"Quel modèle d'IA devrais-je utiliser pour programmer ?"
Si j'avais reçu un euro à chaque fois que quelqu'un m'a posé cette question au cours des six derniers mois, j'aurais assez pour couvrir mes coûts d'API pendant une semaine. Peut-être.
Voici le problème — la plupart des comparaisons de modèles d'IA sont inutiles. Elles exécutent des benchmarks synthétiques, testent des extraits de code isolés et déclarent des gagnants sur la base de métriques qui n'ont rien à voir avec notre façon réelle de travailler. Personne ne demande plus à l'IA d'écrire des implémentations de tri à bulles. Nous essayons de construire de vrais logiciels.
Alors j'ai fait quelque chose de différent. J'ai pris un monstrueux Document de Spécifications Produit — dérivé d'une application réelle et complète que j'avais construite — et je l'ai lancé à cinq modèles d'IA différents. Le même PRD. Les mêmes instructions. Chronomètre de deux heures. Voyons qui survit.
Les résultats m'ont surpris. Et pas de la manière que j'attendais.
La configuration qui fait échouer la plupart des modèles
Avant de plonger, laissez-moi expliquer ce que je testais réellement. Ce n'était pas un projet jouet ou un prompt "construis-moi une app de tâches". Le PRD que j'ai utilisé était massif — documentation technique détaillée couvrant les composants UI, l'architecture backend, les fonctionnalités alimentées par l'IA, les prompts de personnalité, les moteurs de recommandation et plus encore.
Imaginez-le comme un tableau de bord de plateforme de streaming. Les utilisateurs parcourent les émissions, obtiennent des recommandations alimentées par l'IA, explorent des concepts thématiques, voient les informations sur le casting et l'équipe, consultent les évaluations de sources multiples et interagissent avec une fonctionnalité d'"alchimie" qui permet de combiner des émissions pour découvrir du nouveau contenu basé sur des concepts combinés.
Le genre de chose qui prendrait des semaines à une équipe pour le spécifier correctement. J'ai donné à chaque modèle le document complet et j'ai dit "commence ici".
Les concurrents :
- GPT-5.1 Codex Max (l'ancien champion)
- GPT-5.2 Medium (le niveau recommandé par OpenAI)
- GPT-5.2 Extra High (réflexion maximale, coût maximal)
- Claude Opus 4.5 (le fleuron d'Anthropic)
Je voulais savoir : Ces modèles peuvent-ils réellement exécuter des exigences complexes du monde réel ? Pas seulement écrire des fonctions — mais construire des applications cohérentes à partir de spécifications denses ?
Les 30 premières minutes : Où les personnalités émergent
Quelque chose d'intéressant s'est produit presque immédiatement.
GPT-5.1 Codex Max a sauté directement dans l'action. Des fichiers ont commencé à apparaître. Les dépendances ont été installées. Un serveur a démarré dans les dix premières minutes. Ça semblait rapide. Productif. Comme regarder un développeur qui a bu trop de café se mettre à produire du code.
Les modèles GPT-5.2 — Medium et Extra High — ont adopté une approche différente. Ils ont passé plus de temps à réfléchir. À traiter. On pouvait presque les voir lire le PRD, essayant de comprendre l'envergure complète avant d'écrire une seule ligne.
Et puis il y avait Opus 4.5.
C'est là que les choses sont devenues intéressantes. Opus n'a pas simplement commencé à coder. Il a commencé à me parler. Une liste de tâches est apparue. Il a verbalisé ce qu'il avait compris du PRD. Il a posé des questions de clarification. Il a dit des choses comme "En me basant sur les exigences, je vais structurer ceci comme..." avant de faire quoi que ce soit.
Je ne vais pas mentir — au début, ça semblait plus lent. Mais quelque chose semblait juste.
L'écart de communication dont personne ne parle
Laissez-moi faire une pause ici car ceci est devenu la perception la plus importante de toute l'expérience.
Les modèles GPT commencent à coder immédiatement. Ils lisent votre prompt et exécutent. Pas de confirmation. Pas de "voici ce que j'ai compris". Juste de l'action.
Les modèles Opus communiquent d'abord. Ils reconnaissent ce que vous avez demandé. Ils expliquent leur interprétation. Ils vous montrent la feuille de route avant de construire la route.
Pourquoi est-ce important ?
Parce que quand vous travaillez avec l'IA sur des tâches complexes, vous devez savoir ce qu'elle a réellement compris. Si GPT-5.2 interprète mal une exigence et construit la mauvaise chose, vous ne le saurez que lorsque vous verrez la sortie cassée. Si Opus interprète quelque chose de travers, il vous le dit à l'avance — et vous pouvez corriger avant que du code ne soit écrit.
