- ▸ Des heures chaque jour, un usage devenu ordinaire
- ▸ Je ne code plus tout à fait : je décris, je relis, je corrige
- ▸ Ce que je redoute d'avance : les mêmes tics, les mêmes erreurs
- ▸ Plus productif, vraiment ? Le prix caché de la relecture
Il existe une fatigue dont personne ne parle. Pas celle du code qui refuse de compiler. Celle de lire, encore, une machine qui se trompe avec aplomb. Le développeur Alec Scollon lui a donné un nom le 9 juillet 2026 : le LLM burnout. Je crois qu’il a raison, et que ce mot dit quelque chose de nous.
L’essentiel en trois points – Un usage quotidien « dans la moyenne » des développeurs suffit déjà à passer des heures chaque jour à dialoguer avec des modèles de langage. – Le métier glisse : on conçoit, on décrit à l’IA, on relit, et l’on n’écrit du code qu’en dernier. Le développeur devient réviseur. – La lassitude ne vient pas de la charge de travail mais de la répétition des mêmes défauts — hypothèses fausses, hallucinations, tics de style.
Des heures chaque jour, un usage devenu ordinaire
Commençons par écarter un malentendu. Celui qui écrit ces lignes n’est pas un réfractaire. Alec Scollon, l’auteur du billet I Think I Have LLM Burnout, le précise d’emblée : il utilise beaucoup les grands modèles de langage, et son rythme d’usage se situe, selon ses propres mots, « dans la moyenne des standards actuels du développement ». Rien d’exotique. Rien d’excessif au regard de sa profession.
Ce détail change tout. Il ne s’agit pas d’un cas limite, d’un accro que l’on pourrait plaindre poliment avant de passer à autre chose. Il s’agit d’un praticien banal, qui passe, écrit-il, des heures chaque jour à interagir avec des IA, au travail comme à la maison. La frontière entre l’outil professionnel et le réflexe domestique s’est effacée sans qu’on la voie disparaître. Et c’est précisément quand une pratique devient invisible qu’il faut la regarder de près.
Je ne code plus tout à fait : je décris, je relis, je corrige
Voici ce qui a changé, et c’est peut-être le cœur du problème. Le geste du métier s’est déplacé.
Scollon le formule avec une précision clinique : son travail est passé de « concevoir et écrire du code » à « concevoir le code, décrire cette conception à un modèle, relire le code que le modèle produit, puis, enfin, écrire du code ». L’écriture, l’acte fondateur du développeur, a reculé jusqu’au dernier maillon de la chaîne.
| Avant les modèles | Aujourd’hui |
|---|---|
| Concevoir | Concevoir |
| — | Décrire la conception à une IA |
| — | Relire le code produit par l’IA |
| Écrire le code | Écrire le code — en dernier |
Je ne veux pas noircir ce tableau. Scollon lui-même reconnaît un gain réel : les étapes confiées au modèle l’exposent à « des approches auxquelles il n’aurait pas pensé, ou qu’il ne connaissait pas ». L’IA élargit le champ des possibles techniques. Elle joue le rôle d’un collègue qui aurait lu tout Stack Overflow. Mais un collègue que l’on doit relire ligne à ligne. Le développeur n’a pas disparu ; il a changé de fonction. Il est devenu correcteur d’un texte qu’il n’a pas écrit. Et corriger, tout enseignant vous le dira, épuise autrement que créer.
Ce que je redoute d’avance : les mêmes tics, les mêmes erreurs
Arrive alors le symptôme qui donne son nom au mal. Scollon écrit une phrase que j’ai relue trois fois tant elle sonnait juste : « une petite part de moi commence à redouter la lecture des sorties d’IA, parce que je sais ce que je vais trouver. »
Ce qu’il va trouver, il le liste. Des hypothèses fausses. Des hallucinations. Et une signature stylistique devenue reconnaissable entre mille :
- des fragments emphatiques, hachés, en staccato ;
- des émojis en rafale, ✨ semés comme des confettis 🚀 ;
- une assurance de ton inversement proportionnelle à la fiabilité du contenu.
Le dégoût, ici, n’est pas celui de l’erreur ponctuelle. Une erreur, on la corrige et l’on passe. Ce qui use, c’est la prévisibilité de l’erreur. Savoir, avant même de lire, la forme que prendra la faute. C’est la lassitude du déjà-vu, celle qui guette quiconque relit le même brouillon écrit par la même main maladroite, mille fois par semaine. La machine ne s’ennuie jamais. L’humain qui la relit, si.
