Les instructions génératives de l'IA sont eux aussi une dette technique, par Sean Goedecke

Les instructions génératives de l'IA sont eux aussi une dette technique, par Sean Goedecke

Il est courant et juste de dire que « tout code est une dette technique ». Ajouter du code est un mal nécessaire pour développer de nouvelles fonctionnalités : on est presque toujours obligé de le faire, mais chaque ligne de code accroît la complexité et la charge de maintenance du système. Toutes les modifications futures du système doivent s’intégrer au code existant, ou du moins éviter de le rendre inopérant. Une fois que les systèmes ont accumulé suffisamment de code, ils deviennent impossibles à comprendre pour une seule personne : au lieu de lire le code et de comprendre ce qu’il fait, il faut se fier à des suppositions, des théories et des heuristiques. Les ingénieurs avisés écrivent le moins de code possible.

En revanche, ils écrivent beaucoup d'instructions génératives (prompts)! De nombreux grands projets disposent désormais d’un ensemble de fichiers d'instructions génératives spécifiques à leur base de code : AGENTS.md, CLAUDE.md, ces mêmes fichiers dans des sous-répertoires, et des compétences. Si vous développez un programme utilisant l’IA, vous disposerez d'instructions génératives distincts pour les capacités et pour chaque outil, ainsi que d’un ensemble complet d'instructions génératives système.

Les instructions génératives sont importantes. De légères modifications apportées à une instruction générative d’un LLM peut permettre d’obtenir des améliorations significatives en termes de performances. Si le même modèle semble fonctionner différemment selon qu’il est utilisé avec Codex, Cursor, OpenCode ou Copilot, cela est presque certainement dû à de subtiles différences dans les instructions génératives. Les entreprises spécialisées dans l’IA consacrent beaucoup de temps à tester et à peaufiner leurs instructions génératives ; il est donc logique que les ingénieurs passent beaucoup de temps à ajuster leurs fichiers AGENTS.md pour leurs projets. J’irais même jusqu’à dire que changer d’outils ou de workflows constitue une forme de formulation de consignes. Si je commence à intégrer mes agents dans une boucle Ralph, à importer un nouveau fichier de compétences ou à installer un serveur MCP, cela reste un changement apporté à mes consignes, même si ce n’est pas moi qui les ai rédigées.

Je pense que c’est une mauvaise idée de passer énormément de temps à peaufiner une configuration de codage agentique sur mesure. Pourquoi donc, alors que les ajustements d'instructions génératives peuvent apporter une grande valeur ajoutée ? Parce que ces ajustements sont spécifiques à chaque modèle. J’ai mentionné plus tôt que les entreprises spécialisées dans l’IA consacraient beaucoup de temps à peaufiner leurs instructions génératives. En réalité, elles y consacrent autant de temps à chaque nouvelle version du modèle. Une instruction générative qui fonctionnait très bien avec GPT-5.4 ne fonctionnera pas nécessairement aussi bien avec GPT-5.5. Il faut « réapprendre à maîtriser le modèle » à chaque fois.

En d’autres termes, un ensemble d'instructions génératives que vous avez soigneusement élaboré en janvier de cette année pourrait être obsolète, voire nuisible, dès février. Pire encore, vous pourriez ne même pas vous en rendre compte. Les capacités des modèles sont déjà très difficiles à cerner (à moins de tester chaque problème avec différents modèles et outils), et même les systèmes d’IA les plus modestes se révèlent étonnamment performants sur certains problèmes. Vous pourriez simplement vous dire « tiens, le nouveau modèle d’Anthropic n’est pas aussi impressionnant que le laisse entendre le battage médiatique », ou « waouh, Claude Code s’est dégradé ces derniers temps ».

En ce sens, les instructions génératives constituent une forme de dette technique plus grave que le code. Lorsque la dette technique explose, elle provoque généralement des erreurs ou un ralentissement tangible lorsque vous essayez de comprendre le code. Les instructions génératives, quant à eux, se dégradent en silence. De plus, même un code bancal a tendance à rester relativement stable tant qu’on n’y touche pas, alors que chaque mise à jour du modèle peut transformer une instruction générative fonctionnelle en une instruction générative non fonctionnelle.

Pourrait-on simplement décider de ne pas mettre à jour les modèles ? Certains s’y essaient, mais le rythme des améliorations est suffisamment rapide pour que cela ne soit pas vraiment envisageable. Un harnais agentique doté d'instructions génératives finement ajustées et construit autour de GPT-4.1 sera toujours moins performant qu’un harnais minimaliste construit autour d’Opus 4.7. Cela pourrait constituer une stratégie judicieuse à un moment donné dans le futur, lorsque le rythme d’amélioration des modèles ralentira (ou lorsque les modèles seront si performants que l’intelligence supplémentaire ne sera plus nécessaire pour les tâches d’ingénierie courantes), mais je ne pense pas que ce soit une bonne stratégie aujourd’hui.

À mon avis, la plupart des gens devraient simplement choisir un outil de codage IA géré par une société tierce (Claude Code, Codex, Cursor, Copilot, etc.) et le laisser aussi peu configuré que possible, afin de pouvoir profiter du travail des équipes d’ingénieurs qui évaluent et peaufinent les instructions génératives à chaque nouveau modèle. Évitez le MCP et les compétences sauf en cas d’absolue nécessité, et désactivez-les par défaut. Au moins, de cette manière, si l’une de ces équipes se trompe lourdement, les utilisateurs finiront par s’en rendre compte et s’en plaindront.

Lorsque vous rédigez des fichiers AGENTS.md, essayez d’éviter de diriger le comportement de l’IA (comme les consignes désormais obsolètes « réfléchis étape par étape », « tu es un ingénieur compétent » ou « si tu réussis une tâche, je te donnerai un pourboire de 200 $ »). Limitez-les à des faits spécifiques et concrets concernant le projet. Ne laissez pas les modèles remplir votre fichier AGENTS.md de pages de texte à peine relues, pour la même raison que vous ne les laisseriez pas remplir votre base de code de pages de code à peine relues. Rédigez vous-même vos instructions génératives et supprimez-les dès que vous en avez l’occasion.

Source : Prompts are technical debt too

Et vous ?

Pensez-vous que cette étude est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

Comment j'utilise les grands modèles de langage (LLM) en tant qu'ingénieur logiciel en 2026, par Sean Goedecke

Le piège du codage par l'IA, par Chris Loy

Utiliser l'IA pour écrire un meilleur code, mais plus lentement, par Nolan Lawson

Il existe une meilleure façon de coder avec l'IA, par Namanyay Goel