Rôle des devs, dépendance, coût des tokens : votre équipe tech change de forme
TechRadar Hones – Édition #11
La newsletter des CEO de la tech
👋 Bonjour,
Ce mois-ci, on vous a sélectionné 6 ressources autour d’une question devenue centrale pour un dirigeant : que devient votre équipe tech quand la machine écrit une grande partie du code, et quels arbitrages faut-il anticiper cette année ?
A première vue les sujets semblent séparés : le rôle des développeurs qui se déplace, la taille des équipes qui se réduit, la facture de l’IA qui grimpe, une dépendance aux fournisseurs de modèles qui s’installe.
Ils viennent pourtant d’un même mouvement.
Quand le code se produit presque tout seul, le travail humain remonte d’un cran, vers le cadrage et le contrôle de ce que produisent les modèles. Et la fabrication elle-même devient un service qu’on loue à l’usage, sur des modèles qu’on ne possède pas.
Ce déplacement a deux conséquences directes.
D’un côté, vos équipes : quels profils recruter, combien de personnes, faut-il encore former des juniors. De l’autre, l’économie de cette nouvelle façon de produire, ce qu’elle vous facture réellement et ce dont elle vous rend dépendant.
La forme que prendra votre organisation tech dans les prochaines années se joue dans les arbitrages que vous posez maintenant.
🗞️ Les articles du mois
1. L’équipe tech de 2030 : ce qui change vraiment avec l’IA
→ Lire : Équipe tech 2030 : ce qui change vraiment avec l’IA – Hones
La plupart des discussions sur l’IA et le code s’arrêtent au gain de productivité. Cet article regarde ce que devient concrètement le travail quand le modèle produit une grande partie du code : le développeur devient architecte, cadre le besoin et vérifier ce qui sort.
✅ Pourquoi le lire ?
Parce qu’il est écrit pour votre poste, pas pour celui de votre CTO. Il décrit la transformation depuis l’intérieur d’une équipe tech, avec ce qu’elle implique directement pour vos arbitrages de dirigeant.
Ce qui mérite qu’on s’y arrête :
Le piège du CEO qui court-circuite sa tech. Maintenant que n’importe qui peut prototyper avec un outil IA, la tentation est de commander des fonctionnalités en direct, sans passer par ses équipes. Ça va plus vite sur le moment. L’article montre ce que ça crée derrière : du shadow IT, des bouts de produit qui ne se parlent pas, et une cohérence technique qui se perd.
Le product engineer comme nouveau centre de gravité de l’équipe. Comprendre ce profil change la façon dont vous écrivez vos prochaines fiches de poste, et la façon dont vous évaluez ceux qui sont déjà là.
💡 À retenir : Avant de commander une fonctionnalité directement à un outil IA, regardez ce que ça déplace dans votre équipe. Le gain de la semaine peut coûter cher au trimestre suivant.
2. Ne plus recruter de juniors : le calcul qui se retourne contre vous
→ Lire : Les mythes de l’IA – Debunk #3 : « L’IA va remplacer les développeurs juniors dès 2026 » – Maddyness
La tentation est compréhensible : si la machine code, à quoi bon recruter des juniors ?
A première vue les chiffres semblent donner raison à ce réflexe. Le Stanford Digital Economy Lab a documenté une baisse proche de 20 % de l’emploi des développeurs de 22 à 25 ans aux États-Unis entre fin 2022 et mi-2025. En France, l’Apec prévoit une hausse des recrutements de cadres informaticiens en 2026, mais les profils de moins de six ans d’expérience n’y progressent que de 1 %.
Yann Lechelle, entrepreneur et dirigeant dans la tech, signe ici une tribune qui prend de la hauteur sur ces données et conteste la conclusion qu’on en tire.
✅ Pourquoi le lire ?
Parce qu’il s’adresse au dirigeant avec une grille financière, et qu’il ne se contente pas de nommer le problème : il propose des actions concrètes.
