Andrej Karpathy — co-fondateur d'OpenAI, ex-architecte de l'Autopilot Tesla et créateur du terme vibe coding — déclare lors de cette interview qu'il ne s'est jamais senti aussi en retard comme programmeur. Le point de bascule : décembre 2025. Pendant un break, il observe que les chunks de code générés par les nouveaux modèles sortent justes du premier coup ; il cesse de corriger, fait confiance, vibe-code en continu. Sa conclusion : ceux qui ont expérimenté l'IA en 2024 comme un avatar de ChatGPT doivent regarder à nouveau — quelque chose a changé fondamentalement dans le workflow agentique cohérent.

Karpathy formalise sa taxonomie Software 1.0 / 2.0 / 3.0 : code explicite, puis poids appris via datasets, puis prompting comme programmation d'un LLM-interpréteur. Deux exemples illustrent la rupture. openclaw : au lieu d'un shell script bloated qui couvre toutes les plateformes, l'installation est un texte à copier-coller dans l'agent qui débuggue en boucle. MenuGen : son app vibe-codée sur Vercel pour générer des images de plats devient obsolète quand il découvre qu'on peut donner la photo du menu directement à Gemini en demandant à Nanobanana d'overlayer les plats — pas d'app entre l'image input et l'image output. "That app shouldn't exist." Leçon : ne pas penser l'IA comme accélération du paradigme existant mais comme possibilités neuves (ex. LLM Knowledge Bases).

Sa théorie de la verifiability explique pourquoi les LLMs restent jagged : les labs entraînent en RL sur domaines verifiable (math, code), créant des pics de capacité et des creux ailleurs. Anecdote-marqueur : Opus 4.7 refactorise 100k lignes mais conseille de marcher 50m jusqu'au lavage de voiture. Conseil aux fondateurs : viser des domaines verifiable où l'on peut créer ses propres RL environments et fine-tuner.

Karpathy distingue vibe coding (raise the floor — démocratisation) et agentic engineering (preserve the quality bar — discipline ingénieur pour coordonner des agents spiky/stochastiques). Le 10x engineer est magnifié bien au-delà de 10x. Le hiring doit être refondé : finis les puzzles, place aux gros projets adversariels (Twitter clone agent vs agents red team).

Les agents sont des interns avec recall excellent mais sans taste — l'humain reste en charge de l'esthétique, du design, de la spec. Karpathy refuse la métaphore animale : on ne construit pas des animaux, on convoque des fantômes — circuits statistiques, pas vie. Il appelle à une infrastructure agent-native (sensors/actuators, docs pour agents, déploiement par prompt). Formule de clôture : "You can outsource your thinking but you can't outsource your understanding." L'humain reste le bottleneck de la compréhension qui dirige le système.