick Debois et Arthur Magne ont articulé cette transformation au TechRocks Summit avec une formule qui mérite d'être retenue : le développeur de demain n'est plus quelqu'un qui "pisse du code", mais un "architecte de contexte et de spécifications". Cette formulation n'est pas anodine. Elle signale que la compétence critique se déplace de l'exécution vers la définition.

Concrètement, le Product Engineer maîtrise :

• La pensée produit : comprendre les besoins utilisateurs, prioriser, définir ce qui crée vraiment de la valeur
• Le context engineering : savoir structurer l'information, les contraintes et les intentions de manière à ce que les agents IA produisent des résultats pertinents et fiables
• L'architecture système : concevoir des systèmes qui restent cohérents, maintenables et évolutifs même quand une partie du code est générée automatiquement
• Le contrôle qualité augmenté : savoir évaluer, valider et orienter la production IA plutôt que de simplement l'accepter
• La collaboration homme-machine : orchestrer efficacement des agents spécialisés pour atteindre des objectifs complexes

Ce profil n'est pas une version dégradée du développeur. C'est une version élargie, dont la surface de responsabilité s'étend considérablement. Et c'est précisément pour cette raison que la demande pour ces profils augmente, même — et surtout — quand le coût de production du code diminue.

L'amplification IA : la puissance ne supprime pas le besoin de rigueur humaine

Le concept d'amplification IA est peut-être l'un des plus importants pour comprendre pourquoi le paradoxe de Jevons s'applique si bien au logiciel. L'IA n'est pas un substitut à l'intelligence humaine dans le développement logiciel : c'est un amplificateur. Et comme tout amplificateur, elle amplifie aussi bien les forces que les faiblesses.

C'est le message central qu'a porté Céline Thooris au TechRocks Summit : "L'IA est aveugle sans un 'jumeau numérique' de l'entreprise et des métadonnées propres. Sans structure, les agents échouent." Cette observation est fondamentale. Une IA qui génère du code à partir de spécifications floues ou de contexte mal structuré ne produira pas du code médiocre — elle produira du code confiant et faux, ce qui est bien plus dangereux.

Paradoxalement, l'automatisation par l'IA exige plus de rigueur humaine, pas moins. Voici pourquoi :

• Les agents IA ont besoin d'un contexte explicite et structuré que les humains communiquaient souvent implicitement entre eux
• La vitesse de génération amplifie le coût des erreurs en amont : une mauvaise spécification peut générer des centaines de fichiers incorrects en quelques secondes
• La maintenance du code généré nécessite de comprendre l'intention originale, ce qui suppose une documentation soignée
• L'orchestration de plusieurs agents spécialisés exige une vision architecturale claire pour éviter les incohérences

Arnaud Guérin a d'ailleurs alerté sur un risque organisationnel concret lors du Summit : l'accumulation de POCs sans impact réel, ce qu'il appelle le "POC-isme". Des dizaines d'expérimentations IA lancées en parallèle, sans rigueur de déploiement ni objectif de ROI mesurable, constituent un piège coûteux. L'amplification IA sans structure produit de l'entropie, pas de la valeur.

Chez SFEIR, nous observons cette dynamique chez nos clients : les équipes qui tirent le plus de valeur des outils d'assistance au développement sont celles qui ont investi dans la qualité de leur documentation, la cohérence de leurs conventions architecturales, et la clarté de leurs processus de validation. L'IA amplifie leur rigueur existante. Pour les équipes moins structurées, l'adoption précipitée de ces outils crée davantage de dette technique qu'elle n'en élimine.

Les nouveaux risques d'un monde où le code est bon marché

Le paradoxe de Jevons a aussi une face sombre. L'explosion de la quantité de logiciel produit crée de nouveaux vecteurs de risque, et le TechRocks Summit 2025 n'a pas esquivé ce sujet.

La menace sécuritaire industrialisée

Julien Mangeard et Marc Marchal de Corny ont montré que si l'IA permet d'industrialiser la production de code légitime, elle permet aussi d'industrialiser la production de code malveillant. Les attaquants utilisent les mêmes outils pour automatiser la fraude, créer des deepfakes convaincants et générer des variantes de malwares à une vitesse inédite. Les méthodes de défense classiques, fondées sur la reconnaissance de patterns connus, deviennent rapidement obsolètes face à cette industrialisation de la menace.

Le risque cognitif de la délégation

Laurence Devillers a soulevé une question plus profonde encore : celle de notre rapport à la réflexion critique. En déléguant de plus en plus notre "Système 2" — le mode de pensée lent, analytique, délibératif — à des machines probabilistes, nous risquons d'éroder notre propre compétence de raisonnement. Un développeur qui valide mécaniquement le code généré sans le comprendre ne se forme plus. Il consomme une compétence sans la cultiver.

Pour les organisations, cela pose une question concrète de gestion des compétences : comment s'assurer que l'amplification IA ne crée pas une dépendance qui affaiblit les équipes sur le long terme ?

L'enjeu de la souveraineté technologique

Enfin, Asma Mhalla a rappelé avec force que derrière la question technique se joue une question géopolitique. L'infrastructure IA sur laquelle repose cette explosion de production logicielle est massivement concentrée entre quelques acteurs américains et chinois. Pour l'Europe, et pour les entreprises françaises, la question de la souveraineté — sur les modèles, sur les données, sur les infrastructures — n'est pas une préoccupation accessoire. Elle conditionne la pérennité même de la valeur créée.

