Briser la spirale du coût irrécupérable : pourquoi la règle des 2 corrections sauve votre semaine

Le pattern que tout le monde reconnaît

Le développeur Samuel Faure a identifié un cycle que chaque codeur assisté par l’IA a vécu :

1. Prompter l’IA. Obtenir une sortie qui est proche mais pas correcte.
2. Re-prompter pour corriger. La correction introduit de nouveaux bugs, ou l’IA se « perd complètement ».
3. Réaliser que vous auriez terminé plus tôt sans l’IA.
4. Se sentir « trop engagé » pour arrêter. Vous avez investi du temps, construit du contexte, affiné la conversation.
5. Continuer à prompter quand même.

Colin Cornaby a capturé le sentiment avec précision : après avoir passé trois heures avec Claude Code sur une seule tâche, il s’est demandé si le faire manuellement aurait été plus rapide. Mais abandonner à ce stade donnait l’impression d’admettre un échec.

Ce sentiment, celui qui dit « encore un prompt », n’est pas un instinct de productivité. C’est un piège cognitif.

La psychologie : pourquoi vous ne pouvez pas abandonner

Le biais du coût irrécupérable est la tendance à continuer d’investir dans quelque chose à cause des ressources déjà investies, même quand continuer est irrationnel (The Decision Lab). Dans les contextes traditionnels, cela s’applique à l’argent et au temps. Dans le codage assisté par l’IA, cela s’applique à quelque chose de plus insidieux : l’effort cognitif et le contexte.

L’aversion à la perte

Chaque correction que vous donnez à l’IA représente de la pensée investie. Vous avez analysé la sortie, identifié le problème, formulé une instruction précise. Cet effort donne l’impression qu’il serait « perdu » si vous repartez de zéro. L’aversion à la perte, la tendance bien documentée à peser les pertes plus lourdement que les gains équivalents, rend l’abandon deux fois plus douloureux qu’il ne devrait l’être.

Les coûts irrécupérables de la fenêtre de contexte

Les conversations IA ont un amplificateur unique : la fenêtre de contexte. Au fil de multiples prompts, vous avez accumulé du contexte : expliqué votre architecture, clarifié des contraintes, corrigé des malentendus. Ce contexte accumulé semble précieux. Abandonner la conversation signifie le reconstruire de zéro.

Mais voici ce que votre cerveau ne vous dira pas : si l’IA est « complètement perdue » après trois corrections, ce contexte n’aide plus. Il nuit peut-être : le modèle travaille maintenant à partir d’une chaîne confuse d’instructions contradictoires.

L’angle mort des 43 points

C’est là que ça empire. L’essai contrôlé randomisé de METR a trouvé que les développeurs prédisaient que l’IA les accélérerait de 24%, croyaient après coup qu’elle les avait rendus 20% plus rapides, mais étaient en réalité 19% plus lents. C’est un écart de 43 points entre perception et réalité.

La spirale du coût irrécupérable est une des raisons de cet écart. Chaque heure passée dans une boucle de correction échouée est une heure que le développeur perçoit comme « presque fonctionnel » (il se sent proche d’une percée) alors que le chronomètre la mesure comme une perte nette. La perception de progrès masque son absence.

Vous ne sentez pas la spirale quand vous y êtes. Vous vous sentez productif. Vous sentez que le prochain prompt va corriger le problème. C’est le piège.

Le protocole des 2 corrections

La solution est mécanique, pas motivationnelle. La volonté ne bat pas le biais cognitif. Le protocole, si.

Après 2 corrections échouées, ARRÊTEZ. Repartez avec un meilleur prompt.

C’est toute la règle. Voici pourquoi elle fonctionne :

1. Elle rend la décision automatique. Vous ne décidez pas d’abandonner votre investissement : vous suivez un protocole. Le poids émotionnel disparaît parce que la décision avait déjà été prise avant de commencer.

2. Elle recadre l’action. Vous n’« admettez pas un échec ». Vous exécutez une étape méthodologique. De la même manière qu’un pilote suit une checklist, vous suivez la règle des 2 corrections. Pas d’ego impliqué.

3. Elle casse la boucle au bon moment. À la troisième correction, le contexte de l’IA est probablement contaminé par des instructions contradictoires. Un prompt frais avec une meilleure structure surpassera une sixième tentative de corriger une conversation cassée.

4. Elle capitalise sur ce que vous avez appris. Les deux corrections échouées vous ont appris ce que l’IA ne comprend pas. Votre prompt de relance peut adresser ces lacunes directement. Le temps n’a pas été gaspillé : c’était de la reconnaissance.

Quand l’appliquer

La règle des 2 corrections s’applique à toute interaction IA où la sortie nécessite des corrections :

• Génération de code qui produit une logique incorrecte
• Refactoring qui introduit des régressions
• Génération de tests qui comprend mal les exigences
• Suggestions d’architecture qui manquent des contraintes

Cela ne signifie PAS « abandonner après deux prompts ». Cela signifie : si vous avez donné à l’IA deux corrections spécifiques et que la sortie n’est toujours pas correcte, la conversation est cassée. Commencez-en une nouvelle.

La différence entre les développeurs qui utilisent l’IA efficacement et ceux qui y perdent des heures n’est pas la compétence ou l’expérience. C’est savoir quand arrêter. La règle des 2 corrections transforme ce savoir en habitude plutôt qu’en jugement à l’instant.

Sources : Samuel Faure, developer experience with AI correction loops · Colin Cornaby, Claude Code usage report (3-hour session) · METR Randomized Controlled Trial (2025, 16 devs, 246 tasks) · The Decision Lab, Sunk Cost Fallacy · Paranoid Verification Methodology, 2-Corrections Rule

Faites le Diagnostic pour découvrir où vous en êtes, y compris si les spirales de coût irrécupérable grignotent silencieusement votre productivité.