Machikoba no Techo Août 2026

Même quand c’est l’IA qui écrit, s’arrêter pour vérifier reste un travail d’humain.

Août. La saison du calmar pointe-épée (Kensaki) bat de nouveau son plein cette année dans le nord de Kyushu. Les calmars étaient un peu petits durant la première moitié de juillet, mais à partir de la mi-mois les sujets « taille parasol » sont devenus bien plus fréquents et les prises se sont bien tenues — un bel été, à tous points de vue. Nous vous remercions sincèrement de votre fidélité.

C’est une chose curieuse : la mer est différente chaque année. Les pêcheurs, qui connaissent leurs eaux, essaient « une autre manière que l’an dernier ». Quand les conditions changent, un matériel qui fonctionnait jusqu’à la saison passée peut cesser de fonctionner. C’est précisément pour cela que nous continuons de développer de nouveaux egi avec eux. Ni la mer ni le matériel ne peuvent rester immobiles.

Ce mois-ci, en marge de ce travail, laissez-moi changer de cap et décrire le côté peu spectaculaire de « l’IoT, la DX et l’IA » dans un petit atelier comme le nôtre. Le mois dernier, j’ai parlé de la lecture d’un afficheur avec une webcam à 3 000 yens. Ce mois-ci, voici la suite : jusqu’où confier à l’IA, et à partir d’où un humain doit garder les rênes — ce qui est apparu après avoir vraiment utilisé ces outils, intensivement, sur le terrain.

■ Vingt ans de compagnonnage, et le prix récent du silicium

Nous utilisons de petites cartes à microcontrôleur depuis près de vingt ans, de l’Arduino jusqu’au Raspberry Pi d’aujourd’hui. Une seule carte qui tient dans la main permet de mesurer ou de commander quelque chose de petit sur le terrain. Pour un petit atelier, c’est un outil réellement bienvenu.

Ces derniers temps, pourtant, les choses ont changé. La demande mondiale et la montée en gamme ont fait grimper les prix. Un Raspberry Pi 5 (8 Go) acheté environ 15 000 yens en 2024 tourne aujourd’hui autour de 35 000 yens — plus du double en deux ans à peine. Le dynamisme de l’économie mondiale, imprimé sur l’étiquette d’une seule carte posée au creux de la main. Voilà l’époque où nous sommes.

Nous n’y renoncerons pas pour autant, car ce sont des outils pour « assembler quelque chose, le faire tourner, et chercher pourquoi cela ne marche pas ». Et depuis que nous travaillons avec des outils d’IA comme Claude Code, la valeur de cette chasse aux causes a plutôt augmenté.

■ Déboguer pour ne pas détruire une machine à 35 millions de yens

Il y a assurément moins d’occasions qu’avant d’écrire du code complexe à partir de rien. Mais cela a aiguisé ce qui reste du côté humain : préparer un environnement dans lequel on peut construire, et trouver et corriger la cause quand quelque chose ne tourne pas. Ces deux choses-là.

Et, chose intéressante, ce n’est pas seulement l’affaire du monde du code. Le centre d’usinage devant lequel nous nous tenons chaque jour — la machine-outil qui taille nos moules — est piloté par un programme appelé NC. Passer des variables à travers des macros et composer une logique, c’est de la programmation, tout simplement. Et un bug à cet endroit peut faire percuter et détruire en un instant un centre d’usinage valant plus de 35 millions de yens. Aussi, avant tout usinage réel, un humain le débogue toujours.

La méthode est exactement la même qu’en développement logiciel. Nous avançons ligne à ligne en suivant la valeur des variables, et nous posons des points d’arrêt. Le NC dispose d’une commande « M01 » (arrêt optionnel) qui met le traitement en pause à la ligne choisie, au milieu d’un usinage. En logiciel (sous Ruby on Rails, par exemple), écrire une seule ligne — binding.break — permet de s’arrêter là précisément et d’inspecter l’état.

Plutôt que de lancer un débogueur séparé comme gdb et de traquer les choses de l’extérieur à coups de commandes, écrire une ligne — « arrête-toi ici » — directement là où l’on veut regarder, comme le M01 du NC ou binding.break, est infiniment plus rapide. Corriger du code sur un écran et piloter une machine qui taille un moule ont la même racine : la ténacité de formuler une hypothèse et d’affronter un phénomène qui ne va pas dans votre sens.

■ Recevoir les réponses de l’IA sous une forme que l’on peut suivre

Aussi, quand je fais écrire quelque chose par une IA, ce que je demande n’est pas différent de ce que je demande devant une machine-outil. Rapide et vraisemblablement fonctionnel ne suffit pas pour aller sur le terrain. La seule chose que je vérifie toujours est celle-ci : puis-je arrêter cela en cours de route et regarder à l’intérieur ?

Non pas un seul long déroulé, mais un découpage en blocs qui ont un sens. Où une valeur est fabriquée, et où elle change, doit pouvoir se retracer. Quand quelque chose tourne mal, un humain doit pouvoir circonscrire l’endroit où réside la cause. Bref : reste-t-il de la place pour qu’un humain insère un débogueur ? Lâchez cela, et tout va bien tant que cela fonctionne — mais le jour où cela s’arrête, plus personne ne peut réparer. Devant une machine à 35 millions de yens, ce n’est tout simplement pas permis.

L’IA écrit remarquablement bien. Mais décider où s’arrêter, quoi vérifier et jusqu’où déléguer est un travail d’humain. Les rênes de l’ensemble restent entre des mains humaines. Plus les outils deviennent intelligents, plus cette ligne compte.

■ Abstraire le savoir-faire, et une DX à notre mesure

Il reste un autre travail important du côté humain : le pouvoir du code d’abstraire le savoir-faire. Un travail qui repose sur l’intuition et sur le toucher de la main tend à s’éteindre avec celui qui le possède. Mais écrivez la logique de ce travail sous forme de code — de mots et de formules — et il suffit de changer un argument pour l’appliquer ailleurs. Usiner, ajuster, régler, recommencer : remplacer par de la logique le savoir tacite qui est dans vos mains, et le transmettre à la génération suivante. C’est aussi une façon de porter un savoir-faire traditionnel vers l’avenir.

Cela demande-t-il un gros investissement ? Pas du tout. Des systèmes à des dizaines ou des centaines de millions de yens, comme en achètent les grandes entreprises, sont inutiles pour un atelier comme le nôtre et ne sont pas à notre taille. Tenter une petite mesure sur le terrain avec une petite carte qui tient au creux de la main — pouvoir s’attaquer, à faible coût, aux problèmes qui étaient à portée mais que l’on n’avait jamais entamés : voilà le véritable changement de paradigme.

Et avec l’IA, le seuil a encore baissé d’un cran. Ce que l’on remisait en se disant « j’aimerais essayer, mais je n’ai pas le temps de me pencher dessus » prend forme le jour même où l’idée vous vient. Ce n’est plus une question de savoir si l’on peut, seulement de savoir si l’on va le faire — et pour une petite entreprise, il n’y a pas de changement plus réjouissant.

L’essence de la fabrication des egi, c’est un travail manuel absolument pas spectaculaire. Mais derrière ce travail manuel, de petites technologies astucieuses œuvrent en silence. C’est ce genre d’atelier que nous visons — chaleureux et tourné vers l’avenir à la fois — et nous continuerons, un pas après l’autre.

Merci encore de votre soutien ce mois-ci.

Août 2026
KeyStone Corporation
Nobuhide Kanagawa, Président-directeur général