Des algorithmes à la dette technique, ces 25 idées fondamentales expliquent comment le logiciel fonctionne réellement — sans besoin d'expérience en codage ni de diplôme en ingénierie.
Credit: Bernd 📷 Dittrich / Pexels
Les logiciels gèrent la paie, dirigent les ambulances, fixent le prix des billets d'avion et décident des publications à afficher dans votre fil d'actualité. Pourtant, le vocabulaire des personnes qui les construisent reste opaque pour presque tout le monde. Lorsqu'un ingénieur dit qu'une fonctionnalité est « bloquée par une dépendance API » ou qu'une correction « ajoutera de la latence », la plupart des collègues acquiescent sans comprendre clairement ce que ces mots signifient. Ce fossé a des coûts réels. Les gestionnaires approuvent des délais qu'ils ne peuvent pas évaluer. Les marketeurs rédigent des textes sur des produits qu'ils ne peuvent pas décrire avec précision. Les décideurs politiques réglementent des systèmes qu'ils ne peuvent pas raisonner.
La bonne nouvelle, c'est que les idées de base de l'informatique ne sont pas lourdes en mathématiques ni inaccessibles. Elles sont, en essence, des idées sur l'organisation : comment décrire une tâche avec précision, comment stocker des informations pour qu'elles puissent être retrouvées, comment répartir le travail entre plusieurs mains et comment réagir lorsque les choses tournent mal. Une recette est un algorithme. Un catalogue de cartes de bibliothèque est un index. Un vestiaire est une table de hachage avec un préposé humain. La machinerie est inconnue, mais la logique ne l'est pas.
Cette liste couvre 25 concepts qui apparaissent constamment dans les lieux de travail, les reportages et les produits quotidiens. Certains expliquent comment les ordinateurs représentent l'information — binaire, bits et compression. D'autres expliquent comment les logiciels sont construits et maintenus — contrôle de version, débogage et dette technique. D'autres encore expliquent l'Internet lui-même — adresses IP, DNS, cookies et le modèle client-serveur. Un dernier groupe couvre les idées derrière l'intelligence artificielle moderne, y compris l'apprentissage automatique et les réseaux neuronaux.
Chaque entrée est autonome. Vous pouvez les lire dans l'ordre ou passer au terme que vous avez entendu lors d'une réunion ce matin. Aucune ne nécessite de connaissances préalables, et aucune ne vous demande d'écrire une ligne de code. Le but n'est pas de vous transformer en programmeur. Il s'agit de vous donner un modèle mental fonctionnel des systèmes dont vous dépendez déjà, afin que la prochaine fois qu'un ingénieur explique pourquoi quelque chose est difficile, lent ou coûteux, vous compreniez exactement ce qu'il veut dire.
Un algorithme est une séquence précise d'étapes pour accomplir une tâche. C'est toute la définition. Une recette de pain à la banane est un algorithme. Tout comme les directions que votre application de navigation vous lit, et la méthode de division longue que vous avez apprise à l'école primaire. En informatique, les algorithmes sont importants car les ordinateurs ne peuvent pas improviser. Une personne à qui on dit « triez ces fichiers » s'en sortira. Un ordinateur a besoin que chaque étape soit explicitée : comparer deux éléments, décider lequel vient en premier, les échanger si nécessaire, répétez.
Le mot porte une aura de mystère dans les discussions publiques — « l'algorithme » qui décide de ce que vous voyez sur les réseaux sociaux — mais il n'existe pas un seul algorithme quelque part. Chaque application en contient des milliers, chacun s'occupant d'une tâche précise : l'un classe les publications, l'autre compresse les images, un autre vérifie votre mot de passe, un autre détermine le chemin le plus rapide pour envoyer des données sur un réseau.
Ce qui sépare un bon algorithme d'un mauvais est généralement l'efficacité. Considérez la recherche d'un nom dans un annuaire téléphonique imprimé. Vous pourriez commencer à la première page et passer en revue chaque entrée jusqu'à ce que vous le trouviez. Ou vous pourriez ouvrir au milieu, voir si votre nom se situe avant ou après par ordre alphabétique, et écarter la moitié du livre en une seule fois. Répétez, et vous trouverez n'importe quel nom dans un livre d'un million d'entrées en environ 20 étapes. Les deux méthodes fonctionnent. L'une est dramatiquement plus rapide.
Les informaticiens passent leur carrière à faire exactement ce genre de comparaison, car à grande échelle la différence est énorme. Une approche inefficace qui fonctionne bien sur 100 enregistrements peut prendre des heures sur 100 millions. Lorsque les ingénieurs débattent de l'algorithme à utiliser, ils discutent des compromis : vitesse contre utilisation de la mémoire, simplicité contre performance, comportement moyen contre comportement dans le pire des cas.
La leçon pratique pour les non-ingénieurs : lorsque quelqu'un blâme "l'algorithme", demandez lequel, et ce qu'il a été conçu pour optimiser. Cette seule question dissipe la plupart du brouillard.
Credit: Canva Images
Les ordinateurs stockent et traitent tout — photos, tableurs, films, cet article — comme des séquences de seulement deux symboles : 0 et 1. Chaque 0 ou 1 individuel est appelé un bit, abréviation de chiffre binaire. Huit bits regroupés ensemble forment un octet, l'unité de base que vous voyez dans les tailles de fichiers : kilo-octets, méga-octets, giga-octets.
La raison de ces deux symboles est physique, pas mathématique. Une puce informatique contient des milliards de commutateurs microscopiques appelés transistors. Chaque commutateur est soit activé soit désactivé, transportant une charge électrique ou non. Deux états se mappent naturellement à deux chiffres. Les ingénieurs pourraient théoriquement construire des machines avec dix niveaux de tension pour correspondre à notre système décimal, mais distinguer dix niveaux de manière fiable est bien plus difficile que de distinguer entre activé et désactivé. Le binaire est robuste : même un signal dégradé est clairement plus proche d'un état ou de l'autre.
Compter en binaire fonctionne comme compter en décimal, juste avec moins de chiffres. En décimal, après neuf, vous passez à 10. En binaire, après un, vous passez : le chiffre deux s'écrit 10, trois est 11, quatre est 100. Tout nombre entier peut être exprimé de cette manière, et des règles existent pour les fractions, les nombres négatifs et le texte. La lettre A, par exemple, est stockée comme 01000001 sous un standard appelé ASCII, plus tard étendu en Unicode pour couvrir les systèmes d'écriture du monde.
Tout ce qui dépasse le niveau des bits est fait de couches d'interprétation. Une photo est des millions de nombres décrivant la couleur de chaque pixel. Une chanson est des milliers de nombres par seconde décrivant la forme d'une onde sonore. La même chaîne de bits peut signifier des choses différentes selon le programme qui la lit — c'est pourquoi ouvrir un fichier dans la mauvaise application produit des âneries.
Une fois que vous avez intégré que tout ce qui est numérique n'est que des nombres, plusieurs mystères se dissolvent. Copier un fichier, c'est copier des nombres, c'est pourquoi les copies numériques sont parfaites. La corruption signifie que certains nombres ont changé. Le chiffrement signifie que les nombres ont été brouillés par une recette mathématique réversible.
Credit: Canva Images
Lorsque les ingénieurs disent qu'une approche "ne passe pas à l'échelle", ils ont généralement une revendication mathématique précise en tête, et la notation Big O est la façon dont ils l'expriment. Big O décrit comment le travail qu'un algorithme doit faire augmente à mesure que son entrée augmente. Il ignore la vitesse exacte de tout ordinateur particulier et se concentre sur la forme de la courbe de croissance.
