Dans ce position paper publié sur arXiv (catégorie génie logiciel), Martin Monperrus défend une thèse qui heurte frontalement une pratique fondatrice du SDLC : les agents de codage ont atteint un niveau de capacité tel que la revue de code humaine n'est plus un composant nécessaire d'un pipeline qualité. L'argument repose sur deux affirmations. D'abord, une parité — voire une supériorité — de capacité : des systèmes autonomes fondés sur des LLM remplissent tous les objectifs traditionnels de la revue (trouver les défauts, améliorer la qualité, assurer la conformité, partager la connaissance) à un coût moindre et avec un débit supérieur, sans la fatigue ni l'inconstance humaines. Ensuite, un problème d'échelle : le modèle hybride dominant — l'agent écrit le code, l'humain le relit — ne fournit ni assurance qualité réelle ni capacité à suivre la vélocité de la production assistée par IA ; il engendre surtout une fausse sécurité.
Monperrus situe sa cible historiquement, en visant l'inspection de Fagan (1976), et s'appuie sur les travaux de Bacchelli & Bird montrant que la revue attrape en pratique moins de bugs que les développeurs ne l'imaginent. Les benchmarks (SWE-bench, ~20-40 % d'issues résolues selon les modèles, avec des courbes de progression rapides) servent de preuve de capacité.
gate de revue humain inviolable
À la place de la revue humaine, il propose un pipeline de vérification adversariale multi-agents : un agent génère le code ; un ou plusieurs agents reviewers indépendants l'inspectent (défauts, sécurité, style) ; une couche de vérification ajoute tests automatisés et méthodes formelles ; un mécanisme de consensus fait voter plusieurs agents pour accepter ou rejeter. Le goulot d'un relecteur humain unique est remplacé par une inspection distribuée et infatigable.
L'humain ne disparaît pas : il se recentre sur la spécification et les exigences de haut niveau, les arbitrages d'architecture, la supervision des domaines critiques, les cas limites, et reste la porte d'approbation finale des systèmes sensibles. L'auteur traite explicitement les objections — hallucinations et injection de prompt, limites du test automatisé (d'où le property-based testing), perte d'expertise de domaine (compensée par fine-tuning et RAG) — sans les esquiver.
Côté SDLC, il relie la revue aux métriques DORA : accélérer le débit de revue accélère le déploiement. Ses recommandations sont pragmatiques : piloter d'abord sur des composants à faible risque, garder un workflow hybride initial (agents signalent, humains approuvent), mesurer les taux de détection agent contre humain, expliciter les décisions de rejet, et créer des boucles de feedback. Un texte volontairement provocateur, mais une contre-thèse précieuse au dogme du « gate de revue humain inviolable ».