Six mois de nuits tardives, du code cassé en pagaille, et une frustration bien réelle face à un outil présenté comme révolutionnaire. C’est le bilan que dresse Clint Hocking, l’ancien directeur d’Assassin’s Creed Hexe et de Far Cry 2, sur son expérience d’apprentissage du code assisté par intelligence artificielle. Son témoignage, recueilli dans un long format du magazine Edge, bouscule sérieusement le discours ambiant sur les capacités réelles de l’IA générative.
Quand un directeur de jeu décide d’apprendre à coder avec l’IA
Hocking n’est pas un développeur. Il est game director, scénariste, architecte de mondes. Décider de se lancer dans l’apprentissage du JavaScript en s’appuyant sur ChatGPT comme tuteur relevait donc d’une démarche volontariste, presque expérimentale. L’idée de départ était simple : utiliser l’IA générative pour combler une lacune technique et acquérir une compétence nouvelle sans passer par des formations traditionnelles.
Le résultat ? Brutal, selon ses propres mots. « ChatGPT kind of sucked. It didn’t really know how to code. Everything was broken », a-t-il déclaré. Traduction libre et sans filtre — l’outil générait du code systématiquement défectueux, et Hocking se retrouvait à déboguer des erreurs qu’il n’était même pas encore capable d’identifier correctement. Apprendre à nager en réparant une fuite dans le fond de la piscine — voilà à quoi ressemblait son quotidien.
Ce qui frappe dans ce récit, c’est la durée. Environ six mois ont été nécessaires pour démêler les erreurs produites par l’IA, souvent bien après minuit. Ce n’est pas l’image d’un outil qui accélère l’apprentissage. C’est celle d’un outil qui le complique, parfois dangereusement, pour quelqu’un qui part de zéro.
Hocking a néanmoins atteint son objectif — il sait aujourd’hui coder en JavaScript et n’utilise plus l’IA pour cette tâche. Mais il reconnaît lui-même qu’il a appris malgré ChatGPT, et non grâce à lui. La nuance est fondamentale.
Les limites concrètes de l’IA pour le codage automatisé
L’expérience de Hocking illustre un problème que beaucoup de développeurs connaissent : les modèles de langage ne « comprennent » pas le code au sens où un ingénieur le ferait. Ils génèrent des séquences statistiquement probables, ce qui produit fréquemment du code qui ressemble à du code fonctionnel, sans l’être vraiment.
Pour comparer objectivement ce que l’IA générative peut — ou ne peut pas — faire dans le domaine du développement, voici un état des lieux honnête :
| Tâche | Efficacité de l’IA | Fiabilité |
|---|---|---|
| Générer des snippets simples | Correcte | Moyenne |
| Déboguer du code complexe | Faible | Insuffisante |
| Expliquer un concept technique | Bonne | Variable |
| Produire du code production-ready | Très faible | Mauvaise |
| Assister un développeur expérimenté | Correcte | Acceptable |
Ce tableau, basé sur les retours documentés de praticiens, confirme ce que Hocking a vécu directement. L’IA se comporte comme un assistant acceptable pour un expert, mais constitue un piège pour un débutant. Sans les repères nécessaires pour identifier une erreur, impossible de corriger ce que le modèle produit. On tourne en rond.
Le phénomène du vibe coding — coder en suivant des suggestions d’IA sans comprendre ce qu’on écrit — fait d’ailleurs l’objet de critiques croissantes dans la communauté des développeurs. Des études menées en 2025 par des équipes de l’Université de Stanford ont montré que les étudiants utilisant principalement des assistants IA pour coder produisaient du code fonctionnel dans 62 % des cas, contre 89 % pour ceux qui apprenaient sans ces outils en formation initiale. La dépendance crée une fragilité structurelle.
- Le code généré par IA contient souvent des erreurs logiques non détectables à la lecture rapide.
- Les débutants manquent du recul nécessaire pour valider ou rejeter une suggestion de l’IA.
- Le débogage devient un apprentissage par l’échec, ce qui ralentit considérablement la progression.
- La dépendance à l’outil empêche la construction d’une intuition de développeur durable.
Ubisoft, l’IA dans l’industrie du jeu et ce que ça change vraiment
Au-delà de son aventure personnelle avec le code, Hocking a également partagé ce qu’il observe chez Ubisoft. Premier point notable — à sa connaissance, aucun employé du studio n’a perdu son poste à cause de l’IA. Ce n’est pas anodin dans un secteur où les discours alarmistes sur l’automatisation sont monnaie courante depuis 2023.
Hocking précise aussi qu’Ubisoft examinait des technologies génératives susceptibles d’alimenter Watch Dogs : Legion, son dernier grand projet au sein du studio. Cette piste concernait vraisemblablement la génération procédurale de contenu ou de dialogues, pas le remplacement de postes créatifs entiers. La distinction mérite d’être faite clairement.
L’industrie vidéoludique avance sur ce sujet avec beaucoup moins de certitudes qu’elle ne le laisse paraître publiquement. L’IA générative sert encore majoritairement à produire des assets de remplissage, des doublures de voix ou des environnements intermédiaires — rarement du contenu final de qualité. Le fossé entre le discours marketing et la réalité de production reste immense.
Ce qui ressort du témoignage de Hocking, finalement, c’est une leçon utile pour quiconque envisage d’apprendre une compétence technique avec l’aide de l’IA : utilisez ces outils comme un complément, pas comme un point de départ. L’IA peut accélérer certains aspects de l’apprentissage chez quelqu’un qui dispose déjà de bases solides. Pour les vrais débutants, elle risque surtout de creuser la confusion. Peut-être que la vraie question à poser avant d’ouvrir ChatGPT, c’est : est-ce que je suis en mesure de reconnaître une mauvaise réponse quand elle arrive ?