Un exemple rend cela concret. Supposons que vous deviez trouver le numéro d'un ami dans une liste de contacts non triée. Dans le pire des cas, vous vérifiez chaque entrée. Doublez la liste, doublez le travail. Les ingénieurs appellent cela temps linéaire et l'écrivent comme O(n), où n est le nombre d'éléments. Maintenant, supposons que la liste soit triée par ordre alphabétique et que vous utilisiez la stratégie de division en deux : vérifiez le milieu, éliminez la moitié, répétez. Doubler la liste n'ajoute qu'une étape supplémentaire. C'est le temps logarithmique, écrit O(log n), et c'est la raison pour laquelle les moteurs de recherche peuvent interroger des milliards de pages en une fraction de seconde.
Certains algorithmes croissent plus vite que leurs entrées. Comparer chaque élément d'une liste avec chaque autre élément - par exemple, vérifier une liste d'invités pour des invitations en double par force brute - nécessite un travail proportionnel au carré de la taille de la liste, ou O(n²). Avec 100 invités, cela fait 10 000 comparaisons, trivial pour un ordinateur. Avec 10 millions d'utilisateurs, cela fait 100 000 milliards de comparaisons, ce qui ne l'est pas.
C'est pourquoi un logiciel qui fonctionnait parfaitement lors d'une démo peut s'effondrer sous un trafic réel. Le prototype fonctionnait sur 1 000 enregistrements de test ; la production en a 50 millions. Rien n'est "cassé" au sens habituel. La courbe de croissance a simplement rattrapé.
Pour les non-ingénieurs, Big O explique un schéma courant dans les conversations produit. Lorsqu'un développeur dit qu'une fonctionnalité est facile pour les petits comptes mais nécessite une refonte pour les clients d'entreprise, il décrit souvent une courbe, pas des excuses. L'échelle change ce qui compte comme une solution viable.
Credit: Maksym Kaharlytskyi / Unsplash
Si les algorithmes sont les verbes de l'informatique, les structures de données sont les noms. Une structure de données est un moyen d'organiser l'information dans la mémoire d'un ordinateur afin qu'elle puisse être utilisée efficacement. Le choix de la structure détermine quelles opérations sont rapides, quelles opérations sont lentes, et parfois ce qui est possible tout court.
La structure la plus simple est le tableau : des éléments stockés dans une rangée numérotée, comme des boîtes aux lettres dans un hall d'appartement. Attraper la boîte aux lettres numéro 47 est instantané, car la position vous indique exactement où chercher. Mais insérer une nouvelle boîte aux lettres au milieu signifie déplacer chaque boîte après elle, ce qui est lent.
Une liste chaînée inverse ces compromis. Chaque élément contient un pointeur vers le suivant, comme une chasse au trésor où chaque indice mène au suivant. Insérer un élément au milieu de la liste est facile — il suffit de rediriger deux pointeurs — mais trouver l'élément 47 nécessite de parcourir les 46 premiers.
Les piles et files d'attente ajoutent des règles sur l'ordre. Une pile fonctionne comme un tas de plateaux de cafétéria : le dernier élément ajouté est le premier retiré. Le bouton retour de votre navigateur est une pile de pages. Une file d'attente fonctionne comme une file d'attente à la caisse : premier arrivé, premier sorti. Les travaux d'impression et les tickets de support client vivent généralement dans des files d'attente.
Les arbres organisent les éléments hiérarchiquement, de la façon dont les dossiers contiennent des sous-dossiers. Ils rendent la recherche de données triées rapide. Les graphes, la structure la plus générale, représentent des réseaux de connexions : amitiés sur une plateforme sociale, routes entre les villes, liens entre les pages web.
Aucune de ces structures n'est la meilleure. Chacune échange de la vitesse dans une opération pour de la vitesse dans une autre, ou de la mémoire pour du temps. Lorsque les ingénieurs estiment qu'une demande de fonctionnalité apparemment mineure nécessite une refonte majeure, la raison est souvent structurelle : les données étaient organisées pour un modèle d'utilisation, et la nouvelle fonctionnalité en exige une différente. Réorganiser les données, c'est comme rénover une fondation — invisible de l'extérieur, et coûteux.
Credit: Diana ✨ / Pexels
La récursivité est une technique dans laquelle une procédure résout un problème en s'invoquant elle-même sur une partie plus petite de ce même problème. L'idée semble circulaire, mais elle fonctionne parce que chaque auto-invocation réduit le problème, et un point d'arrêt défini — le cas de base — met fin au processus.
Les poupées russes offrent une analogie physique. Pour compter les poupées, ouvrez la plus extérieure et comptez les poupées à l'intérieur, puis ajoutez-en une. Comment comptez-vous les poupées à l'intérieur ? De la même manière : ouvrez la poupée suivante, comptez ce qui est à l'intérieur, ajoutez-en une. Finalement, vous atteignez la plus petite poupée, qui ne contient rien. C'est le cas de base. Les réponses remontent ensuite : zéro, plus un, plus un, jusqu'à ce que le compte complet émerge.
De nombreux problèmes réels ont cette structure imbriquée. Un dossier contient des fichiers et d'autres dossiers, qui contiennent des fichiers et d'autres dossiers. Pour calculer la taille totale d'un dossier, ajoutez ses fichiers, puis calculez récursivement la taille de chaque sous-dossier. Les arbres généalogiques, les organigrammes d'entreprise, la structure des phrases dans une langue et la disposition des éléments sur une page Web sont naturellement récursifs, et les logiciels qui les traitent sont généralement écrits de manière récursive également.
La récursion sous-tend également des algorithmes célèbres. Le tri par fusion, l'une des méthodes standard pour trier les données, divise une liste en deux, trie chaque moitié par la même méthode, puis fusionne les résultats. La stratégie qui consiste à diviser un problème, à résoudre les parties et à combiner les réponses s'appelle diviser pour régner, et elle apparaît partout en informatique.
Le danger de la récursion est l'absence d'un cas de base ou d'un cas non atteignable. Une fonction qui continue de s'appeler sans réduire le problème s'exécute jusqu'à ce que l'ordinateur épuise la mémoire allouée pour le suivi des appels – un échec appelé débordement de pile, qui a donné son nom au site populaire de questions et réponses en programmation. Pour les non-ingénieurs, la récursion vaut la peine d'être connue principalement comme un état d'esprit : de nombreux problèmes difficiles deviennent abordables une fois que vous trouvez la copie plus petite du problème caché à l'intérieur.
Credit: Canva Images
API signifie interface de programmation d'application, et c'est la raison pour laquelle les applications modernes peuvent faire tant de choses sans tout construire elles-mêmes. Une API est un ensemble défini de requêtes qu'un programme peut faire à un autre, avec le format des réponses qu'il recevra.
Un menu de restaurant est l'analogie standard, et elle tient bien. Vous n'entrez pas dans la cuisine pour cuisiner. Vous choisissez parmi une liste fixe de plats, passez une commande via un serveur et recevez une assiette. Le menu est l'interface : il vous indique ce que vous pouvez demander et ce que vous recevrez, tout en cachant le fonctionnement de la cuisine. Une API fait la même chose entre les programmes. Une application météo n'exploite pas ses propres satellites. Elle envoie une demande à l'API d'un service météorologique : "donnez-moi les prévisions pour Manille" – et reçoit des données structurées en retour, qu'elle formate sur les écrans que vous voyez.
