Développement accéléré par l’IA

Créer un site internet sans aucune connaissance

J’ai lancé un défi à mon fils de 16 ans : créer un site internet alors qu’il n’avait aucune connaissance en développement web.

Il venait de souscrire à ChatGPT Plus pour l’aider à organiser une partie de Donjons & Dragons. Puisqu’il avait désormais accès à ces outils, je lui ai proposé de voir jusqu’où il pouvait aller en partant de rien.

Il a accepté. Moins de deux heures plus tard, il m’annonçait que son site était terminé.

Le défi

Je ne lui ai fourni ni maquette, ni architecture, ni cours accéléré sur HTML, CSS ou JavaScript. Le but était justement d’observer ce qu’un adolescent sans expérience préalable pouvait matérialiser en dialoguant avec une IA.

Son idée a pris la forme d’un site consacré au football. Pendant qu’il travaillait, il cachait même son écran lorsque je passais près de lui pour que je ne découvre pas le résultat avant la fin.

De mon côté, je ne suis intervenu que deux fois.

Première intervention : choisir un environnement

Après quelques recherches, il est revenu me voir avec un premier blocage. ChatGPT lui proposait plusieurs solutions et plusieurs manières de créer son site, mais il ne savait pas laquelle choisir.

Le problème n’était donc pas encore le code. C’était le choix de l’environnement de travail.

Je lui ai conseillé d’utiliser la même configuration que moi : Visual Studio Code avec l’extension Codex directement intégrée dans l’éditeur. Cette solution lui permettait de travailler dans un vrai dossier de projet, de laisser Codex lire et modifier les fichiers, puis d’observer immédiatement le résultat.

À partir de là, je l’ai laissé avancer seul.

Un prototype créé en moins de deux heures

En moins de deux heures, il m’a appelé pour me dire que c’était terminé. Il avait réussi à passer d’une idée très simple à une preuve de concept visible, navigable et suffisamment aboutie pour être montrée.

Le résultat est disponible ici :

Cette rapidité est impressionnante. Sans l’IA, la première marche aurait probablement été beaucoup plus haute : installer les outils, comprendre la structure d’une page, apprendre la syntaxe, relier les fichiers et corriger les premières erreurs avant même de pouvoir montrer quelque chose.

Avec Codex, il a pu commencer directement par son intention et obtenir rapidement une matérialisation convaincante.

Deuxième intervention : mettre le site en ligne

Ma seconde intervention a consisté à héberger le site exactement dans l’état où il se trouvait au bout des deux heures.

Je n’ai pas corrigé son contenu, repris son architecture ou amélioré ses fonctionnalités avant la publication. Il était important de conserver le résultat tel quel, parce que cette version constitue la véritable trace de l’expérience.

Le site publié n’est donc pas un produit terminé. C’est une photographie fidèle de ce qu’un débutant complet a pu créer en moins de deux heures avec Codex.

Une preuve de concept réussie

Sur le plan de la matérialisation, le défi est réussi avec brio.

Il a formulé une envie, exploré des possibilités, choisi un outil, créé des fichiers et obtenu une interface accessible en ligne. L’IA a considérablement réduit la distance entre l’idée et le prototype.

C’est probablement l’un de ses apports les plus spectaculaires : permettre à quelqu’un qui ne possède pas encore le vocabulaire technique de construire suffisamment pour voir son idée prendre forme.

Mais cette réussite révèle aussi une limite essentielle.

Créer ne signifie pas encore comprendre

Mon fils n’avait pas réellement conscience de tout ce que Codex avait produit ni de la manière dont le site fonctionnait.

Il m’a par exemple expliqué que certaines données étaient fausses et que l’IA s’était trompée. Il ne savait pas qu’il s’agissait simplement de données fictives ajoutées pour remplir l’interface et démontrer son fonctionnement.

Il pensait également que ces données allaient se mettre à jour automatiquement. Pourtant, aucune source de données, aucune API et aucun mécanisme d’actualisation n’avaient été mis en place.

Le résultat donnait l’apparence d’une application alimentée, mais derrière cette apparence se trouvait encore un prototype statique.

Cette confusion est importante. Une IA peut produire une interface très crédible, au point de masquer les couches techniques qui n’existent pas encore.

Le bogue qui montre la marche suivante

Un autre exemple apparaît lorsqu’on clique sur un joueur : le site renvoie une erreur 404.

Il avait demandé à Codex de corriger ce problème et une correction avait été proposée. Je n’ai cependant pas eu le temps de rapatrier cette nouvelle version sur le site en ligne. La version publiée conserve donc volontairement ce défaut.

Ce bogue représente assez bien la marche suivante. Générer une première interface est devenu très accessible. Comprendre le routage, vérifier une correction, gérer les versions et déployer la bonne version demande déjà davantage de méthode.

Une marche plus haute, mais pas impossible

Pour aller plus loin, il aurait fallu comprendre progressivement plusieurs notions :

la différence entre données fictives et données réelles

le rôle d’une API ou d’une base de données

le fonctionnement des routes et des pages dynamiques

la différence entre une modification locale et la version en production

la nécessité de tester chaque parcours

la maintenance d’un site après sa première publication

Cette deuxième étape aurait été plus exigeante, mais elle n’aurait pas été impossible s’il avait souhaité poursuivre le projet.

Le prototype aurait alors pu devenir un support d’apprentissage concret. Chaque limite rencontrée aurait donné une raison d’apprendre une nouvelle notion, au moment précis où elle devenait utile.

Ce que je retiens de l’expérience

L’IA abaisse spectaculairement la première marche. Elle permet à un débutant de créer avant même de maîtriser les concepts qui rendaient autrefois cette création possible.

Mais elle ne supprime pas les marches suivantes.

Une interface peut fonctionner sans que son auteur sache encore l’expliquer. Un prototype peut sembler complet sans posséder de données réelles. Une correction peut exister localement sans être publiée. Et un résultat visuellement convaincant ne garantit pas que le projet soit compris, maintenable ou prêt à évoluer.

Ce défi ne montre donc pas que les connaissances sont devenues inutiles. Il montre plutôt que leur ordre d’acquisition peut changer.

On peut désormais commencer par créer, ressentir rapidement la satisfaction du résultat, puis apprendre en rencontrant les limites du prototype. À condition de conserver la curiosité nécessaire pour demander non seulement à l’IA de faire, mais aussi d’expliquer ce qu’elle vient de faire.