À chaque problème complexe correspond une solution claire, simple… et fausse.
— H. L. Mencken
J’ai passé des années à chercher des solutions élégantes à des problèmes complexes.
Aujourd’hui, l’un d’eux me résiste particulièrement :
Comment évaluer la qualité réelle d’un dépôt de code source ?
Avec l’IA, le défi a changé. Ce n’est plus seulement “est-ce que ça fonctionne ?”, mais :
Ce code sera-t-il encore maintenable, sûr et fiable dans six mois ?
Ce matin, je me suis amusé à compresser le temps.
Mais avant que vous m’imaginiez en génie de la physique théorique ou en hurluberlu ayant besoin d’une camisole de force, laissez-moi vous expliquer.
Je travaille actuellement sur Metarc, un outil de metacompression (comprendre : appliquer des transformations intelligentes à certaines structures avant de passer le relais à un compresseur classique comme zstd). Si vous n’avez jamais entendu ce terme, vous allez comprendre en 5 minutes. Si vous êtes expert en compression, accrochez-vous, vous trouverez peut-être matière à débat.
Mon profil psychologique est INTJ1 aussi appelé Architecte, et j’ai passé une bonne partie de ma vie à prouver que cette étiquette était adaptée…de la pire des manières.
Des années à avoir une multitude d’idées
Des années à produire des centaines d’idées à la chaîne pour rien ou pire pour en voir certaines réalisées par d’autres des années plus tard.
Vos plannings dérapent, vos deadlines explosent et le périmètre se réduit.
Est-ce la faute de votre méthode de gestion de projet ?
Non, bien sûr. Chaque méthode a ses forces et son utilité et offre un cadre plus efficace que le développement au fil de l’eau et au doigt mouillé.
Mais toute méthode a deux effets pervers :
La méthode rassure parce qu’elle rend visible ce qui est facile à mesurer, mais des KPI au vert peuvent masquer un projet qui va dans le mur :
En informatique, l’aphorisme “Less is More” revient souvent. Avec Jujutsu (jj), il prend une forme très concrète : un modèle mental plus simple peut réduire la friction quotidienne dans la gestion de versions.
Dans cet article1, je ne vais pas chercher à “prouver” que jj est supérieur à git. Je vais montrer, sur un cas concret, pourquoi certaines opérations courantes : interrompre un travail, réorganiser ses modifications, corriger un commit non atomique ou résoudre un conflit, deviennent plus naturelles avec jj.
En 2018, Mat Ryer écrivait un article de référence How I write HTTP services after 8 years qu’il a mis à jour quelques années plus tard : “How I write HTTP services in Go after 13 years”.
En 2019, je présentais déjà ma manière de coder en Go dans plusieurs présentations d’introduction au langage.
Ce texte est une version révisée de cette présentation, nourrie par mon expérience et mes contraintes en 2026.
Parfois, une investigation raconte une autre histoire que celle que vous attendez.
C’est ce qui m’est arrivé récemment en cherchant pourquoi un pod finissait en OOMKilled deux à trois fois par jour.
Une rapide observation de la mémoire du pod incriminé ne montre pas la courbe croissante typique d’un memory leak. Je manque de données juste avant le OOM (parce que c’est toujours quand votre système de métriques est en train de migrer que ce type d’incident se produit) mais avec les données de la journée, la cause semble se trouver ailleurs.
Alors que les méthodes se font toujours plus nombreuses, les livres toujours plus prescriptifs, les outils toujours plus performants, la démarche toujours plus industrielle, l’industrie du logiciel continue à produire autant de dette, de retard et de bugs qu’auparavant.
C’est un secret de polichinelle et pourtant rien ne change. Pourquoi ?
Peut-être est-il temps de chercher la cause là où trop peu regardent.
Laissez-moi vous raconter une histoire.
Imaginez, vous êtes embauché en tant que chef de projet informatique, dans une startup où le développement est complètement stoppé :
Face à une IA capable de compiler nos intentions en programmes fonctionnels, je m’interroge : notre métier se réduit-il à l’assemblage de syntaxe, ou cache-t-il une dimension qui échappe par nature au calcul ?
J’avais 17 ans quand j’ai enfin mis la main sur “The Art of Computer Programming” de Donald Knuth.
À l’époque, en 1989, les livres de référence sur la programmation étaient rares et les 4 volumes de TAOCP faisaient figure de “bible”; il reste encore pour moi un ouvrage de référence que chaque informaticien devrait lire.
Si vous suivez mes blogs/podcasts vous savez déjà que je suis un fan du langage Go, aprés avoir été pendant plusieurs années un utilisateur passionné de Perl.
Ce que vous ignorez peut-être c’est que j’ai utilisé ou continue à utiliser de nombreux autres langages, et que je continue régulièrement à apprendre de nouveaux langages.
Ces 10 dernières années j’ai un peu changé ma façon de faire : pour m’immerger complètement dans le langage que j’apprend, j’essaie pendant un an de réaliser tous mes nouveaux projets dans ce langage. Ce n’est pas forcément le meilleur choix d’un point de vue pratique (un outil ligne de commande en Javascript peut être un peu lourd à déployer par exemple) mais ça me permet de m’impliquer à fond dans l’apprentissage d’un langage.