Les API sont partout, une fois que vous regardez. Lorsqu'un site de shopping affiche une carte des emplacements des magasins, il appelle une API de cartographie. Lorsque vous payez avec une carte en ligne, le marchand appelle une API de paiement. Lorsque vous vous connectez à une nouvelle application avec votre compte Google $GOOGL, cette poignée de main se fait via une API. Des entreprises entières, comme Stripe, le processeur de paiement, et Twilio $TWLO, le fournisseur de communications, vendent principalement leurs produits sous forme d'API pour que d'autres développeurs puissent construire dessus.
Les implications commerciales sont importantes. Les API permettent aux entreprises d'exposer une capacité sans exposer leur code ou leurs données en totalité, et elles permettent à de petites équipes d'assembler des produits sophistiqués à partir de pièces louées. Elles créent également des dépendances : si un fournisseur modifie ou ferme une API, chaque produit construit dessus se casse. Les conflits sur l'accès aux API — entre les plateformes sociales et les applications tierces, par exemple — sont en réalité des conflits sur qui contrôle le menu.
Quand les ingénieurs disent que deux systèmes « ne s'intègrent pas », ils veulent souvent dire qu'aucune API n'existe entre eux, ou que les API parlent des formats incompatibles.
Credit: Brett Sayles / Pexels
Une base de données est un logiciel dédié au stockage d'informations de manière fiable et à leur récupération rapide. Presque toutes les applications que vous utilisez reposent sur une base de données. Votre solde bancaire, votre historique de commandes, vos dossiers médicaux et chaque post que vous avez aimé vivent tous dans des bases de données.
Le modèle dominant depuis des décennies a été la base de données relationnelle, qui organise les données en tableaux de lignes et de colonnes, un peu comme des feuilles de calcul. Un détaillant pourrait conserver un tableau de clients, un de produits et un de commandes. La puissance vient des relations entre les tableaux : chaque ligne de commande pointe vers un client et un produit, de sorte que la base de données peut répondre à des questions qui couvrent les tableaux, telles que « quels clients de Cebu ont acheté des chaussures de course le mois dernier ? » Le langage utilisé pour poser de telles questions est SQL, abréviation de Structured Query Language, et il est l'un des outils les plus utilisés dans toute la technologie.
Les bases de données gagnent leur vie dans le travail peu glamour de la correction. Elles garantissent qu'une transaction soit complètement terminée ou pas du tout — l'argent quitte un compte et arrive dans un autre, jamais la moitié de chacun. Elles gèrent des milliers d'utilisateurs simultanés sans laisser leurs modifications se piétiner mutuellement. Elles continuent de fonctionner lors de pannes de courant en écrivant les modifications sur un stockage durable avant de les confirmer.
Une famille plus récente, communément appelée bases de données NoSQL, assouplit le format de tableau rigide pour gérer les données qui ne s'intègrent pas dans des lignes nettes : documents, flux de capteurs, graphes sociaux. Ces systèmes échangent souvent certaines garanties de cohérence pour la capacité de répartir les données sur de nombreuses machines, un compromis qui a du sens à l'échelle des applications grand public mondiales.
Pour les non-ingénieurs, l'idée utile est que la plupart des logiciels sont une fine couche d'écrans et de boutons sur une base de données. Lorsqu'un chef de produit demande si un rapport est possible, la réponse honnête dépend généralement de la façon dont les données ont été stockées pour soutenir la question.
Credit: Franck / Unsplash
Le chiffrement transforme des informations lisibles en un fouillis illisible à l'aide d'une recette mathématique et d'une valeur secrète appelée clé. Toute personne détenant la bonne clé peut inverser le processus et récupérer l'original. Toute personne qui ne l'a pas voit du bruit.
Les schémas les plus anciens étaient de simples substitutions — Jules César aurait décalé chaque lettre des messages militaires de trois places dans l'alphabet. Le chiffrement moderne est bien plus puissant. Des algorithmes standard comme AES utilisent des clés si grandes que tester chaque possibilité prendrait aux ordinateurs les plus rapides plus de temps que l'âge de l'univers. La sécurité ne repose pas sur la confidentialité de la méthode — les algorithmes sont publiés et étudiés dans le monde entier — mais sur la confidentialité de la clé.
Il existe deux grands types. Le chiffrement symétrique utilise la même clé pour verrouiller et déverrouiller, ce qui est rapide mais pose un problème : comment deux inconnus peuvent-ils s'accorder sur une clé sans qu'un espion la découvre ? Le chiffrement à clé publique, développé dans les années 1970, résout ce problème avec des paires de clés. Chaque personne a une clé publique, partagée ouvertement, et une clé privée, gardée secrète. Un message verrouillé avec votre clé publique ne peut être déverrouillé qu'avec votre clé privée. C'est comme une boîte aux lettres avec une fente publique dans laquelle tout le monde peut déposer des lettres, mais dont vous seul détenez la clé de la porte.
Cette machinerie fonctionne constamment en arrière-plan de la vie quotidienne. L'icône en forme de cadenas dans votre navigateur signifie que votre connexion utilise TLS, un protocole qui combine les deux types de chiffrement pour protéger ce que vous envoyez et recevez. Les applications de messagerie qui annoncent un chiffrement de bout en bout signifient que les clés n'existent que sur votre appareil et celui du destinataire, de sorte que même l'entreprise relayant les messages ne peut pas les lire.
Le chiffrement est également au cœur des débats politiques. Les agences de maintien de l'ordre aux États-Unis, au Royaume-Uni et ailleurs ont demandé un accès spécial aux données chiffrées. Les cryptographes répondent qu'une porte construite pour la police est une porte, et les portes peuvent être forcées par n'importe qui.
Le hachage ressemble superficiellement au chiffrement mais a un objectif différent. Une fonction de hachage prend n'importe quelle entrée — un mot de passe, un document, un film complet — et produit une chaîne de caractères de taille fixe appelée hachage ou digest. Deux propriétés le rendent utile : la même entrée donne toujours le même hachage, et le processus ne peut pas être inversé. Du seul hachage, vous ne pouvez pas récupérer l'entrée.
Pensez-y comme une empreinte digitale. Une empreinte digitale identifie une personne de manière unique à des fins pratiques, mais vous ne pouvez pas reconstruire la personne à partir de l'empreinte. Les fonctions de hachage comme SHA-256 produisent des empreintes digitales pour les données. Changez ne serait-ce qu'une lettre de l'entrée et le hachage change complètement, sans aucune ressemblance avec l'original.
L'application la plus familière est le stockage de mots de passe. Un site web construit de manière responsable ne stocke jamais votre mot de passe réel. Il stocke le hachage. Lorsque vous vous connectez, il hache ce que vous avez tapé et compare le résultat à la valeur stockée. Si des voleurs volent la base de données, ils obtiennent des empreintes digitales, pas des mots de passe. C'est pourquoi les services légitimes ne peuvent jamais vous envoyer votre mot de passe oublié par email — ils ne l'ont réellement pas — et ne peuvent proposer qu'une réinitialisation. C'est aussi pourquoi les annonces de violation distinguent entre les mots de passe en texte clair volés, ce qui est une catastrophe, et les mots de passe hachés volés, ce qui est grave mais survivable. Les attaquants peuvent toujours deviner des mots de passe communs, hacher les suppositions et chercher des correspondances, c'est pourquoi des mots de passe uniques et longs sont importants et pourquoi les sites ajoutent des données aléatoires appelées sel avant le hachage.