Quelques points qui changent la lecture :
La bonne question financière n’est pas combien vous économisez en ne recrutant plus de juniors. C’est ce que vous coûtera, en 2030, de ne pas avoir de seniors parce que vous n’en aurez pas formé entre 2024 et 2028.
Le compagnonnage change de contenu. Le senior ne montre plus comment faire, il montre comment vérifier une sortie, isoler un biais, reproduire un résultat. Le métier se rapproche de celui du chercheur.
Le temps senior consacré à former devient un investissement. La même matière qui manque pour encadrer un junior manquera demain pour gouverner un agent.
L’AI Act européen, dont les principales obligations s’appliquent à partir d’août 2026, demandera une supervision humaine traçable. Personne ne la produira sans un vivier formé en amont.
💡 À retenir : Couper l’entrée des juniors aujourd’hui revient à décider qu’on manquera de seniors à former demain. Le coût ne se voit pas tout de suite, c’est ce qui le rend facile à ignorer.
3. L’IA partout ? Le coût du token a déjà choisi pour vous
→ Lire : L’IA partout ? Le coût du token a déjà choisi pour vous – Journal du Net
Le 1er juin 2026, GitHub Copilot a basculé toutes ses offres en facturation à l’usage. Le forfait à accès illimité, sur lequel beaucoup d’équipes s’étaient installées, disparaît : chaque token est mesuré puis refacturé, et la dépense suit l’adoption au lieu d’être fixée d’avance. Le même mois, Fortune rapportait que l’usage agentique pouvait, sur certains workflows, revenir plus cher qu’un développeur humain. L’article prend le sujet par l’angle de la décision plutôt que de l’inquiétude.
✅ Pourquoi le lire ?
Parce qu’il rend le coût de l’IA pilotable, usage par usage.
Ce que vous pouvez en tirer :
Les tarifs affichés ne disent pas tout : à la sortie d’Opus 4.7, Anthropic a gardé ses prix nominaux, mais son nouveau tokenizer produit jusqu’à 35 % de tokens en plus pour un texte identique. La note grimpe sans qu’aucun tarif n’ait bougé.
Côté productivité, le rapport DORA 2025 de Google Cloud (près de 5 000 réponses) montre que 90 % des développeurs utilisent l’IA, mais que ce gain individuel ne se transforme pas mécaniquement en gain pour l’organisation.
Sa réponse : passer de « l’IA partout » à une logique d’allocation, via une grille de cinq questions qui trie chaque usage entre quatre zones, de celui qu’on industrialise à celui qu’on arrête. Sans quoi on épuise un budget annuel en quatre mois.
💡 À retenir : La question à poser en comité, pour chaque usage : ce qu’il rapporte dépasse-t-il ce qu’il consomme en tokens ? Tant que vous ne savez pas y répondre, c’est la facture qui décide à votre place.
4. La dépendance s’installe sans que vous l’ayez décidée
→ Lire : Agents IA : la facture qui surprend, les modèles qui disparaissent… – Journal du Net
Personne ne décide un matin de dépendre d’un fournisseur. La dépendance s’installe par commodité, jusqu’au jour où partir coûte cher. Selon une enquête Parallels de février 2026 menée auprès de 540 professionnels de la tech en Europe et aux États-Unis, 94 % des responsables informatiques identifient désormais le vendor lock-in comme un risque, et seulement 6 % estiment pouvoir changer de fournisseur sans conséquences sérieuses.
✅ Pourquoi le lire ?
Parce qu’il documente la dépendance par des cas datés et nommés :
Un modèle sur lequel repose votre produit peut disparaître vite. L’article aligne les cas : retraite de GPT-4o et GPT-4.1 (OpenAI) pour octobre 2026, licences Claude Code résiliées par Microsoft faute de rentabilité, et le 12 juin 2026, deux modèles d’Anthropic coupés par décision gouvernementale américaine pour tous ses clients.
Le déséquilibre est aussi contractuel : selon une analyse de la Stanford Law School (2025), 92 % des grands fournisseurs revendiquent des droits étendus sur les données qui transitent par leurs systèmes. En toile de fond, l’AI Act prévoit des sanctions jusqu’à 7 % du chiffre d’affaires mondial.
