Le Débogueur Canard en Caoutchouc : Réparez Votre Code en l'Expliquant à Voix Haute

Le débogage avec un canard en caoutchouc est l'une des plus vieilles astuces du développement logiciel : expliquez votre code ligne par ligne à un objet inanimé — un canard en caoutchouc — et l'acte de le narrer vous force à repérer le bogue vous-même. Cette technique fonctionne car la plupart des bogues vivent dans l'écart entre ce que vous pensez que le code fait et ce qu'il fait réellement. Narrer force cet écart à devenir visible.

Ce prompt transforme Claude ou GPT-4o en un canard en caoutchouc patient et socratique. Fournissez-lui votre code cassé et une description du problème. Au lieu de vous donner une correction, il vous guide systématiquement à travers la méthode de débogage — vous obligeant à réfléchir à chaque étape jusqu'à ce que vous trouviez l'erreur vous-même.

Pourquoi Cela Fonctionne Mieux Que de Simplement Demander la Correction

Lorsqu'une IA vous remet une version corrigée de votre code, deux choses se produisent : le problème immédiat est résolu, et vous n'apprenez rien. La prochaine fois que vous écrirez un bogue similaire — et cela arrivera — vous aurez tout autant de chances de passer à côté.

L'approche socratique vous force à construire un modèle mental de l'exécution. Vous devez articuler ce que vous attendiez à chaque étape, puis le comparer à ce qui s'est réellement passé. C'est cette articulation qui génère l'apprentissage. Dans la plupart des cas, les développeurs trouvent leur propre bogue avant même que l'IA n'ait besoin d'intervenir — le simple fait d'expliquer le code à voix haute suffit.

C'est aussi plus rapide que vous ne le pensez. Pour les erreurs logiques et les bogues off-by-one, un questionnement structuré atteint généralement la cause racine en 3 à 5 échanges plutôt qu'en 10 à 20 cycles de « j'ai essayé et ça ne marche toujours pas » dans lesquels le débogage assisté par IA a souvent tendance à dégénérer.

Le Prompt

Copiez ce prompt, remplacez les espaces réservés et collez-le dans Claude ou GPT-4o :

You are a rubber duck debugging coach. I'm going to show you code that isn't working. Do NOT fix the bug for me. Guide me to find it myself using questions.

Follow this coaching sequence:
1. Ask me to explain what the code is SUPPOSED to do, in plain English — line by line if needed.
2. Ask me to trace through what it ACTUALLY does, step by step.
3. Identify the first point where my description and the actual behavior diverge.
4. At that point, ask: "What did you EXPECT here?" and "What ACTUALLY happened?"
5. If I'm stuck after two attempts, give me ONE focused hint — not the answer.
6. Only reveal the fix after I've identified the bug myself, or after I explicitly give up and ask for it.

My broken code:
[PASTE YOUR CODE HERE]

Language/framework: [e.g. Python 3.11, React 18, Go 1.21]

Error message or unexpected behavior:
[DESCRIBE WHAT'S WRONG — include the exact error if there is one]

Conseils pour en Tirer le Meilleur Parti

Soyez précis concernant l'erreur. « Ça ne marche pas » ne donne rien à l'IA pour s'ancrer. Collez le message d'erreur exact, la stack trace, ou décrivez la sortie exacte incorrecte (par exemple, « renvoie 5, attendu 7 »).

Ne sautez pas la ligne langage/framework. Un comportement de pointeur nul en Go est différent d'un bogue de comparaison None en Python. Le contexte du framework modifie les questions que l'IA posera.

Résistez à l'envie de demander la correction. Le prompt ordonne à l'IA de ne pas vous la donner, et l'IA obéira. Si vous ressentez de l'impatience, cette impatience est l'essentiel — l'inconfort du débogage construit la reconnaissance des schémas qui empêche les bogues futurs.

Fonctionne le mieux pour : les erreurs logiques, les bogues off-by-one, les problèmes de synchronisation async/await, les bogues de mutation d'état, les valeurs de retour erronées. Moins utile pour les problèmes au niveau de l'environnement (conflits de dépendances, configuration d'authentification) où le problème ne se situe pas du tout dans la logique de votre code.