Les hachages vérifient également l'intégrité. Les téléchargements de logiciels publient souvent un hachage pour que vous puissiez confirmer que votre copie n'a pas été altérée pendant le transit. Les systèmes de contrôle de version identifient chaque changement par son hachage. Les blockchains enchaînent des blocs de transactions ensemble en incluant le hachage de chaque bloc dans le suivant, rendant les enregistrements passés effectivement inaltérables.
Le chiffrement cache les données que vous souhaitez récupérer. Le hachage prend des empreintes digitales des données que vous avez seulement besoin de vérifier.
Credit: Canva Images
La programmation traditionnelle fonctionne par règles. Un développeur écrit des instructions explicites : si l'email contient cette phrase, marquez-le comme spam. L'apprentissage automatique inverse l'approche. Au lieu d'écrire des règles, les ingénieurs fournissent à un système des milliers ou des millions d'exemples — ces 100 000 emails sont des spams, ces 500 000 ne le sont pas — et le système trouve par lui-même les motifs distinctifs. Le résultat est un modèle : une fonction mathématique qui mappe de nouvelles entrées à des prédictions.
Le changement est important car de nombreuses tâches résistent à des règles explicites. Personne ne peut écrire l'ensemble complet des règles qui distingue une photo de chat d'une photo de chien, ou une transaction de carte de crédit frauduleuse d'une légitime. Les humains reconnaissent ces choses à travers une expérience accumulée, et l'apprentissage automatique donne au logiciel une capacité analogue : une expérience statistique distillée à partir de données.
Entraîner un modèle signifie ajuster ses nombres internes, appelés paramètres, jusqu'à ce que ses prédictions sur les données d'exemple soient aussi précises que possible. Le processus est essentiellement un essai-erreur à une vitesse énorme — faire une prédiction, mesurer l'erreur, ajuster les paramètres pour réduire l'erreur, répéter des millions de fois. Une fois entraîné, le modèle est déployé pour faire des prédictions sur des données qu'il n'a jamais vues.
La dépendance de l'apprentissage automatique aux données est également sa faiblesse centrale. Un modèle apprend quels que soient les motifs que ses données d'entraînement contiennent, y compris les biais humains intégrés. Les modèles de recrutement entraînés sur des décisions passées ont pénalisé les femmes parce que le recrutement historique le faisait. Les modèles échouent également dans des situations différentes de leurs données d'entraînement, et ils offrent des prédictions, pas des explications — un modèle peut signaler un demandeur de prêt comme risqué sans que personne ne puisse dire précisément pourquoi.
Lorsque vous entendez qu'un produit "utilise l'IA", cela signifie presque toujours qu'un modèle d'apprentissage automatique se trouve quelque part dans le processus, entraîné sur des exemples pour évaluer, classer, classifier ou générer quelque chose. Les questions intéressantes sont toujours les mêmes : entraîné sur quelles données, optimisé pour quel résultat, et vérifié comment ?
Credit: Canva Images
Un réseau neuronal est un type particulier de modèle d'apprentissage automatique, vaguement inspiré par le cerveau, et il alimente la plupart des systèmes d'IA dans les actualités : reconnaisseurs d'images, assistants vocaux, outils de traduction et grands modèles de langage tels que celui derrière ChatGPT.
La structure est composée de couches d'unités simples. Chaque unité, ou neurone, reçoit des chiffres de la couche précédente, les multiplie chacun par un poids, les additionne et transmet le résultat — compressé par une fonction simple — à la couche suivante. Individuellement, un neurone ne fait presque rien. Empilés en couches, avec des millions ou des milliards de poids, le réseau peut représenter des relations extraordinairement complexes entre les entrées et les sorties. Les réseaux avec de nombreuses couches sont appelés profonds, c'est de là que vient le terme apprentissage profond.
L'entraînement fonctionne par une méthode appelée rétropropagation. Le réseau fait une prédiction, l'erreur est mesurée, et le calcul détermine combien chaque poids a contribué à l'erreur. Chaque poids est ensuite légèrement ajusté dans la direction qui réduit l'erreur. Répétez cela sur des millions d'exemples et les poids se stabilisent progressivement dans des valeurs qui encodent des motifs utiles : arêtes et textures dans les premières couches d'un réseau de vision, objets entiers dans les couches ultérieures.
Ce qui a même surpris les chercheurs, c'est jusqu'où va l'échelle. Les réseaux plus grands entraînés sur plus de données avec plus de puissance de calcul continuent de s'améliorer, acquérant souvent des capacités que personne n'a explicitement conçues. Les grands modèles de langage sont entraînés sur une tâche apparemment simple — prédire le mot suivant dans un passage de texte — pourtant à une échelle suffisante, ils acquièrent grammaire, connaissances factuelles et capacité à suivre des instructions.
Le coût de ce pouvoir est l'opacité. La connaissance d'un réseau est étalée sur des milliards de nombres, et personne ne peut pointer le poids qui stocke un fait donné. Comprendre pourquoi un réseau a produit une réponse spécifique est un champ de recherche ouvert, appelé interprétabilité, avec des enjeux directs pour la médecine, le prêt et le droit.
Credit: Christina Morillo / Pexels
Le cloud n'est pas un lieu ni une technologie. C'est un modèle économique : au lieu d'acheter et de gérer vos propres serveurs, vous louez de la puissance de calcul, du stockage et des services provenant des centres de données d'un fournisseur et payez pour ce que vous utilisez. Amazon $AMZN Web Services, Microsoft $MSFT Azure et Google $GOOGL Cloud dominent le marché, exploitant des installations de la taille d'un entrepôt remplies de centaines de milliers de machines.
Avant le cloud, lancer un produit en ligne signifiait acheter des serveurs physiques, les installer dans un centre de données et deviner combien de capacité vous auriez besoin. Devinez mal et votre site s'effondre sous le succès. Devinez haut et l'argent reste inactif dans les racks. Les fournisseurs de cloud ont transformé cette dépense en capital en dépense d'exploitation. Une startup peut louer une petite machine virtuelle pour quelques dollars par mois, puis passer à des milliers de machines lors d'un pic et les libérer ensuite. Cette élasticité, plus que le coût, est la caractéristique définissante du cloud.
Une technologie clé qui permet cela est la virtualisation : un logiciel qui divise une machine physique en de nombreuses machines virtuelles isolées, chacune se comportant comme un ordinateur indépendant. Les fournisseurs superposent des services — bases de données gérées, stockage de fichiers, outils d'apprentissage automatique — afin que les clients assemblent l'infrastructure comme ils le feraient à partir d'un catalogue.
Les produits de consommation familiers sont également des services cloud. Lorsque votre téléphone sauvegarde des photos, diffuse un film ou synchronise des documents, les fichiers résident dans le centre de données d'un fournisseur, pas dans les airs. "Le cloud" est toujours un bâtiment spécifique, avec une adresse de rue, des systèmes de refroidissement et une facture d'électricité.
Le modèle a des compromis. Les entreprises gagnent en fiabilité et en rapidité mais abandonnent le contrôle physique, et passer d'un fournisseur est difficile une fois que les systèmes s'entrelacent avec ses services propriétaires — un piège connu sous le nom de verrouillage fournisseur. Les régulateurs dans l'UE et ailleurs examinent également où les données résident physiquement, car l'emplacement d'un serveur détermine les lois qui s'appliquent à lui.
