Si vous avez déjà déployé du code un vendredi avant de le regretter immédiatement, imaginez faire la même chose avec du code généré par l’IA… sur l’une des plus grandes plateformes de commerce en ligne de la planète.
Amazon vient d’organiser une réunion d’ingénierie obligatoire après une série de pannes ayant touché son site et son application marchands, dont une panne de six heures la semaine dernière qui a empêché les clients de finaliser leurs achats, de voir les prix ou d’accéder à leur compte. Une note d’information interne décrit ces incidents comme ayant un « rayon d’explosion important » et étant liés à des « modifications assistées par l’IA générative ».
Voici ce que l’on sait
- Le vice-président senior Dave Treadwell a reconnu que les « bonnes pratiques et mesures de protection » entourant les outils de programmation par IA ne sont pas encore totalement établies
- Les ingénieurs juniors et de niveau intermédiaire doivent désormais obtenir l’approbation d’un ingénieur senior pour toute modification de code assistée par l’IA
- AWS a par ailleurs subi une panne de 13 heures en décembre, après que son outil d’IA Kiro a supprimé puis recréé un environnement de développement entier
- Amazon dispose de tableaux de bord permettant de suivre si les ingénieurs atteignent les objectifs quotidiens minimums d’utilisation de l’IA
- Amazon conteste que l’IA ait écrit le mauvais code ; l’entreprise affirme qu’il s’agit d’un problème d’« erreur de l’utilisateur » et de « protocole »
Pendant ce temps, sur Reddit, des ingénieurs actuels et anciens d’Amazon brossent un tableau plus sombre. L’un d’eux décrit des « astreintes où les IA utilisent d’autres IA pour se battre dans une guerre par procuration de recherche de coupables ». Un autre affirme que livrer les projets compte davantage que de savoir si les projets fonctionnent réellement. Ça a l’air sain.
Amazon a également licencié 16 000 personnes en janvier et imposé des objectifs d’utilisation des outils d’IA de 80 % (encore une fois, c’est idiot : pourquoi mesurer l’« utilisation » plutôt que l’amélioration de nos produits ?) Ah, et l’entreprise prévoit de dépenser 200 milliards de dollars US en dépenses d’investissement cette année. Faites le calcul : moins d’ingénieurs + davantage de code généré par l’IA = davantage de réunions obligatoires du genre : « WTF, qu’est-ce qu’on vient de casser ? »
Pourquoi c’est important
Comme l’ont expliqué cette semaine « The Primeagen » et le chercheur en IA Demetri Spanos : les modèles sont intelligents, mais pas À CE POINT. En réalité, le vrai problème réside dans les pratiques entourant leur utilisation.
Depuis décembre 2025, l’essentiel de l’enthousiasme vient de la maturation des boucles d’agents et des méthodes de travail en équipe, et pas uniquement des améliorations brutes des modèles. L’IA sait écrire du code, mais le code qu’elle produit est souvent beaucoup plus verbeux que nécessaire ; et quand un pauvre humain (probablement vous) doit s’y plonger et le lire, contrairement à d’autres bases de code vastes et réputées dans le monde, personne ne comprend ce que raconte celle-ci… pas même vous.
Alors, comment mettre en place des processus capables de repérer le code que l’IA écrit incorrectement ? Et comment configurer vos systèmes pour que l’IA écrive du code efficacement ? Comme l’a déclaré Dylan Patel dans une récente interview avec Matt Berman, une partie de son équipe dépense quelque chose comme 5 000 dollars US par jour en jetons Claude Code. À votre avis, combien de jetons ce type génère-t-il ?
Amazon finira par trouver la solution. Mais l’entreprise apprend la leçon que toutes celles qui utilisent l’IA pour produire du code finiront par apprendre : la vitesse que vous gagnez ne signifie rien si vous ne pouvez pas faire confiance au résultat.
Note de la rédaction : cet article a d’abord été publié dans la newsletter de notre publication sœur, The Neuron. Pour découvrir davantage de contenus de The Neuron, inscrivez-vous ici à sa newsletter.