Il ne s'agit pas de savoir quel modèle est "plus intelligent". Il s'agit de savoir lequel rend la collaboration moins semblable à un pari.
J'ai travaillé avec des développeurs juniors qui codent plus vite que les seniors. La vitesse n'est pas la même chose que la productivité. Les meilleurs collaborateurs — humains ou IA — confirment la compréhension avant l'exécution.
Première heure : La course aux fonctionnalités
À la marque des soixante minutes, les différences sont devenues flagrantes.
GPT-5.1 Codex Max avait une application en fonctionnement. Elle semblait... fonctionnelle. CSS basique, du style manquant, mais la structure centrale était là. Les fonctionnalités manquantes étaient évidentes cependant — pas de moteur de recommandation, affichage limité des métadonnées, navigation incomplète.
GPT-5.2 Medium a montré une amélioration par rapport à 5.1. L'UI semblait plus polie. Il a atteint plus de fonctionnalités demandées. Mais l'art clé manquait. Certains éléments interactifs n'étaient pas connectés. Le "medium" dans son nom semblait exact — milieu de gamme.
GPT-5.2 Extra High était plus lent mais plus minutieux. L'interface était plus propre. Plus accessible. Disposition logique. Le moteur de recommandation fonctionnait. Les métadonnées étaient correctement récupérées. Les informations sur le casting et l'équipe s'affichaient correctement. C'était réellement impressionnant — jusqu'à ce que je remarque que les listes d'épisodes sous les saisons des séries TV étaient complètement absentes.
Opus 4.5 construisait quelque chose de différent. Des éléments visuels plus riches. Des animations que je n'avais pas spécifiquement demandées mais qui avaient du sens. Des affichages de données financières (bénéfices, ROI). Des décompositions claires des évaluations et des genres. Et — c'est essentiel — un lecteur de bande-annonce en ligne qu'aucun des modèles GPT n'a même tenté.
Mais l'UI d'Opus était aussi plus complexe. Plus chargée. Plus difficile à naviguer au premier coup d'œil. Il a optimisé pour la complétude plutôt que la simplicité.
La révélation du document de lacunes
Voici quelque chose qui a tout changé.
Aucun des modèles n'a complètement terminé le PRD en une seule fois. Pas même de loin. Ils ont tous manqué des fonctionnalités. Ils ont tous fait des suppositions. Ils avaient tous des lacunes.
J'ai donc créé ce que j'appelle un "document de lacunes" — un second prompt qui listait tout ce que la construction initiale avait manqué, demandant essentiellement à chaque modèle de s'auditer par rapport aux exigences originales et de combler les vides.
C'est là que GPT-5.2 Extra High et Opus 4.5 se sont nettement détachés.
Les deux modèles ont répondu au document de lacunes en abordant systématiquement les fonctionnalités manquantes. Les listes d'épisodes sont apparues. La logique de recommandation s'est améliorée. Le polissage de l'UI a augmenté. En une heure supplémentaire d'itération, les deux avaient atteint ce que j'estime à 90-95% de complétude fonctionnelle.
L'ancien GPT-5.1 ? Il a eu du mal. Il confondait constamment ce qu'il avait déjà construit avec ce qui était demandé. La gestion du contexte est devenue un problème.
La leçon : Aucun modèle d'IA aujourd'hui ne peut exécuter entièrement un PRD complexe de manière autonome. Mais les meilleurs peuvent s'en approcher remarquablement avec un tour de retour structuré. L'écart n'est pas dans la capacité brute — il est dans l'auto-audit.
Philosophie UI : Élégance vs Complétude
Parlons des sorties visuelles car elles révèlent quelque chose d'important sur la façon dont ces modèles pensent.
GPT-5.2 Extra High a produit ce que j'appellerais des interfaces "conviviales pour développeurs". Propres. Prévisibles. Le type d'UI qui est facile à utiliser parce qu'elle n'essaie pas d'en faire trop à la fois. Bon espacement. Hiérarchie d'information logique. Si vous la montriez à un chef de produit, il l'approuverait probablement sans beaucoup de modifications.
Opus 4.5 a construit quelque chose de plus ambitieux. Chaque point de données possible est remonté à la surface. Multiples modèles d'interaction. Richesse visuelle qui frôlait l'écrasant. On avait l'impression qu'Opus essayait de prouver qu'il comprenait chaque exigence en les montrant toutes simultanément.
Aucune des deux approches n'est fausse. Mais elles servent des objectifs différents.