Credit: Heather McKean / Unsplash
La mise en cache est l'un des trucs de performance les plus largement utilisés en informatique : stockez une copie des données fréquemment nécessaires quelque part rapidement, de sorte que le système ne répète pas un travail coûteux. C'est l'équivalent numérique de garder le sel sur le comptoir au lieu de marcher jusqu'au garde-manger à chaque fois que vous cuisinez.
Le principe apparaît à chaque niveau de la pile. Un processeur garde de minuscules caches ultra-rapides sur la puce elle-même, car récupérer des données de la mémoire principale prend des centaines de fois plus de temps que de les lire à partir du cache. Votre navigateur web met en cache des images et des scripts des sites que vous visitez, c'est pourquoi une page se charge plus rapidement la deuxième fois. Les applications mettent en cache les résultats des requêtes de base de données afin que la même question ne soit pas recomputée pour chaque utilisateur. Les réseaux de distribution de contenu, ou CDN, sont une mise en cache à l'échelle planétaire : des entreprises comme Cloudflare et Akamai $AKAM conservent des copies de contenu populaire dans des centres de données proches des utilisateurs, de sorte qu'une vidéo regardée à Jakarta soit diffusée depuis Singapour plutôt que de Virginie.
La mise en cache fonctionne parce que les schémas d'accès sont déséquilibrés. Une petite fraction des données représente la plupart des demandes — la page d'accueil d'aujourd'hui, la vidéo tendance, votre propre boîte de réception. Garder cette fraction chaude à proximité génère des gains importants.
Le problème est l'obsolescence. Une copie mise en cache peut devenir obsolète dès que l'original change, et décider quand actualiser ou supprimer ces copies est vraiment difficile. Une phrase célèbre parmi les programmeurs, attribuée à l'ingénieur de Netscape Phil Karlton, stipule qu'il n'y a que deux choses difficiles en informatique : l'invalidation de cache et le nommage des choses. Les caches obsolètes expliquent les bizarreries quotidiennes : un site web affichant votre ancienne photo de profil après l'avoir changée, ou un prix qui diffère entre votre téléphone et votre ordinateur portable.
Lorsque les articles de support vous demandent de vider votre cache, ils vous demandent de jeter les copies locales potentiellement corrompues et d'en récupérer de nouvelles. Cela fonctionne plus souvent que cela ne devrait.
Credit: Timur Weber / Pexels
La compression réduit les données pour qu'elles prennent moins de place à stocker et moins de temps à transmettre. Sans elle, les médias modernes seraient impraticables : un film de deux heures en haute définition non compressé occuperait des téraoctets, et le diffuser sur une connexion domestique serait impossible.
Il existe deux familles. La compression sans perte réduit les données de manière réversible. Elle fonctionne en trouvant et en exploitant la redondance. Le texte est plein de motifs répétés — mots communs, espaces, phrases récurrentes — et un algorithme sans perte remplace les répétitions par des références courtes, comme écrire "idem" au lieu de copier une ligne. Les fichiers ZIP et les images PNG utilisent des méthodes sans perte. Décompressez-les et vous récupérerez chaque bit original, ce qui est essentiel pour les documents, les feuilles de calcul et le code, où chaque caractère modifié compte.
La compression avec perte va plus loin en supprimant définitivement les informations que les humains sont peu susceptibles de remarquer. Les images JPEG éliminent les détails fins de couleur que l'œil perçoit à peine. Les fichiers audio MP3 et AAC suppriment des sons masqués par d'autres plus forts à proximité. Les formats vidéo tels que H.264 ne stockent que les différences entre les images consécutives, car la plupart d'une scène reste fixe d'une image à l'autre. Les économies sont spectaculaires — souvent 10 à 100 fois plus petites — au prix d'une certaine fidélité. Compressez un JPEG à plusieurs reprises et les artefacts se multiplient, c'est pourquoi les mèmes repostés pendant des années semblent de plus en plus flous.
Le compromis entre la taille et la qualité est ajustable, et les entreprises le modifient constamment. Les services de streaming codent chaque titre à plusieurs niveaux de qualité et passent de l'un à l'autre au fur et à mesure que votre connexion fluctue, c'est pourquoi la vidéo devient parfois pixellisée en cours de scène et s'affine quelques instants plus tard.
Il existe aussi une limite stricte. La théorie de l'information, fondée par Claude Shannon en 1948, prouve que les données véritablement aléatoires ne peuvent pas être compressées du tout. La compression est possible uniquement parce que les données du monde réel sont prévisibles, et cela fonctionne en éliminant précisément cette prévisibilité.
Credit: Mikhail Nilov / Pexels
Le logiciel open source est un logiciel dont le code source — les instructions lisibles par l'homme que les programmeurs écrivent — est publié pour que tout le monde puisse le lire, le modifier et le redistribuer sous une licence qui garantit ces libertés. C'est le contraire du logiciel propriétaire, où le code est un secret commercial et les utilisateurs obtiennent uniquement le produit fini.
Le modèle ressemble à la charité mais fonctionne davantage comme une infrastructure partagée. Le système d'exploitation Linux fait fonctionner la plupart des serveurs du monde, la majorité des smartphones via Android, et chacun des 500 supercalculateurs les plus puissants. Les serveurs web Apache et Nginx délivrent une grande partie du web. Des langages de programmation tels que Python, des bases de données telles que PostgreSQL, et les bibliothèques de cryptage sécurisant le commerce en ligne sont tous open source. Une application commerciale typique aujourd'hui est une fine couche de code propriétaire sur une pile profonde de composants ouverts.
Les entreprises participent pour des raisons pragmatiques. Partager la maintenance d'une plomberie commune est moins cher que chaque entreprise construisant la sienne. Le code ouvert attire l'examen de nombreux yeux, ce qui tend à faire surface les bugs et failles de sécurité. Les ingénieurs préfèrent travailler avec des outils qu'ils peuvent inspecter, donc l'open source aide au recrutement. Google $GOOGL, Microsoft $MSFT, Meta $META et IBM $IBM figurent maintenant parmi les plus grands contributeurs, et Microsoft — dont l'ancien directeur général Steve Ballmer a un jour qualifié Linux de cancer — a acheté GitHub, la principale plateforme où vit le code open source, en 2018.
Le modèle a des tensions. Des projets critiques sont parfois maintenus par une poignée de bénévoles non rémunérés, une fragilité exposée en 2021 lorsque un défaut dans Log4j, une petite bibliothèque de journalisation intégrée dans des millions de systèmes, a déclenché une course mondiale à la sécurité. Les combats de licences ont également augmenté à mesure que les fournisseurs de cloud vendent des versions hébergées de projets ouverts sans les financer.
Pour les non-ingénieurs, l'open source explique pourquoi tant de composants logiciels sont gratuits, pourquoi la sécurité dépend de la santé de projets bénévoles obscurs, et pourquoi "nous l'avons construit" dans un argumentaire de produit signifie généralement "nous l'avons assemblé à partir de parties partagées par toute l'industrie".
Credit: Arnold Francisca / Unsplash
Le contrôle de version est le système qui permet à de nombreux programmeurs de modifier simultanément la même base de code sans écraser le travail des autres, et permet de récupérer exactement n'importe quel état passé du projet. L'outil dominant est Git, créé par Linus Torvalds en 2005 pour gérer le développement de Linux, et il sous-tend des plateformes de collaboration telles que GitHub et GitLab.