La parade : garder une architecture multi-modèles capable de basculer en quelques heures, sans tout miser sur un fournisseur. L’article cite l’open source, dont Kimi K2.6, plusieurs fois moins cher. Gartner estime que plus de 40 % des projets agentiques seront abandonnés d’ici 2027.
💡 À retenir : Choisir un modèle aujourd’hui, c’est aussi se donner les moyens d’en changer demain. Cette porte de sortie se construit dès maintenant.
🎬 L’espace média
Pourquoi le « token maxing » fait échouer les startups – CTO de Legora
→ Écouter : Pourquoi le « token maxing » fait échouer les startups – Jacob Lorettson, CTO de Legora (~57 min)
Legora a atteint 100 millions de dollars d’ARR en dix-huit mois, et plus de la moitié de son code est aujourd’hui générée par IA. Son CTO, Jacob Lorettson, raconte ce que ça a changé pour son organisation, les recrutement et les coûts. Un retour d’expérience complet de quelqu’un qui construit l’équipe en temps réel, avec les arbitrages que ça impose.
✅ Pourquoi l’écouter ?
Parce qu’au lieu d’un discours sur l’avenir du métier, vous entendez les décisions concrètes d’un dirigeant tech, y compris celles qu’il regrette.
Ce qui ressort de l’échange :
La taille d’équipe l’a surpris. Il pensait plafonner à une vingtaine d’ingénieurs, ils sont 80 et continuent de recruter. Viser une équipe minimale a ses limites, et il le raconte honnêtement.
Sa recommandation la plus forte porte sur la developer experience team, l’embauche qu’il aurait dû faire plus tôt : une petite équipe dont le seul travail est de rendre les autres plus rapides, en outillant la revue, l’intégration continue et les agents.
Sur le « token maxing » : mettre la consommation de tokens dans un classement ou dans les entretiens annuels pousse les équipes à en gaspiller pour bien paraître. Le budget tokens doit se raisonner en coût d’opportunité, pas en plafond.
Sur la dépendance aux modèles, son point est net : ils en évaluent une dizaine en parallèle, changent souvent, et leurs clients resteraient même si on leur retirait le modèle. La valeur est dans tout ce qu’ils ont construit autour.
💡 À retenir : Récompensez ce que vos équipes produisent, pas le nombre de tokens qu’elles brûlent pour le montrer. Et gardez toujours la possibilité de changer de modèle, parce que le meilleur du moment ne le restera pas longtemps.
De combien de personnes votre organisation a-t-elle vraiment besoin ?
→ Regarder : One-person billion-dollar company : cas américain ou prochain standard ? – Hones
La discussion démarre sur une question que peu de dirigeants posent aussi directement : de combien de personnes votre organisation a-t-elle besoin pour produire ce qu’elle produit aujourd’hui ? Le reste de l’échange regarde ce qui a bougé dans les organisations françaises en douze mois, et ce que les fonds observent désormais quand ils ouvrent un dossier.
✅ Pourquoi le regarder ?
Parce que c’est le seul contenu de cette édition qui apporte un point de vue investisseur. La taille de votre équipe ne se joue plus seulement en interne, elle est devenue un élément que vos financeurs regardent de près.
Ce qui mérite attention :
Le ratio effectif sur impact a changé. Plusieurs startups et scale-ups françaises l’ont fait évoluer en un an, et le live s’appuie sur des exemples du terrain local auxquels on peut s’identifier.
Ce que les fonds regardent autrement dans une équipe tech. Si une levée est à l’horizon, c’est la partie à écouter en priorité, parce qu’elle est difficile à percevoir depuis l’intérieur.
Les erreurs qui font échouer un projet IA avant même la mise en production.
💡 À retenir : Si une levée se profile, écoutez surtout ce que les deux intervenants disent de la taille d’équipe. C’est l’angle que vous ne verrez pas venir depuis l’intérieur de votre organisation.
À très vite,
— L’équipe Hones