L’article de Jim Grey explore le sentiment de deuil et de désillusion ressenti par de nombreux ingénieurs logiciels, illustré par le cas de Joel, un ingénieur expérimenté attiré par une mission porteuse de sens dans une entreprise SaaS. L’auteur souligne que ces professionnels, autrefois motivés par des défis techniques et un impact sociétal, ressentent désormais une perte de repères, notamment face à l’évolution des priorités des entreprises.

L’idée centrale réside dans la transformation du récit du secteur technologique, qui a pendant des années vendu bien plus que des emplois : une quête collective où le travail devenait source de sens, d’identité et de réalisation personnelle. Cette narration, renforcée par des années de croissance économique et de pénurie de talents, a progressivement sublimé la mission des entreprises au détriment de la réalité opérationnelle.

Si les produits et les clients étaient bien réels, la compétition pour les talents a poussé les entreprises à amplifier leur discours, rendant la désillusion d’autant plus forte lorsque les attentes ne correspondent plus à la pratique quotidienne.

L’auteure partage son expérience positive avec les modèles locaux d’IA, désormais suffisamment performants pour des tâches de développement et de codage. Elle souligne l’évolution rapide des modèles comme Mistral 7B, Gemma 3 ou Qwen 3, et leur capacité à rivaliser avec des solutions cloud, notamment depuis l’arrivée de GPT-OSS et des modèles Gemma 4. Son utilisation locale, via des outils comme LM Studio ou Ollama, lui permet de gagner en rapidité et en personnalisation pour des besoins comme le refactoring de code ou la génération de tests unitaires.

Elle détaille son passage à l’agentic coding avec Gemma 4-26B, atteignant environ 75 % des performances des modèles frontaliers, tout en restant dans un environnement contrôlé (Docker). Malgré des contraintes matérielles (64 Go de RAM), ces modèles locaux lui offrent une autonomie accrue pour des tâches autrefois impossibles en local, comme l’analyse de logs ou la génération de structures de projets.

Enfin, elle encourage à tester ces solutions en local, en combinant un moteur d’inférence (LM Studio, llama.cpp) et un outil d’orchestration (comme Pi). Elle note que des modèles plus récents comme Gemma 4-12B-QAT offrent un bon compromis taille/performance, tout en soulignant l’importance des choix architecturaux face aux contraintes techniques.