L'idée centrale est le commit : un instantané du projet à un moment donné, estampillé de l'auteur, de la date et d'un message décrivant ce qui a changé et pourquoi. L'historique d'un projet est une chaîne de commits remontant à sa première ligne de code. Rien n'est jamais vraiment supprimé. Si le changement de mardi a causé un problème, l'équipe peut comparer les instantanés, identifier exactement les lignes qui ont changé et revenir en arrière.
La deuxième idée est le branchement. Un développeur démarrant une fonctionnalité risquée crée une branche — une copie parallèle du projet — et travaille dessus sans perturber la version principale utilisée par les clients. Lorsque la fonctionnalité est terminée et révisée, la branche est fusionnée. Des dizaines de branches peuvent progresser en même temps. Lorsque deux personnes modifient les mêmes lignes, l'outil signale un conflit de fusion et un humain décide quelle version l'emporte.
Autour de ces mécanismes, les équipes ont construit une culture de révision. Sur GitHub, les modifications proposées arrivent sous forme de pull requests, que les coéquipiers lisent, commentent et approuvent avant de fusionner. Le résultat est un dossier permanent et consultable non seulement de ce que le code dit mais pourquoi chaque ligne existe — souvent la meilleure documentation qu'une entreprise puisse avoir.
Le concept s'est étendu au-delà du code. Les équipes juridiques, les écrivains et les scientifiques suivent de plus en plus les documents et les données de la même manière. Toute personne ayant envoyé par e-mail un fichier nommé rapport_final_v3_VRAIMENT_FINAL.docx a ressenti le problème que le contrôle de version résout. La courbe d'apprentissage de l'outil est réelle, mais le gain est une équipe qui peut expérimenter librement, car aucune erreur n'est permanente et aucun état antérieur n'est jamais perdu.
Credit: Tom Fisk / Pexels
Un système d'exploitation est le programme maître qui gère le matériel d'un ordinateur et fournit une plateforme stable pour chaque autre programme. Windows, macOS et Linux exécutent des ordinateurs de bureau et des serveurs; iOS et Android exécutent des téléphones. Sans cela, chaque application aurait besoin de son propre code pour communiquer avec les disques, les écrans, les claviers et les puces réseau — une duplication impossible.
Le premier travail du système d'exploitation est la gestion des ressources. Votre ordinateur portable peut afficher 40 programmes ouverts, mais le processeur ne peut exécuter que quelques flux d'instructions à la fois. Le planificateur de l'OS passe d'un programme à l'autre des milliers de fois par seconde, donnant à chacun une tranche du temps du processeur si rapidement que tout semble simultané. Il effectue un acte de jonglage similaire avec la mémoire, accordant à chaque programme son propre espace protégé et évacuant les données moins utilisées vers le disque lorsque la mémoire est insuffisante.
Le deuxième travail est la protection. Le système d'exploitation isole les programmes les uns des autres et du matériel, de sorte qu'un jeu qui plante ne peut pas corrompre votre feuille de calcul, et qu'une application malveillante ne peut pas lire la mémoire de votre application bancaire. Les systèmes de permissions — les invites demandant si une application peut utiliser votre caméra ou votre position — sont le système d'exploitation qui impose des limites. Les mises à jour de sécurité sont si importantes parce qu'une faille dans le système d'exploitation compromet tous les programmes au-dessus.
Le troisième travail est l'abstraction. Le système d'exploitation présente le matériel complexe comme des concepts simples et clairs. Le stockage physique est un labyrinthe de plateaux tournants ou de cellules de mémoire flash ; le système d'exploitation le présente sous forme de fichiers et de dossiers. Les réseaux sont des impulsions électriques et des ondes radio ; le système d'exploitation les présente comme des connexions que vous ouvrez et fermez.
Le contrôle d'un système d'exploitation confère un énorme pouvoir de marché, car il détermine quels logiciels peuvent exister et à quelles conditions. Les affaires antitrust contre Microsoft $MSFT dans les années 1990 et contre Apple $AAPL et Google $GOOGL aujourd'hui tournent toutes autour de la même question : que peut exiger le propriétaire de la plateforme de ceux qui construisent dessus ?
Credit: Canva Images
Les programmeurs écrivent du code dans des langages tels que Python, Java et C++, conçus pour la compréhension humaine, pleins de mots anglais et de notations mathématiques. Les processeurs ne comprennent rien de tout cela. Ils exécutent uniquement le code machine — des instructions binaires brutes spécifiques à la puce. Quelque chose doit combler cet écart, et les deux principaux ponts sont les compilateurs et les interprètes.
Un compilateur traduit un programme entier en code machine à l'avance, produisant un fichier exécutable. La traduction a lieu une fois, sur la machine du développeur, et les utilisateurs exécutent le binaire fini. Les langages tels que C, C++, Rust et Go fonctionnent de cette manière. Les avantages sont la rapidité — le coût de la traduction est payé à l'avance, et les compilateurs optimisent agressivement — et la détection précoce des erreurs, car le compilateur inspecte le programme entier avant que quoi que ce soit ne soit exécuté. Les fichiers .exe sur Windows sont des sorties compilées.
Un interprète traduit et exécute le code à la volée, ligne par ligne, chaque fois que le programme s'exécute. Python et JavaScript fonctionnent traditionnellement de cette manière. Le développement semble plus rapide — changez une ligne, exécutez-la immédiatement, pas d'étape de construction — et le même code fonctionne sur n'importe quelle machine avec l'interpréteur installé. Le coût est la vitesse d'exécution, puisque la traduction se produit à chaque exécution.
Les systèmes modernes brouillent la ligne. Java compile en un bytecode intermédiaire qu'une machine virtuelle exécute ensuite, convertissant souvent les points chauds en code machine en cours d'exécution grâce à la compilation à la volée. Les moteurs JavaScript actuels dans les navigateurs font de même, ce qui explique comment les applications web sont devenues suffisamment rapides pour rivaliser avec les logiciels de bureau.
La pertinence pratique pour les non-ingénieurs concerne principalement les compromis que vous pouvez désormais décoder. Lorsque les ingénieurs disent qu'un langage est rapide ou lent, ils signifient généralement compilé ou interprété. Quand ils mentionnent une chaîne de construction, ils parlent des étapes de compilation et d'emballage entre l'écriture du code et sa diffusion. Et quand une construction échoue, cela signifie que l'étape de traduction a trouvé des erreurs — mieux vaut là que sur l'écran d'un client.
Credit: Canva Images
Un bug est une faille dans un logiciel qui le fait se comporter différemment de ce qui est prévu. Le terme est antérieur aux ordinateurs — les ingénieurs l'utilisaient au 19ème siècle, et Thomas Edison se plaignait de bugs dans ses inventions — mais il est resté en informatique après 1947, lorsque l'équipe de Grace Hopper à Harvard a trouvé une véritable mite coincée dans un relais de l'ordinateur Mark II et l'a scotchée dans le journal.
Les bugs ne sont pas des anomalies. Ils sont une certitude statistique. Les grandes applications contiennent des millions de lignes de code écrites par des centaines de personnes sur des années, et chaque ligne encode des suppositions qui peuvent se révéler fausses. Les espèces courantes incluent les erreurs de décalage d'une unité, où une boucle s'exécute une fois de trop ou de trop peu ; les références nulles, où le code tente d'utiliser des données inexistantes ; les conditions de course, où deux opérations simultanées entrent en collision dans de rares fenêtres temporelles ; et les cas limites, des entrées que les développeurs n'ont jamais anticipées, comme un utilisateur dont le nom légal est une lettre ou une date du 29 février.
