« L’IA peut aider à produire, mais l’expérience réelle reste indispensable » – Corentin Chary, Datadog
Corentin Chary est diplômé d’Epitech. Il travaille chez Datadog depuis sept ans comme contributeur individuel senior, dans un rôle très technique de leadership sans management hiérarchique direct.
Quel est votre rôle aujourd’hui ?
Je suis Senior Staff chez Datadog. Je suis resté contributeur individuel, mais cela ne veut pas dire que je n’ai pas un rôle de leadership. C’est plutôt un leadership sans hiérarchie : je dois convaincre, conseiller et aider, sans pouvoir imposer. Quand je suis arrivé, je travaillais avec une dizaine de personnes ; aujourd’hui, j’interagis plutôt avec une centaine de personnes, parfois davantage indirectement. Mon rôle reste très technique, je passe une partie de mon temps à produire moi-même, une autre à relire ce que les autres prévoient de faire, à challenger les choix et à accompagner les équipes.
Quel impact l’IA a-t-elle eu sur votre métier ?
J’utilise des outils d’IA depuis environ deux ans, d’abord pour de l’assistance au code, puis de manière beaucoup plus poussée avec Claude Code. Aujourd’hui, je n’écris presque plus de code seul : je fais générer des premiers jets de pull requests, puis je relis, je commente, je corrige et j’oriente. L’IA prend en charge le boilerplate, tout ce qui n’aurait pas demandé beaucoup de réflexion. Moi, je passe davantage de temps sur les choix de conception, la manière d’écrire le code, les arbitrages et la qualité finale.
Cela vaut aussi pour la documentation. Avant, après une série de changements techniques, j’aurais écrit une documentation minimale. Maintenant, je peux demander à l’IA d’analyser les pull requests, d’en extraire une interface et de produire une première documentation. Je dois la relire, mais à temps équivalent, le résultat est souvent beaucoup plus complet.
Qu’est-ce que cela change dans votre rythme de travail ?
Je fais davantage de choses en parallèle. Avant, je menais peut-être deux projets en même temps ; aujourd’hui, je peux en suivre trois à cinq. Mais ce n’est pas seulement un gain d’efficacité : c’est aussi plus fatigant. Les temps morts disparaissent. Avant, attendre qu’un test passe ou qu’un code compile créait des pauses naturelles. Aujourd’hui, on peut toujours basculer sur autre chose. Il faut donc apprendre à se limiter, sinon la charge mentale devient très forte.
C’est l’un des angles morts de l’IA : elle permet de produire plus, mais tout ce qui est produit doit ensuite être relu, validé, intégré. Chez nous, on ne peut pas merger du code sans revue humaine, notamment pour des raisons de sécurité. Parce que nos clients nous confient des données ultrasensibles, on ne laisse rien au hasard.
« Chez Datadog, chaque modification passe par un double regard humain. C’est notre façon de garantir des choix techniques solides et un code irréprochable avant chaque mise en production. »
Corentin Chary, Senior Staff Engineer chez Datadog
L’IA accélère l’écriture, mais elle peut créer un goulot d’étranglement sur la relecture.
Les compétences attendues évoluent-elles dans les recrutements ?
Oui. Datadog est en train d’adapter ses grilles internes et certains entretiens pour tenir compte de l’usage de l’IA. Il existe maintenant des entretiens de code avec agent IA, mais aussi des entretiens sans IA. Les deux restent utiles. Il faut savoir utiliser l’outil, mais aussi comprendre le code produit. Si Claude ou un autre outil ne répond plus, il faut être capable de continuer à la main. Et même quand l’outil fonctionne, il faut comprendre ce qu’il a fait.
Nous avons accès à plusieurs solutions : Claude, Codex et d’autres outils, ainsi qu’à des agents développés en interne et intégrés à Datadog. L’environnement change très vite. Tous les mois, les usages évoluent. C’est pourquoi la compétence attendue n’est pas seulement de connaître un outil précis, mais de savoir l’utiliser intelligemment, de comprendre ses limites et d’être capable de garder la maîtrise technique.
L’IA modifie-t-elle la place des juniors ?
Pour l’instant, les juniors restent intéressants, notamment parce qu’ils ont été formés avec ces outils et peuvent avoir des usages différents des profils plus expérimentés. Ils apportent une autre culture de travail. Mais cela ne veut pas dire que tout est simple pour eux. Le coût de l’IA pousse à une réflexion sur la valeur ajoutée : l’enjeu de demain sera d’associer la puissance de l’outil à la créativité et à l’esprit critique de nos talents, quel que soit leur niveau d’expérience.
