9 Minutes read

ekino paris Team communication

Il est 9h30. Ma tasse fume à côté du clavier, tous les profils Slack sont verts, l’onglet de discussion avec Gemini est ouvert, et ma journée de télétravail peut commencer.

Une gorgée plus tard, mon café froid me rappelle de lever enfin les yeux vers l’horloge.

14 heures, j’ai encore oublié de manger.

Ce n’est pas la caféine qui m’a fait perdre la notion du temps. C’est ce qu’on appelle l’état de flow. Cette bulle mentale où le monde extérieur s’efface, une ligne de code après l’autre.

Une illustration d’un homme de dos codant sur deux écrans reliés par des flux d’énergie luminescents bleu-vert. (Généré avec IA)

Depuis mes débuts en tant que développeur, me concentrer sur la durée a toujours été compliqué.
J’ai testé moult concepts pour réussir à rester focus : la technique Pomodoro, les bloqueurs de notifications, les playlists de musique lo-fi…

Puis l’arrivée de l’IA a bouleversé nos méthodes de travail. Et plutôt que de m’en servir comme d’un simple générateur de code, j’ai commencé à l’utiliser pour protéger mon attention, dans l’objectif de mieux m’organiser et de me simplifier concrètement la tâche au quotidien.

Dès lors, une question se pose : comment l’IA peut-elle nous aider à maintenir cet état de flow ?

Qu’est-ce que l’état de flow ?

Le flow est un état mental. Un état où tout s’aligne : la concentration devient naturelle, les distractions disparaissent, et chaque action s’enchaîne sans effort.

On ne pense plus à ce qu’on fait, on est en train de le faire.

Le psychologue Mihály Csíkszentmihályi a donné ce nom au phénomène dans les années 70. En observant des athlètes en pleine action (coureurs, grimpeurs, basketteurs), il a remarqué qu’ils oubliaient tout le reste : la fatigue, la douleur, même le score.

Il l’a résumé ainsi :

« Dans le flow, on ne se demande pas si on réussira ou non. On agit simplement, sans effort conscient, parce que tout semble aller de soi. »

C’est un état d’absorption totale, confirmé par une recherche de 2023 menée par des chercheurs de l’Université de Jyväskylä sur 401 développeurs, où le sentiment de contrôle sans effort devient le moteur principal de la performance.
Ce phénomène ne doit pas être confondu avec le “mode tunnel” qu’on s’impose, parfois, pour avancer sur une documentation technique ennuyeuse. Le flow, c’est quand cette tension s’efface.

Quels avantages à entrer dans cet état pour un développeur ?

L’état de flow est particulièrement précieux pour un développeur, dont le travail repose sur la logique, la concentration et la résolution de problèmes complexes. Lorsqu’il code, le moindre détail compte : une parenthèse mal placée, une dépendance oubliée, un test qui échoue.

Entrer dans le flow permet de maintenir une attention continue sur ces éléments sans dispersion, là où la moindre interruption peut faire perdre le fil.

Dans cet état, le développeur avance plus vite, repère plus facilement les incohérences, et reste mentalement immergé dans la structure du code. Une recherche menée par le programme indépendant DORA (DevOps Research and Assessment) montre que les équipes qui protègent activement ces moments de travail profond complètent leurs projets 37 % plus vite, tout en réduisant leurs erreurs de près de 30 %.
Résultat : moins d’erreurs, moins de fatigue, et un travail plus cohérent.

Le flow devient alors un véritable atout professionnel. Un état où la performance et le plaisir de coder se rejoignent.

Comment entrer dans cet état de flow ?

Le flow ne se décrète pas, il se construit. C’est le cœur du modèle développé par Csíkszentmihályi. Cet état naît d’un équilibre parfait entre le niveau de compétence et la difficulté de la tâche.

Modèle de Csikszentmihalyi : Défi vs. Compétences
  • Si c’est trop simple → je m’ennuie (apathie).
  • Si c’est trop dur → je perds le contrôle et je stresse (anxiété).

Mais quand je maîtrise ce que je fais et que l’effort reste stimulant, tout s’aligne. J’atteins cette zone de stimulation idéale, où la concentration devient naturelle.

Éliminez les distractions

Le moindre bruit me sort de ma bulle. Une notification Slack, un onglet ouvert “juste pour vérifier”, et mon attention se fragmente.

L’enjeu est aussi financier : selon une analyse de l’entreprise d’analytique Worklytics, le « context switching » coûte en moyenne 250 $ par jour et par développeur. Pourquoi ? Car comme l’a prouvé la chercheuse en informatique Gloria Mark, après chaque interruption, il nous faut près de 23 minutes pour retrouver une concentration profonde.

Aujourd’hui, pour sanctuariser mes créneaux de travail, je ferme systématiquement toutes les applications et onglets inutiles, je coupe mes alertes et je nettoie mon terminal ainsi que mon VS Code.

En somme, le flow exige du silence et de la simplicité. Juste l’espace nécessaire pour penser et créer.