Le débogage — trouver et corriger la faute — est un travail de détective. La première tâche est la reproduction : faire en sorte que l'échec se produise à la demande, car un bug que vous ne pouvez pas reproduire est presque impossible à réparer. Ensuite vient l'isolement, en réduisant quel composant se comporte mal, souvent en ajoutant des journaux ou en parcourant le programme une instruction à la fois avec un débogueur. La correction elle-même est souvent une seule ligne. Trouver cette ligne peut prendre des jours.
La principale défense de l'industrie est la prévention : des tests automatisés qui s'exécutent à chaque changement, une révision de code par une deuxième personne, et des langages conçus pour rendre impossibles des catégories entières d'erreurs. Aucun n'atteint zéro. C'est pourquoi les logiciels sont livrés avec des bugs mineurs connus, pourquoi les correctifs arrivent continuellement, et pourquoi « avez-vous essayé de l'éteindre et de le rallumer » perdure — redémarrer élimine l'état défectueux accumulé qu'un bug non découvert a laissé derrière lui.
Credit: Emre Ateşoğlu / Pexels
Les gens décrivent les connexions Internet avec un mot — rapide ou lent — mais les ingénieurs mesurent deux propriétés indépendantes, et les confondre mène à de mauvaises décisions d'achat et à de pires décisions de produit.
La bande passante est la capacité : la quantité de données pouvant être déplacée par seconde, mesurée en mégabits ou gigabits. La latence est le délai : le temps qu'un seul morceau de données met pour faire l'aller-retour entre vous et un serveur, mesuré en millisecondes. L'analogie classique est une autoroute. La bande passante est le nombre de voies. La latence est la longueur de la route. Ajouter des voies permet à plus de voitures de passer par heure, mais cela ne raccourcit pas le trajet de quiconque.
Différentes activités sollicitent différentes propriétés. Le streaming vidéo est un problème de bande passante : le service doit pousser un flux constant et important de données, et quelques centaines de millisecondes de délai sont invisibles car le lecteur met en mémoire tampon à l'avance. Les appels vidéo et les jeux en ligne sont des problèmes de latence : chaque instant doit arriver presque instantanément, et aucune quantité de bande passante ne compense un décalage de 300 millisecondes. C'est pourquoi un joueur avec une bande passante modeste et une faible latence a une meilleure expérience qu'un utilisateur avec une connexion gigabit acheminée à travers le monde.
La physique fixe un plancher sous la latence. Les données se déplacent dans la fibre à environ deux tiers de la vitesse de la lumière, de sorte qu'un aller-retour de New York à Singapour ne peut battre environ 150 millisecondes, peu importe combien cela coûte. La distance est la raison pour laquelle les services mondiaux répliquent les données dans des centres régionaux, pourquoi les entreprises financières paient des primes pour des routes de fibre plus droites entre les bourses, et pourquoi Internet par satellite à partir de constellations en orbite basse comme Starlink bat les anciens satellites stationnés 22 000 miles plus haut — la distance plus courte réduit le délai de plus d'une demi-seconde à quelques dizaines de millisecondes.
Quand quelque chose semble lent, la question de diagnostic est de savoir quel type de lenteur : un tuyau mince ou un long. Les solutions sont totalement différentes.
Credit: Leandro Barreto / Unsplash
Chaque appareil connecté à Internet a une adresse IP, une étiquette numérique telle que 172.217.4.46 qui identifie où les données doivent être livrées. IP signifie Internet Protocol, l'ensemble des règles partagées régissant la façon dont les données se déplacent entre les réseaux. Lorsque votre ordinateur portable demande une page Web, la requête est découpée en petits morceaux appelés paquets, chacun estampillé avec l'adresse de destination, et les routeurs le long du chemin transmettent chaque paquet hop par hop vers elle — tout comme les systèmes postaux routent les lettres en lisant l'enveloppe, pas le contenu.
Les humains sont mauvais pour se souvenir des chiffres, donc Internet a un annuaire : le système de noms de domaine, ou DNS. Lorsque vous tapez un nom de site Web, votre appareil demande d'abord à un serveur DNS de traduire le nom en une adresse IP, puis se connecte à cette adresse. La recherche prend des millisecondes et se produit de manière invisible des milliards de fois par jour. Le DNS est organisé comme une hiérarchie mondiale — les serveurs racine pointent vers les serveurs pour .com ou .org, qui pointent vers les serveurs pour les domaines individuels — et aucun ordinateur ne détient l'intégralité du livre.
Cette couche de traduction est un point à la fois de flexibilité et de fragilité. Les entreprises peuvent déplacer des services vers de nouveaux serveurs en mettant à jour un enregistrement DNS, sans que les utilisateurs ne s'en aperçoivent. Mais lorsque les principaux fournisseurs DNS échouent, comme lors d'une attaque en 2016 contre le fournisseur Dyn, d'énormes pans du Web deviennent inaccessibles même si les sites eux-mêmes fonctionnent bien — les adresses existent, mais personne ne peut les consulter. Les gouvernements censurent également à ce niveau, ordonnant aux FAI de retourner de mauvaises réponses pour les sites interdits.
Une ride de plus : le schéma d'adressage original, IPv4, permet environ 4,3 milliards d'adresses, bien trop peu pour un monde de téléphones, voitures et thermostats. Son successeur, IPv6, fournit une réserve pratiquement inépuisable, et les deux systèmes fonctionnent maintenant côte à côte pendant une transition qui a duré des décennies.
Credit: Sarah Blocksidge / Pexels
Le protocole sous-jacent du web, HTTP, est sans état : chaque requête effectuée par un navigateur est indépendante, et le serveur ne conserve aucune mémoire intégrée de qui l'a demandé. Si ce défaut n'était pas corrigé, ce design vous obligerait à vous reconnecter à chaque page et viderait votre panier à chaque clic. Les cookies sont la solution. Un cookie est un petit morceau de texte qu'un site web demande à votre navigateur de stocker et de renvoyer avec chaque demande future à ce site.
La mécanique est banale. Lorsque vous vous connectez, le serveur génère un identifiant de session aléatoire, le stocke avec votre compte, et le remet à votre navigateur sous forme de cookie. À chaque requête ultérieure, le navigateur présente le cookie, et le serveur vous reconnaît. Le même mécanisme se souvient des préférences linguistiques, garde les paniers pleins et fait fonctionner les cases à cocher "se souvenir de moi". Ces cookies de première partie — définis par le site que vous visitez réellement — sont en grande partie des infrastructures non controversées.
La controverse vient des cookies tiers. Les pages intègrent régulièrement du contenu d'autres entreprises : espaces publicitaires, scripts d'analyse, boutons de réseaux sociaux. Chaque partie intégrée peut définir son propre cookie et, comme les mêmes réseaux publicitaires apparaissent sur des milliers de sites, ils peuvent reconnaître le même navigateur partout où il va, assemblant un profil détaillé du comportement de navigation. C'est la mécanique derrière les publicités qui vous suivent sur le web après que vous avez jeté un coup d'œil à un produit une fois.