Si vous avez besoin d'un prototype rapide pour valider une idée, la sortie plus propre de GPT-5.2 vous y amène plus vite. Si vous avez besoin d'une couverture fonctionnelle complète et que ça ne vous dérange pas de raffiner la présentation plus tard, Opus vous donne plus de matière.
J'ai constaté que j'utilisais la sortie de GPT-5.2 comme référence UI tout en empruntant les implémentations de fonctionnalités d'Opus. La combinaison fonctionnait mieux que l'un ou l'autre seul.
Les fonctionnalités IA : Là où ça devient intéressant
Les deux modèles ont implémenté des fonctionnalités alimentées par l'IA — extraction de concepts, recommandations thématiques, exploration dynamique basée sur les préférences utilisateur. C'est là que le PRD devenait compliqué, et là où je m'attendais à ce que les modèles peinent.
Ce ne fut pas le cas. Pas vraiment.
Les moteurs de recommandation fonctionnaient. Ils comprenaient les relations sémantiques entre les émissions. Ils pouvaient expliquer pourquoi deux séries apparemment différentes pourraient plaire au même spectateur.
La fonctionnalité "alchimie" d'Opus s'est démarquée. Elle permettait aux utilisateurs de combiner plusieurs émissions et d'extraire des concepts thématiques chevauchants pour trouver de nouvelles recommandations. C'était dans le PRD, mais ça nécessitait la compréhension d'un concept assez abstrait. Opus l'a parfaitement réussi. L'interface de mashup était intuitive, et les recommandations générées avaient véritablement du sens.
GPT-5.2 a aussi implémenté l'alchimie, mais plus littéralement. Il combinait les émissions et recrachait des recommandations. La magie — la méta-analyse de pourquoi certaines combinaisons fonctionnaient — n'était pas là.
Pour la programmation assistée par IA de fonctionnalités IA, Opus avait l'avantage. Il comprenait l'intention derrière les exigences, pas seulement les spécifications littérales.
Ce que personne n'a réussi
Parlons des échecs car ils comptent autant que les succès.
Art clé. Chaque modèle a eu du mal avec les images des émissions. Le PRD spécifiait l'intégration avec des API externes pour les affiches et les miniatures. Aucun modèle ne les a récupérées et affichées de manière fiable. Certains ont fait des boîtes de substitution. Certains les ont complètement ignorées. Aucun n'a réussi totalement.
Bandes-annonces. Seul Opus a tenté la lecture de bande-annonce en ligne. Les autres ont sauté ou généré des implémentations cassées.
Auto-audit. Aucun modèle n'a naturellement vérifié son propre travail par rapport au PRD original. Ils ont tous nécessité des documents de lacunes explicites pour identifier les fonctionnalités manquantes. Cela suggère que les modèles d'IA actuels sont bons en exécution mais mauvais en validation de leur propre sortie.
Gestion des médias en général. Les fonctionnalités basées sur le texte étaient solides. Tout ce qui impliquait des actifs externes — images, vidéos, intégrations d'API — était en deçà. Les modèles pouvaient écrire le code, mais déboguer les réponses d'API et gérer les cas limites nécessitait encore une intervention humaine.
Vitesse vs Qualité : Le vrai compromis
Laissez-moi vous donner des chiffres concrets.
GPT-5.1 Codex Max : Sortie initiale la plus rapide. Complétude fonctionnelle la plus basse. Plus de bugs. Temps jusqu'au prototype "utilisable" : ~45 minutes. Temps jusqu'à l'application "complète" : Impossible en deux heures.
GPT-5.2 Medium : Vitesse modérée. Couverture fonctionnelle raisonnable. Quelques problèmes de finition. Temps jusqu'au prototype utilisable : ~60 minutes. Temps jusqu'à presque complet : ~100 minutes avec document de lacunes.
GPT-5.2 Extra High : Sortie initiale la plus lente. Haute complétude fonctionnelle. UI propre. Temps jusqu'au prototype utilisable : ~75 minutes. Temps jusqu'à presque complet : ~110 minutes avec document de lacunes.
Opus 4.5 : Sortie initiale assez rapide (serveur démarré tôt). Plus haute complétude fonctionnelle. UI complexe. Temps jusqu'au prototype utilisable : ~50 minutes. Temps jusqu'à presque complet : ~95 minutes avec document de lacunes.
Si vous optimisez purement pour la vitesse, GPT-5.2 Medium a du sens. Si vous optimisez pour la complétude et n'avez pas peur de l'itération, Opus 4.5 livre plus de fonctionnalités par euro dépensé.
