If you thought the speed of writing code was your problem, you have bigger problems - Andrew Murphy

If you thought the speed of writing code was your problem, you have bigger problems - Andrew Murphy

Si vous pensiez que la vitesse d'écriture du code était votre problème, vous avez de plus gros problèmes - Andrew Murphy

🎙 Andrew Murphy 👥 229K 📅 9 octobre 2026 ⏱ 49 min 👁 2K 📄 opinion experte 🧭 2026-10-09
Disponible en : Français (actuel) English

Mots-clés

IAbottlenecktheory of constraintssoftware developmentproductivité

Résumé

Dans cette conférence donnée à NDC Oslo, Andrew Murphy part de son expérience personnelle de développeur passionné pour expliquer pourquoi l’IA qui accélère l’écriture de code ne résout pas les vrais problèmes des équipes logicielles. Il introduit la théorie des contraintes, popularisée par Eliyahu Goldratt dans ‘The Goal’, et montre que dans tout système, un seul goulot d’étranglement détermine le débit global. Il cite une étude IDC indiquant que les développeurs ne passent que 16% de leur temps dans l’éditeur de code, ce qui suggère que la vitesse de codage n’est pas le facteur limitant. En appliquant l’IA au codage, le goulot se déplace vers la découverte (définir quoi construire) ou la revue de code. Il présente des statistiques de GitHub/GitClear/DORA montrant que l’IA augmente la production de code de 55% mais fait chuter la stabilité de production de 7,2%, tandis que la livraison effective diminue. Il insiste sur le fait que produire plus de code sans résoudre les autres contraintes aggrave le problème, créant du gaspillage et des PR oubliées. Il propose de réaffecter la capacité libérée vers la découverte, où les ingénieurs peuvent apporter leur expertise de faisabilité, et vers l’amélioration des processus de revue. Il conclut en recommandant d’identifier le vrai goulot d’étranglement et d’optimiser en conséquence, plutôt que de simplement accélérer l’écriture de code.

218 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de cette présentation réside dans son application de la théorie des contraintes au développement logiciel moderne, montrant que l’IA ne supprime pas les limites du système mais les déplace. L’argumentation est solide, appuyée par des exemples concrets (projets personnels, citations de Kent Beck) et des statistiques issues de recherches reconnues. L’orateur adopte une position nuancée : il n’est ni pessimiste ni naïf, mais réaliste sur les bénéfices réels de l’IA. Il souligne que la production de code n’a de valeur que si elle aboutit à une utilisation en production, et que l’optimisation d’une partie non-contrainte du système est contre-productive. La démonstration est progressive et pédagogique, avec des anecdotes pertinentes qui illustrent les concepts.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : l’orateur cite des études (IDC, GitHub/GitClear/DORA) mais sans fournir de références précises ou de liens dans la description. Il mentionne des ouvrages classiques (The Goal, The Phoenix Project) qui sont largement reconnus. Le titre est parfaitement adapté au contenu, car il pose la thèse centrale dès le départ. La cohérence entre les propos et les sources citées est bonne, mais on regrette l’absence de données chiffrées précises sur les études évoquées. La présentation est davantage une synthèse d’expériences personnelles et de concepts connus qu’une étude originale, ce qui limite sa portée scientifique mais reste pertinent pour les professionnels.

235 mots

Adéquation titre / contenu

Le titre est accrocheur et correspond exactement au contenu : l'orateur démontre que la vitesse de codage n'est pas le goulot d'étranglement principal, mais que d'autres étapes du cycle de développement le sont davantage.

Qualité & fiabilité

7/10

L'exposé s'appuie sur une expérience de 25 ans et cite des études (IDC, GitHub) mais repose principalement sur une opinion experte, avec peu de références vérifiables directes. La théorie des contraintes est bien expliquée, mais l'ensemble reste qualitatif.

Moments clés

Sources citées

  • NDC Conferences — Site officiel de la conférence où le talk a été enregistré.
  • NDC Oslo — Page de l'édition d'Oslo de la conférence NDC.

Sources concordantes

  • The Goal — Ouvrage de référence sur la théorie des contraintes, cité par l'orateur.
  • The Phoenix Project — Hommage moderne à The Goal, cité comme exemple d'application au DevOps.

Apport & nouveautés

L’originalité de cette présentation réside dans l’application systématique de la théorie des contraintes au contexte de l’IA générative en développement logiciel. Plutôt que de se focaliser sur les gains de productivité du codage, l’orateur démontre que l’IA déplace le goulot d’étranglement vers d’autres étapes, souvent négligées comme la découverte produit ou la revue de code. Il propose une approche pragmatique pour réallouer la capacité libérée vers ces étapes, en mettant l’accent sur le rôle des ingénieurs dans la définition de la faisabilité grâce aux avancées technologiques. Cette perspective est peu traitée dans les discussions sur l’IA et offre un cadre utile pour les équipes cherchant à maximiser la valeur délivrée.

Pour aller plus loin :

154 mots

Profil radar

Le profil radar est équilibré, avec des scores modérés sur l'information et la fiabilité. La technique est accessible, reflétant une intention de vulgarisation plutôt que de démonstration pointue. La quantité d'information est correcte mais sans références détaillées, ce qui maintient une crédibilité moyenne.

Fiabilité 7/10