La réglementation et les forces du marché ont comprimé la pratique. Les règles de confidentialité de l'UE ont produit les bannières de consentement qui couvrent maintenant le web. Safari d'Apple $AAPL et Firefox de Mozilla bloquent par défaut les cookies tiers, et Google $GOOGL a passé des années sur un plan intermittent pour les restreindre dans Chrome pendant que les annonceurs, éditeurs et le régulateur de la concurrence du Royaume-Uni se disputaient sur le remplacement. Pendant ce temps, le suivi s'est en partie déplacé vers des techniques plus sournoises telles que le fingerprinting, qui identifie les navigateurs par leurs détails de configuration uniques, sans fichier stocké requis.
Credit: Peggy Anke / Pexels
La concurrence signifie un programme gérant plusieurs tâches dans des périodes de temps superposées — gérer des milliers de visiteurs de site web à la fois, télécharger un fichier pendant que vous continuez à faire défiler, ou répartir un calcul sur les nombreux cœurs d'un processeur moderne. Elle est essentielle à presque tous les logiciels sérieux, et c'est l'une des choses les plus difficiles à bien faire en programmation.
Pendant des décennies, les logiciels devenaient automatiquement plus rapides car les puces devenaient plus rapides. Vers le milieu des années 2000, la physique est intervenue : augmenter davantage les vitesses d'horloge générait une chaleur ingérable. Les fabricants ont pivoté vers la mise en place de plusieurs cœurs de traitement sur chaque puce. Un ordinateur portable aujourd'hui peut avoir huit cœurs ou plus, mais un programme écrit comme une seule séquence d'étapes n'en utilise qu'un seul. Exploiter le matériel moderne nécessite de diviser le travail en morceaux qui s'exécutent en parallèle.
Les problèmes commencent lorsque des tâches concurrentes partagent des données. Supposons que deux threads d'un programme bancaire essaient chacun d'ajouter de l'argent au même compte au même moment. Chacun lit le solde, ajoute son dépôt et écrit le résultat. Si leurs étapes s'entrelacent mal, la deuxième écriture écrase la première et un dépôt disparaît silencieusement. C'est une condition de concurrence — un bug qui dépend d'un timing précis, ce qui signifie qu'il apparaît rarement, disparaît lorsqu'on le cherche, et peut ne survenir qu'en pleine charge de production.
La défense standard est le verrou : une tâche revendique un accès exclusif aux données partagées, travaille, et les libère, forçant les autres à attendre. Les verrous apportent leur propre danger, le blocage, où deux tâches détiennent chacune un verrou dont l'autre a besoin et attendent indéfiniment, comme deux personnes figées dans une porte, chacune insistant pour que l'autre passe d'abord.
Lorsque les ingénieurs décrivent un système comme sûr pour les threads, ou expliquent qu'un bug "n'arrive que sous charge", ou demandent du temps pour redessiner quelque chose pour le parallélisme, c'est le territoire. Les bugs de concurrence sont parmi les plus coûteux en logiciel car ils se cachent jusqu'à ce que l'échelle les révèle.
Credit: Matheus Bertelli / Pexels
Presque tout ce que vous faites en ligne suit un modèle : un client demande, un serveur répond. Le client est le logiciel près de vous — un navigateur, une application mobile — responsable d'afficher des informations et de collecter votre saisie. Le serveur est un programme sur une machine distante, responsable de stocker les données, d'appliquer les règles, et de faire les calculs lourds. Chaque chargement de page, envoi de message, et diffusion de vidéo est un tour de ce jeu de demande-réponse.
La répartition du travail est délibérée. Les serveurs détiennent les données autoritaires et la logique métier, car les clients ne peuvent pas être fiables — n'importe qui peut modifier une application sur son propre appareil. Lorsque vous achetez quelque chose en ligne, votre navigateur envoie simplement votre intention ; le serveur vérifie le prix, valide le paiement, et enregistre la commande. C'est pourquoi les prix affichés dans votre application ne peuvent simplement pas être modifiés en remises, et pourquoi les failles de sécurité décrites comme côté serveur sont plus graves que les bugs cosmétiques côté client.
La séparation explique également le comportement quotidien. Lorsque l'application fonctionne hors ligne, vous voyez des données côté client mises en cache ; tout ce qui nécessite des informations fraîches ou un changement permanent nécessite le serveur. Lorsqu'un service est en panne, ses clients vont bien — des millions d'applications fonctionnelles regardant une contrepartie non réactive. Lorsque votre application téléphonique se met constamment à jour, certains changements sont des cosmétiques côté client, tandis que d'autres suivent les changements dans les attentes du serveur.
Les ingénieurs se répartissent davantage de chaque côté. Les développeurs front-end construisent l'expérience client ; les développeurs back-end construisent les systèmes serveur ; les développeurs full-stack couvrent les deux. Derrière un grand service, le serveur n'est pas une seule machine mais des flottes d'entre elles, avec des équilibreurs de charge distribuant les requêtes entrantes à travers la flotte comme un hôte place les convives arrivants à travers les tables disponibles.
Un modèle alternatif, pair à pair, permet aux appareils de communiquer directement entre eux — BitTorrent et certains chemins d'appel vidéo fonctionnent de cette façon — mais le modèle client-serveur domine car centraliser les données et le contrôle est plus facile à sécuriser, facturer et mettre à jour.
Credit: barış erkin / Pexels
La dette technique est le coût futur encouru lorsque le logiciel est construit rapidement au lieu de correctement. La métaphore, inventée par le programmeur Ward Cunningham en 1992, est délibérée : comme la dette financière, les raccourcis permettent d'expédier plus tôt, et comme la dette financière, ils génèrent des intérêts. Chaque modification future de code désordonné prend plus de temps, tombe en panne plus facilement et exige plus de tests. Si elle n'est pas remboursée assez longtemps, les intérêts peuvent consommer la majeure partie de la capacité d'une équipe.
La dette s'accumule de manière ordinaire et défendable. Une startup qui se précipite pour une démo code en dur des hypothèses qu'elle prévoit de corriger plus tard. Une équipe ajoute une fonctionnalité à une structure jamais conçue pour cela parce que la refonte prendrait un trimestre. Un développeur copie un bloc de code au lieu de le restructurer, laissant deux versions qui doivent maintenant être mises à jour en tandem. Chaque décision est localement raisonnable. L'accumulation est ce qui fait mal — et contrairement à la dette financière, aucun registre n'affiche le solde. Elle se révèle sous forme de symptômes : des estimations qui explosent, des changements simples qui causent des pannes non liées, des systèmes que seul un employé vétéran comprend, et des ingénieurs qui démissionnent plutôt que de continuer à patcher.
Rembourser la dette s'appelle le refactoring : restructurer le code pour qu'il soit plus propre sans changer ce qu'il fait. C'est un vrai travail qui ne produit rien de visible pour les clients, c'est pourquoi il perd les batailles budgétaires au profit de nouvelles fonctionnalités — et pourquoi certaines entreprises finissent par faire une réécriture complète, parmi les projets les plus risqués en logiciel. La violation d'Equifax en 2017 illustre l'extrémité du maintien différé : les attaquants sont entrés par une faille connue dans un composant obsolète que l'entreprise n'avait pas réussi à corriger.
La dette technique est souvent la réponse honnête à une question courante des dirigeants : pourquoi ajouter un bouton prend-il six semaines ? Le bouton est facile. Le bouton est installé dans une structure maintenue par dix ans de raccourcis, et chaque clou risque le mur.
