Airbnb et le code généré par IA : ce qui change pour les ingénieurs et les managers

People Matters a, de son côté, rapporté l’avertissement de Chesky : les « pure people managers » — des managers essentiellement centrés sur la coordination humaine — et les salariés qui refusent de s’adapter aux nouvelles technologies risquent d’être laissés de côté à mesure que l’IA transforme le fonctionnement des entreprises ^[1][2]. Autrement dit, Airbnb ne traite pas seulement l’IA comme un outil de productivité pour développeurs. Elle redéfinit aussi ce que l’entreprise attend du leadership technique.

L’usage de l’IA chez Airbnb dépasse d’ailleurs le code. Une transcription de la conférence de résultats du quatrième trimestre 2025 publiée par The Motley Fool indique que l’agent de support propriétaire d’Airbnb a résolu un tiers des problèmes de support en Amérique du Nord et traité près de 30 % des tickets, avec des projets d’expansion mondiale et d’intégration à la voix ^[4]. La même transcription décrit une expérience plus largement « native IA », destinée à aider les voyageurs à planifier leurs séjours et à permettre à l’entreprise de fonctionner plus efficacement à grande échelle ^[4].

Ce que cela change pour les ingénieurs logiciels

Si l’IA peut produire une part importante du code, le rôle de l’ingénieur ne disparaît pas mécaniquement. Il se déplace. Le cœur du métier devient moins la frappe de chaque ligne et davantage la capacité à créer les conditions d’un logiciel fiable.

Concrètement, les ingénieurs doivent devenir meilleurs dans plusieurs domaines :

• Formuler le problème. Un outil d’IA est d’autant plus utile que l’objectif, les contraintes, les comportements attendus et les cas limites sont clairement posés.
• Apporter le contexte du système. Le code généré doit s’insérer dans une base existante, respecter les responsabilités des équipes, les hypothèses de données et les exigences produit.
• Relire avec rigueur. Accepter un diff généré sans le comprendre revient à déléguer une responsabilité que l’équipe conserve pourtant en production.
• Tester les cas difficiles. Des premières versions plus rapides ne remplacent ni les tests, ni le débogage, ni la réflexion sur les scénarios de panne.
• Préserver l’architecture. Plus il est facile de générer du code, plus il devient important de limiter la dette technique, les dépendances inutiles et les abstractions fragiles.
• Assumer l’impact utilisateur. Au bout de la chaîne, ce n’est pas le modèle qui répond de la fiabilité, de la sécurité ou de l’expérience client : c’est l’équipe.

La conséquence est importante pour les carrières. Le volume brut de code devient un signal moins décisif. La différence se fait davantage sur le jugement : savoir quoi demander à l’IA, quoi refuser, quoi réécrire, quoi simplifier — et parfois quoi ne pas construire du tout.

La revue de code prend de la valeur

L’IA rend les brouillons moins chers. Elle ne rend pas automatiquement le logiciel meilleur.

Dans ce nouvel environnement, l’ingénieur solide n’est pas celui qui sait seulement obtenir une réponse d’un modèle. C’est celui qui sait transformer une proposition générée en logiciel maintenable : vérifier que l’implémentation correspond bien à l’intention produit, repérer les hypothèses cachées, contrôler l’intégration avec l’architecture existante et s’assurer qu’une autre équipe pourra reprendre le code plus tard.

Cela peut même renforcer la valeur de l’expérience senior. Lorsque la production de code s’accélère, le goulot d’étranglement se déplace souvent vers une question plus difficile : quel code mérite vraiment d’exister ?

Ce que cela change pour les managers

Les propos de Chesky sur les managers sont aussi révélateurs que le chiffre des 60 %. L’attente rapportée chez Airbnb est que les managers restent suffisamment proches du travail pour coder eux-mêmes ou utiliser des outils d’IA appliqués au développement ^[3][5]. L’avertissement relayé par People Matters sur les « pure people managers » va dans le même sens : les rôles qui ne seraient qu’une couche de coordination risquent d’être plus exposés lorsque l’IA modifie les flux de travail ^[1][2].

Cela ne signifie pas que chaque manager d’ingénieurs doit redevenir le meilleur contributeur individuel de son équipe. Mais la culture technique devient plus difficile à contourner.

Dans des équipes où l’IA est utilisée au quotidien, un manager doit pouvoir :

• comprendre ce que les outils d’IA savent faire — et ce qu’ils ne savent pas faire ;
• évaluer des compromis techniques plutôt que simplement suivre l’avancement ;
• challenger des hypothèses faibles dans une estimation, une conception ou un code généré ;
• fixer des standards clairs pour la revue, les tests, la sécurité et la fiabilité ;
• juger une équipe sur la valeur livrée et la santé du système, pas sur la quantité de code tapée à la main.

Le management garde évidemment ses dimensions humaines : recrutement, coaching, arbitrages, priorisation, cohésion d’équipe. Mais dans les organisations qui évoluent comme Airbnb, ces responsabilités s’ajoutent à une compréhension concrète des outils et du travail technique.

Les rôles les plus exposés

Le rôle fragile n’est pas « ingénieur logiciel » ou « manager » en soi. C’est le rôle défini trop étroitement autour d’une production routinière.

La pression augmente surtout pour les personnes qui :

• écrivent du code sans comprendre le système dans lequel il s’insère ;
• acceptent des sorties d’IA sans revue sérieuse ;
• mesurent leur impact au nombre de tâches terminées plutôt qu’à la valeur produit ;
• coordonnent le travail sans en comprendre la substance technique ;
• évitent d’apprendre les outils qui deviennent partie intégrante du quotidien de l’équipe.

Le profil le plus solide est celui d’un opérateur technique avec du jugement : quelqu’un qui sait utiliser l’IA pour aller plus vite, tout en restant responsable de la qualité, de l’architecture et des résultats.

Que faire maintenant ?

Pour les ingénieurs, la bonne réponse n’est ni de rejeter l’IA, ni de lui faire une confiance aveugle. Elle consiste à devenir excellent dans la livraison assistée par IA : mieux écrire les spécifications, fournir davantage de contexte, relire les diffs avec exigence, renforcer les tests et investir dans l’architecture, la fiabilité, la sécurité et le sens produit.

Pour les managers, le mouvement est tout aussi concret : rester proche du métier. Utiliser les outils suffisamment pour en connaître les forces et les limites. Participer aux discussions de conception et de revue. Rendre les standards de qualité explicites. Récompenser les équipes pour des résultats durables, pas pour l’effort manuel visible.

La limite : Airbnb est un signal, pas tout le marché

Le chiffre des 60 % rapporté chez Airbnb reste un point de données propre à Airbnb. Il ne prouve pas que toutes les organisations logicielles ont atteint le même niveau d’adoption de l’IA.

La position plus large de Chesky invite d’ailleurs à garder deux idées en tête. En 2024, il estimait que l’IA changerait le monde davantage que beaucoup ne l’imaginent, tout en prenant plus de temps que beaucoup ne le pensent ^[6]. C’est probablement le bon cadre : la transformation peut être profonde, mais elle sera inégale.

Au fond, l’IA ne remplace pas simplement les ingénieurs ou les managers. Elle change leur unité de contribution. Les ingénieurs doivent devenir de meilleurs directeurs et relecteurs du travail généré par machine. Les managers doivent disposer d’une culture technique suffisante pour diriger des équipes qui utilisent l’IA tous les jours. Chez Airbnb, l’avantage durable semble se déplacer de la production manuelle vers le jugement, la responsabilité et la capacité à transformer une sortie d’IA en produit fiable ^[1][3][5].