L'équation des coûts dont personne ne veut parler
Ces modèles ne sont pas gratuits. Et le niveau "Extra High" de GPT-5.2 coûte nettement plus que Medium.
Voici mon avis honnête : GPT-5.2 Extra High n'a pas justifié sa prime par rapport à Medium pour cette tâche. Oui, la sortie était plus propre. Oui, il a capté quelques exigences supplémentaires. Mais l'amélioration marginale ne valait pas 3-4 fois le coût.
Opus 4.5, malgré son prix élevé, en valait la peine. Rien que le style de communication a économisé du temps de débogage. La complétude fonctionnelle a réduit les cycles d'itération. La compréhension d'exigences IA complexes signifiait moins de reprise.
L'efficacité des coûts compte. Le modèle d'Anthropic a livré plus de valeur par tour de conversation que le niveau le plus élevé d'OpenAI. Ce n'est pas une déclaration de fanboy — c'est de la comptabilité.
Ce que cela signifie pour le développement réel
Soyons directs : Ni GPT-5.2 ni Opus 4.5 ne remplacera les développeurs de sitôt.
Mais ils remplacent des mois de travail par des heures de travail. Ce n'est pas rien. C'est transformateur.
L'application que j'ai utilisée comme base pour ce PRD a pris à une équipe plusieurs semaines à construire à l'origine. Ces modèles d'IA ont atteint 90-95% de parité fonctionnelle en moins de deux heures. Les 5-10% restants — les cas limites, le polissage, le débogage — nécessitent encore une attention humaine. Mais le gros du travail ? Fait.
Cela change notre façon de penser le prototypage. Cela change notre façon de valider les idées. Cela change l'économie de la construction logicielle.
Nous ne sommes pas encore à "prompt et expédie". Nous sommes à "prompt, vérifie, itère et expédie plus vite que jamais". C'est quand même un changement massif.
Ma recommandation
Après avoir mené cette expérience, voici ce que je dirais à un autre développeur :
Utilisez Opus 4.5 quand :
- Vous construisez quelque chose de complexe avec des fonctionnalités pilotées par l'IA
- Vous avez besoin d'une haute complétude fonctionnelle et acceptez le raffinement UI
- Vous valorisez la communication et voulez vérifier la compréhension avant l'exécution
- Vous êtes prêt à payer une prime pour des cycles d'itération réduits
Utilisez GPT-5.2 Medium quand :
- Vous avez besoin de prototypes rapides pour la validation
- L'UI compte plus que la profondeur fonctionnelle
- Le budget est une contrainte principale
- Vous êtes à l'aise avec plus de débogage manuel
Passez GPT-5.2 Extra High. Pour la plupart des cas d'usage, il ne justifie pas la prime de coût par rapport à Medium. Les améliorations incrémentales ne suffisent pas.
Oubliez GPT-5.1 Codex Max. Il a été dépassé. Les modèles plus récents sont nettement meilleurs.
Le tableau d'ensemble
Nous regardons les outils de codage IA évoluer en temps réel. Il y a six mois, demander à un modèle d'exécuter un PRD complexe aurait été risible. Aujourd'hui, c'est viable — avec des réserves.
L'écart entre "code généré par l'IA" et "code prêt pour la production" se réduit. Il n'a pas disparu. Mais il se réduit rapidement.
Les développeurs qui comprendront comment collaborer efficacement avec ces outils — qui apprendront à écrire de meilleurs PRDs, qui maîtriseront l'art des documents de lacunes, qui comprendront quel modèle utiliser pour quelle tâche — auront un avantage énorme.
Il ne s'agit pas d'être remplacé. Il s'agit d'être amplifié.
Les meilleurs développeurs humains utiliseront l'IA pour multiplier leur production. Ceux qui résistent se demanderont pourquoi tous les autres livrent plus vite.
Je sais de quel côté je me place.
Réflexions finales
Si vous ne retenez qu'une chose de cette expérience, que ce soit ceci : Arrêtez d'évaluer les modèles d'IA sur des benchmarks synthétiques. Testez-les sur votre travail réel. Donnez-leur vos exigences désordonnées, complexes et du monde réel. Voyez ce qui se passe.
Les résultats pourraient vous surprendre.
Ils m'ont certainement surpris.
🤝 Engager / Travailler avec moi :
- 🔗 Fiverr (builds personnalisés, intégrations, performance) : fiverr.com/s/EgxYmWD
- 🌐 Mejba Portfolio Personnel : mejba.me
- 🏢 Ramlit Limited : ramlit.com
- 🎨 ColorPark Agence Créative : colorpark.io
- 🛡 xCyberSecurity Services Mondiaux : xcybersecurity.io