La vraie différence se fera entre ceux qui savent seulement parler à un agent et ceux qui comprennent ce qu’ils demandent, pourquoi ils le demandent et comment le résultat fonctionne. Pour se démarquer, il faudra savoir utiliser l’IA, mais aussi savoir faire sans elle.
Corentin Chary, Senior Staff Engineer chez Datadog
C’est comme en mathématiques : si l’on utilise une calculatrice trop tôt, on peut obtenir le résultat sans comprendre ce qu’on calcule.
Y a-t-il un risque de perte d’apprentissage ?
Oui, je le vois sur certains usages. Par exemple, après un incident, on produit des post-mortems, qui permettent de tirer des enseignements. Le risque global aujourd’hui avec l’adoption massive de l’IA est la perte d’esprit critique. Utiliser ces outils de manière purement automatisée, sans effort de relecture, freine la montée en compétences et dévalue le livrable. Faire un post-mortem, ce n’est pas seulement rédiger un compte rendu : c’est réfléchir à ce qui s’est passé, comprendre les causes, tirer des enseignements. Si l’IA fait tout à leur place, ils n’acquièrent pas cette expérience.
En revanche, quand une personne expérimentée utilise l’IA pour structurer un post-mortem, le résultat peut être utile, parce qu’elle sait quelles informations donner, quoi vérifier et ce qui compte vraiment. L’outil amplifie donc beaucoup le niveau de la personne qui l’utilise.
Observez-vous un écart entre ceux qui utilisent bien l’IA et les autres ?
L’écart existe, mais il est difficile à mesurer. Ceux qui étaient déjà très productifs avant et qui savent quoi faire deviennent souvent encore plus efficaces avec l’IA. Ce n’est pas seulement une question de vitesse d’écriture : c’est la capacité à avoir une idée, à la spécifier, à connaître le contexte de l’entreprise, à savoir ce qui a du sens pour l’équipe, le produit ou les clients. L’IA aide beaucoup, mais elle ne remplace pas cette compréhension.
C’est aussi pour cela que l’expérience reste importante. Beaucoup de savoirs ne sont pas écrits : ils sont dans la tête des gens, dans les échanges, dans l’histoire des décisions. Un junior peut très bien utiliser un agent, mais il ne sait pas forcément encore quoi lui demander ni comment juger si la réponse sert vraiment l’entreprise.
L’IA change-t-elle aussi les processus et l’organisation ?
Oui, elle peut aider à analyser des situations complexes que nous aurions moins facilement explorées avant. Par exemple, je l’utilise pour modéliser l’intérêt d’un changement technique : si l’on remplace un fournisseur ou une solution par une autre, à partir de quand est-ce rentable ? Quelles hypothèses faut-il prendre ? L’IA permet de produire rapidement un modèle, des graphes, une première analyse.
Je l’utilise aussi pour comprendre les frictions entre équipes. On peut analyser l’historique des changements de code, des incidents ou des interactions, et se demander pourquoi deux équipes passent autant de temps à se coordonner. Parfois, un problème d’API ou d’architecture technique crée de la friction humaine. L’IA peut aider à faire émerger ces signaux et à proposer des changements techniques pour que les équipes travaillent mieux ensemble.
Que devraient intégrer les écoles comme l’EPITA ou Epitech à l’heure de l’IA ?
Je vois trois axes. D’abord, apprendre à utiliser les outils d’IA, parce que c’est ce qui sera demandé. Ensuite, comprendre comment ils fonctionnent réellement, et surtout comprendre l’informatique sans eux : savoir écrire du C, du Python, du Rust, du Go ou du Java, savoir comment fonctionne un navigateur, un protocole, un système en production. Ce socle fera la différence.
Enfin, il faut donner aux étudiants des expériences longues et réalistes. Les projets de deux semaines ou d’un mois ne suffisent pas toujours. Il faudrait des projets qui vivent sur une année, avec un produit à concevoir, mettre en production, maintenir, sécuriser, corriger après incident et faire évoluer. L’IA peut aider à produire, mais l’expérience réelle reste indispensable pour comprendre ce que signifie faire tourner un service dans la durée.
L’IA peut aider à produire, mais l’expérience réelle reste indispensable pour comprendre ce que signifie faire tourner un service dans la durée.
Corentin Chary, Senior Staff Engineer chez Datadog
Quel est le point à retenir sur ce sujet selon vous ?
L’IA ne supprime pas la nécessité de comprendre. Elle donne plus de capacité d’exécution à ceux qui savent déjà quoi faire, mais elle peut aussi empêcher d’apprendre si on l’utilise trop tôt ou trop superficiellement. Le futur profil différenciant sera celui qui sait utiliser ces outils, mais qui garde une compréhension technique profonde et une vraie expérience du terrain.