Adoptez des rituels d’entrée

On imagine souvent qu’un créneau bloqué dans l’agenda suffit pour se concentrer. Mais sans amorçage, le cerveau met un temps fou à charger le contexte.
Selon les recherches de Peter Gollwitzer, définir un objectif ultra-spécifique multiplie par deux les chances d’engagement profond. J’utilise pour cela deux leviers :

  • Le contrat d’exécution : Au lieu de “coder la feature”, j’écris l’objectif précis (ex : “À 11h, l’API renvoie un code 200 sur ce cas”). Cette clarté élimine l’indécision.
  • L’ancrage sensoriel : je lance une playlist dans mon casque. Ça coupe le bruit extérieur et aide mon esprit à plonger directement dans un état de concentration, sans avoir à forcer ma volonté.
Moi après avoir lancé la soundtrack White Lotus saison 2

Comment l’IA peut entretenir ce flow ?

Depuis que j’ai intégré l’IA dans mon travail, le bénéfice le plus précieux n’est pas la vitesse à laquelle je code, mais la préservation de mon flow.
Elle est devenue mon meilleur rempart contre la fatigue mentale, protégeant mon attention pour me permettre de rester “dans la zone” plus longtemps et avec moins d’effort.
Voici comment elle m’aide concrètement au quotidien :

1. Réduire le « temps de chauffe »

Le flow déteste la friction initiale.
Fixer des erreurs de linting, écrire des schémas de validation ou générer du boilerplate… C’est une perte d’énergie inutile.
On s’épuise sur des détails techniques au lieu de garder sa force mentale pour le cœur du problème.

On ne peut pas totalement échapper à ces préparatifs, mais l’IA permet de réduire drastiquement cette latence au démarrage. Avant, je pouvais passer beaucoup de temps sur des actions nécessaires au début du développement d’une nouvelle feature : créer les fichiers vides, câbler les imports, mocker les réponses API.
Et c’est le moment critique où le cerveau résiste le plus à l’effort, car le passage à l’action demande plus d’énergie.

Aujourd’hui, j’utilise l’IA comme un moteur de lancement. Je lui dicte mon intention, et elle me recrache le plan à suivre. Mon cerveau n’a plus à affronter le vide, il a tout de suite de la matière à sculpter. En réduisant cette friction de départ, je passe de l’intention à l’exécution en quelques minutes, et ça empêche ma motivation de retomber.

2. L’IA comme filtre d’expertise

Auparavant, chercher une solution technique me sortait souvent de ma bulle. Je lançais dix recherches Google, j’ouvrais cinq onglets StackOverflow, et je scrollais sans fin à travers les réponses et les commentaires contradictoires. Je finissais souvent par copier-coller une solution “miracle” validée par 500 upvotes, avant de réaliser dix minutes plus tard qu’elle concernait une version de librairie dépréciée depuis trois ans.
Et c’était le meilleur moyen de me démotiver.

L’IA est désormais très performante dans ce genre de cas. Le véritable tournant a eu lieu fin 2024 et en 2025 avec l’intégration native du Web Search et du Web Fetch, qui ont enfin donné aux LLM l’accès au temps réel. Les modèles ne se contentent plus de leur base de connaissances figée, ils peuvent lire la documentation officielle à jour sur le Web avant de répondre.
Au lieu de m’éparpiller, je garde désormais un chat IA ouvert en permanence, avec un agent spécifiquement configuré comme expert front-end. C’est à lui que je pose mes questions pour qu’il filtre le bruit à ma place.
J’ai configuré cet agent pour qu’il me fournisse systématiquement ses sources, si je souhaite aller plus en profondeur sur un sujet. Mais la précision de la réponse m’évite souvent de les consulter.

3. VS Code comme forteresse

Pour réduire les changements de contexte, j’essaie de centraliser mon flux de travail au maximum. Avec, d’un côté mon éditeur (VS Code), et de l’autre mes ressources (tickets Jira, documentation spécifique).

Sur VS Code, l’utilisation des MCP (Model Context Protocol) pousse davantage cette logique. L’idéal, c’est d’en plugger un maximum, dans la limite de ce que vos accès vous autorisent.
La quasi-totalité des apps possèdent aujourd’hui leur MCP, que ce soit Jira, GitLab, Storybook, Figma ou Sonar. Bloquer une heure ou deux pour bien configurer ces accès est la meilleure chose à faire pour centraliser tout votre contexte et éviter de sortir de votre éditeur. Cela réduit encore plus les frictions liées aux allers-retours entre applications.
J’utilise aussi l’assistant Gemini intégré dans VS Code, pour avoir un accès immédiat sur mon environnement.

Les géants de la Tech ont d’ailleurs bien saisi l’urgence de limiter cette fragmentation des outils. C’est ce qui pousse aujourd’hui toute l’industrie vers la tendance de l’IA embarquée (Embedded AI). Des plateformes comme Notion ou Canva intègrent leurs propres modèles directement au cœur de leur interface pour nous éviter de changer d’onglet.