Plus productif, vraiment ? Le prix caché de la relecture
Je m’arrête, parce que la tentation serait de basculer dans le réquisitoire. Ce serait malhonnête. Car le même Scollon, dans le même texte, écrit ceci : « je me sens plus productif avec les modèles, et je pense qu’apprendre continuellement à bien les utiliser a de la valeur. »
Voilà le paradoxe qu’il faut tenir des deux mains. La fatigue et le bénéfice cohabitent. Ce n’est pas un homme qui rejette l’outil ; c’est un homme qui l’adopte pleinement et qui, de l’intérieur, en ressent l’usure. La productivité perçue est réelle. La charge cognitive de vérification l’est aussi. Les deux montent ensemble.
Un aveu, dans le billet, résume cette économie invisible. Pour les requêtes de tous les jours, écrit-il, il lui faut encore « revenir à la navigation classique quand la réponse du modèle est fausse — mais elle reste assez bonne pour bien des questions banales ». Traduisez : l’IA fait gagner du temps sur le volume, et en reprend une part sur la vérification. Le solde reste positif. Mais il se paie en attention, cette ressource qu’aucun tableau de bord ne mesure. Notre lecture : la vraie facture des modèles n’est pas dans le prix du jeton, elle est dans le coût mental de la relecture permanente.
L’objection que je me fais à moi-même : et si ce n’était que moi ?
Je m’arrête encore, car un lecteur honnête m’attend au tournant. On me dira : ce burnout n’est qu’un ressenti. Une réaction psychologique individuelle, la fatigue d’un homme trop exposé, projetée sur une technologie qui n’y est pour rien. Un problème d’hygiène numérique, pas un défaut du modèle. Réglez votre temps d’écran, et la lassitude s’évanouira.
L’objection est solide. Je refuse de la balayer. Mais Scollon l’a anticipée d’une ligne : « ce n’est pas que moi — ce sont de vrais schémas récurrents ». Et c’est décisif. Un ressenti isolé relève de l’intime. Un schéma reproductible relève du système. Les hallucinations ne sont pas l’humeur d’un lecteur fatigué : ce sont des propriétés statistiques de la manière dont ces modèles produisent du texte. Les émojis en rafale ne sont pas une projection : ce sont des choix d’alignement, entraînés, mesurables, communs à des millions de sorties. La subjectivité de la fatigue n’invalide pas l’objectivité de sa cause. Elle en est le révélateur.
Ce que cette lassitude dit de nos machines
Pourquoi cela dépasse-t-il le cas d’un développeur californien ? Parce que sa trajectoire est la nôtre en accéléré. Scollon note que cet usage dure « depuis environ un an » et qu’il ne se voit pas s’arrêter. Ni renoncement, ni euphorie : une cohabitation résignée. C’est exactement l’état dans lequel des millions d’actifs vont entrer, sans l’avoir décidé.
Le risque n’est pas que l’IA nous remplace. Le risque est plus sourd : qu’elle nous transforme tous en réviseurs d’un travail médiocre, condamnés à relire éternellement un texte qui ne progresse pas. Une IA que l’on subit sans l’aimer ni la refuser produit une adoption sans adhésion. Et une technologie adoptée par lassitude est une technologie que personne ne pousse à s’améliorer. Le LLM burnout n’est pas seulement un symptôme individuel. C’est un signal envoyé à ceux qui construisent ces modèles : la barre de qualité que les utilisateurs tolèrent aujourd’hui deviendra le plafond de demain, s’ils cessent d’exiger mieux. Voir aussi notre enquête sur les assistants de code en entreprise et ce que l’on sait vraiment des hallucinations des modèles.
À retenir, et ce que je surveillerai
Je reviens à cette machine qui se trompe avec aplomb, celle par laquelle j’ai ouvert. Le vrai danger n’est pas qu’elle nous mente. C’est qu’à force de la relire, nous cessions de nous en agacer.
- Le mal est réel : un usage moyen suffit à produire, en un an, une fatigue de la relecture.
- Il est structurel, pas moral : hallucinations et tics de style sont des propriétés du modèle, pas des humeurs du lecteur.
- Il est un test : notre exigence collective fixera la qualité que ces outils s’autoriseront.
Ce que je surveillerai d’ici la fin 2026 : si les prochaines versions des grands modèles réduisent enfin les hypothèses fausses et le maniérisme des émojis, ou si elles se contentent de nous rendre « assez bons pour les questions banales ». Ce jour-là, la lassitude de Scollon aura valeur d’avertissement — ou de prophétie. À nous de ne pas nous y habituer.
Cet article est une tribune et reflète l’opinion de son auteur.
