Eric S. Raymond (ESR) — auteur de The Cathedral and the Bazaar, co-fondateur de l'Open Source Initiative, ~50 ans de code — publie sur X un contre-témoignage au discours « les LLMs génèrent du code pourri, hallucinent, sont inutiles pour programmer ». Un discours qu'il trouve « de plus en plus déroutant », car cela ne lui arrive quasiment jamais.
L'expérience. Depuis deux générations de modèles (« ChatGPT 5.4 et 5.5 » sous codex), il ne constate plus de dérapage. L'ancien symptôme — un modèle qui « déraille » près de sa limite de contexte — a laissé place à un avertissement rouge invitant à vider la session. Son empan est large : IA appliquée à des feature changes, refactoring et debugging sur 63 projets en C, Go, Rust, Python et shell, rédaction de documentation, et même décompilation d'un binaire DOS en source lisible. Sa routine : à chaque réouverture d'un projet, lancer les tests de régression, puis demander à codex d'auditer le code (bugs + améliorations).
Be clear in your thinking, tell the model what you want with precision, and good things happen
Le verdict. Les LLMs sont « excellents et formidablement capacitants ». Leur pire limite est une « vision en tunnel architecturale » : excellents pour coder à la spécification, mais parfois aveugles aux patterns de haut niveau — ce qui reste, dit-il, le job de son « meatbrain ». Le point le plus fort, contre-intuitif : les LLMs ne se trompent pas sur les détails et les cas limites. Il s'y déclare moins bon qu'eux : si un changement doit toucher cinq endroits du code, le modèle les trouve tous les cinq, là où l'humain en corrige quatre et débogue des heures avant de repérer le cinquième.
L'interrogation. ESR questionne les « downshouters » : vivent-ils dans un autre univers ? Utilisent-ils de vieux modèles faibles ? Ont-ils un skill issue qu'il ne perçoit pas, parce que ses habitudes mentales et sa communication collent bien aux « poignées » de ces outils ? Il juge la question importante car « des milliards de dollars seraient gaspillés en token spend mal dirigé ». Sa recette, « très simple » : « Be clear in your thinking, tell the model what you want with precision, and good things happen » — avant la chute : « what…what am I missing here? ».
À lire comme un contrepoint pro-LLM crédible, signé d'une figure historique de l'open source, au débat récurrent sur la valeur des agents de codage — en résonance avec la discipline de spécification défendue ailleurs (cf. Token Manifesto).