Et côté VS Code, on suit la même logique. Avec la mise à jour de leur navigateur intégré mi-mars, on a maintenant un vrai navigateur complet qui tourne dans l’IDE. C’est une vraie démarche de leur part pour nous aider à tout centraliser. À l’avenir, l’éditeur a vocation à tout absorber pour devenir notre seul et unique espace de travail.

4. Ajuster le curseur de difficulté

Comme nous l’avons vu avec le modèle de Csíkszentmihályi, le flow exige un bon équilibre entre nos compétences et le défi.

Cependant, il y a un piège majeur. Quand l’IA tape le code à votre place, le cerveau a tendance à se désengager en “pilote automatique” et à survoler le problème au lieu de le comprendre en profondeur. C’est ce qu’explique très bien le youtubeur Micode dans sa vidéo “La Fabrique à Idiots”, citant de récentes études sur la “dette cognitive”. Se reposer aveuglément sur l’outil atrophie notre capacité de réflexion.

Pour éviter cela, j’utilise l’IA non pas comme une béquille, mais comme un stabilisateur :

  • Si c’est trop dur : Au lieu de bloquer et de laisser l’anxiété s’installer, l’IA joue le rôle du développeur senior. Je lui demande juste un indice ou des sources pour m’aider à me débloquer.
  • Si c’est trop simple : Elle prend en charge les parties purement mécaniques. La charge cognitive se déplace. On pense beaucoup moins à la syntaxe, et beaucoup plus à l’architecture et à la sécurité. En m’obligeant à me concentrer sur l’optimisation, l’IA maintient artificiellement mon cerveau dans une zone de stimulation idéale.

5. Penser “Deep Work” plutôt qu’exécution

C’est le plus grand paradoxe de cette révolution. Parce que l’IA exécute à notre place, notre niveau d’exigence mentale n’a jamais été aussi élevé. Le cœur de notre métier n’est plus la ligne de code, c’est le deep work.

Au début, il est facile de faire l’erreur de se reposer entièrement sur l’outil. Dans mes premières utilisations de Copilot, il m’est arrivé de consommer l’intégralité de mes tokens Copilot en seulement 5 jours. Je générais frénétiquement du code, prompt après prompt, en espérant que la machine devine l’architecture que je n’avais pas pris le temps de concevoir.
Résultat : une feature bancale, du code spaghetti et un esprit frustré.

Depuis ce “burn-out de tokens”, j’ai radicalement inversé mon processus. Je passe aujourd’hui 80 % de mon temps de concentration à préparer le terrain avant même qu’une ligne de code ne soit générée.
Le deep work, désormais, c’est :

  • Étudier la mécanique des modèles : je prends le temps de comparer les coûts, d’analyser les limites des tailles de contexte et d’évaluer l’effort de raisonnement de chaque modèle pour choisir le bon outil selon la complexité de ma tâche.
  • Paramétrer le contexte de l’IA : au-delà des instructions personnalisées, cela implique de configurer et d’intégrer des “skills” (compétences spécifiques de l’agent) directement dans le projet en fonction des besoins du moment. C’est ce travail de fond qui garantit que l’outil respecte strictement nos standards de sécurité et d’architecture.
  • Concevoir la logique métier en amont : avant de prompter, je pose l’architecture sur papier ou sur un tableau blanc. L’objectif est d’anticiper les comportements inattendus, les limites du système et les failles potentielles pour formuler les meilleurs prompts possibles.

C’est d’ailleurs une réalité que l’on constate chez ekino. Le passage de la simple expérimentation à l’industrialisation ne pardonne aucune faille d’architecture.

Dans un environnement où l’exécution technique est devenue presque “gratuite”, la véritable rareté est la capacité à maintenir une attention soutenue sur un problème complexe. Notre quotidien devient une affaire de deep work. Paramétrer les skills d’un agent Claude ou définir les instructions personnalisées d’un Copilot demande un vrai travail de fond.
Structurer ce contexte avec une clarté absolue est devenu notre vraie valeur ajoutée. L’IA gère la mécanique, ce qui me laisse la responsabilité de la logique pure. Et pour penser clair, il n’y a pas de secret, il faut protéger sa bulle.

Conclusion

En 2026, atteindre l’état de flow ne s’espère plus comme un miracle d’agenda ou une matinée sans notification. C’est devenu une discipline à part entière.
L’IA, en agissant comme un partenaire de pair-programming silencieux, nous offre le luxe de rester dans cet état de grâce plus longtemps.

Il y a pourtant une limite à ne pas franchir. Si l’IA peut protéger notre concentration, elle ne doit pas nous faire oublier de respirer.
Le flow le plus productif est celui qui nous permet de livrer l’excellence sans sacrifier notre santé. Aujourd’hui, cela passe par une attention constante portée à notre charge mentale pour se prémunir de toute fatigue chronique face à la vitesse délirante imposée par l’IA.

Alors, la prochaine fois que votre café refroidit, dites-vous qu’il est temps de sortir un instant de votre bulle pour mieux y revenir ensuite.

Sources & Lectures

Comment l’IA a redonné du “flow” à mon quotidien de développeur was originally published in ekino-france on Medium, where people are continuing the conversation by highlighting and responding to this story.