Comment naviguer ce paradoxe : les leviers stratégiques

Comprendre le paradoxe de Jevons appliqué au logiciel permet de dégager une feuille de route claire pour les organisations qui veulent en tirer parti sans en subir les effets pervers.

Investir dans le Context Engineering avant d'investir dans les outils

La recommandation du TechRocks Summit est unanime : cessez de chercher le modèle magique et concentrez-vous sur vos données et votre documentation. Le Context Engineering — cette discipline qui consiste à structurer l'information pour qu'elle soit exploitable par des agents IA — est le vrai différenciateur compétitif. Cela implique de recruter des profils capables de penser en termes d'architecture de l'information, de former les équipes à rédiger de la documentation structurée (en Markdown notamment), et de traiter cette documentation comme du code : versionnée, maintenue, testée.

Former des Product Engineers, pas seulement des utilisateurs d'IA

La réponse organisationnelle au paradoxe de Jevons n'est pas de réduire les effectifs techniques parce que le code coûte moins cher à produire. C'est d'élever le niveau d'ambition de ce que ces effectifs construisent. Des développeurs qui maîtrisent le context engineering, l'architecture de systèmes agentiques et la pensée produit peuvent délivrer une valeur sans commune mesure avec leur homologue d'il y a cinq ans. C'est un investissement en formation, en montée en compétences, et en redéfinition des rôles.

Chez SFEIR, nous accompagnons nos clients dans cette transition en combinant des missions de conseil sur l'architecture IA avec des programmes de formation orientés vers ces nouveaux profils hybrides. L'objectif n'est pas de former des utilisateurs d'outils, mais des architectes de systèmes augmentés.

Industrialiser avec méthode, pas avec précipitation

Le piège du POC-isme identifié par Arnaud Guérin est réel et documenté. La bonne pratique consiste à établir des critères de passage de l'expérimentation à l'industrialisation : un POC qui n'a pas de chemin clair vers la production dans un délai défini doit être arrêté. L'industrialisation suppose des pipelines de déploiement robustes, des mécanismes d'observabilité adaptés aux systèmes agentiques, et des processus de validation qui s'adaptent à la vitesse de génération sans sacrifier la qualité.

Construire une architecture sécurisée by design

Dans un monde où la production logicielle s'accélère, la sécurité ne peut plus être un layer ajouté après coup. Elle doit être intégrée dans le context engineering lui-même : les agents doivent être contraints par des guardrails explicites, les revues de code générées doivent inclure des checks de sécurité automatisés, et les équipes sécurité doivent être impliquées dans la définition des patterns architecturaux dès le départ.

La perspective SFEIR : accompagner la transition vers l'ère post-commodité

Pour SFEIR, le paradoxe de Jevons n'est pas une curiosité théorique. C'est le cadre dans lequel s'inscrit l'essentiel des missions que nous menons avec nos clients depuis deux ans.

Nous observons concrètement que les organisations qui réussissent leur transformation IA partagent plusieurs caractéristiques communes : elles ont investi dans la qualité de leur infrastructure de données avant de déployer des agents, elles ont formé leurs équipes techniques à penser en termes de systèmes plutôt que de fonctionnalités, et elles ont établi une gouvernance claire sur ce qui peut être automatisé et ce qui requiert un jugement humain irremplaçable.

La participation de SFEIR au TechRocks Summit 2025 — notamment dans l'orchestration des solutions Google Cloud qui ont permis de générer ce compte-rendu lui-même — illustre cette approche : nous ne nous contentons pas de conseiller sur l'IA, nous en faisons la démonstration en conditions réelles, avec les contraintes et les exigences de qualité d'un événement professionnel de premier plan.

La question que nous posons systématiquement à nos clients n'est plus "comment utiliser l'IA pour réduire les coûts de développement" — cette étape est déjà franchie pour la plupart. Elle est devenue : "maintenant que le code coûte moins cher, qu'est-ce que vous allez construire que vous ne pouviez pas vous permettre avant ?" C'est là que réside la vraie opportunité stratégique. Et c'est précisément là que le paradoxe de Jevons cesse d'être un problème pour devenir un levier.

Conclusion : embrasser le paradoxe pour en faire un avantage

Le paradoxe de Jevons appliqué au logiciel est une bonne nouvelle pour ceux qui savent le lire correctement. Il signifie que la réduction du coût de production du code ne détruit pas la valeur du développement logiciel — il la déplace et l'amplifie. La valeur se réfugie dans l'intention, dans l'architecture, dans le contrôle de la qualité, dans la capacité à définir ce qui vaut la peine d'être construit.

Les organisations qui comprennent ce mécanisme investissent dans le bon sens : elles forment des Product Engineers capables d'orchestrer l'amplification IA avec rigueur, elles construisent une infrastructure de données et de documentation qui permet aux agents de travailler efficacement, et elles abordent la sécurité et la souveraineté comme des conditions non négociables de la création de valeur durable.

Celles qui ne le comprennent pas risquent de tomber dans le piège symétrique : produire plus de code plus vite, accumuler de la dette technique à vitesse industrielle, et se retrouver avec une complexité incontrôlable plutôt qu'un avantage compétitif.

Le message du TechRocks Summit 2025 était clair : nous sommes entrés dans l'ère de l'industrialisation de l'IA, sans bullshit. Le paradoxe de Jevons nous rappelle que cette industrialisation ne simplifie pas le problème — elle l'élève à un niveau de sophistication supérieur. Et c'est exactement ce qui le rend passionnant.