IA et développement logiciel : ce qui change vraiment dans le métier

Les outils d’IA écrivent du code, expliquent une base existante, proposent des tests et exécutent parfois une tâche de bout en bout. Cela transforme déjà le travail. En déduire la disparition prochaine des développeurs demande pourtant un saut que les données disponibles ne permettent pas.

Les études les plus utiles ne répondent pas à une seule question. Elles observent des tâches, des populations et des outils différents. Leurs résultats doivent rester attachés à ce contexte.

Des gains réels, mais situés

Une expérience contrôlée publiée en 2023 demandait à des participants de réaliser un serveur HTTP en JavaScript. Le groupe disposant de GitHub Copilot a terminé cette tâche plus rapidement. C’était une tâche délimitée, réalisée dans un cadre expérimental ; ce résultat ne mesure ni la maintenance d’un produit pendant plusieurs années ni la responsabilité d’une mise en production (Peng et al., 2023).

Une étude de terrain publiée en 2025 a regroupé trois essais randomisés menés chez Microsoft, Accenture et une troisième entreprise, soit 4 867 développeurs. Elle observe une hausse moyenne de 26,08 % du nombre de tâches terminées, avec une incertitude importante et des effets différents selon les organisations (Cui et al., 2025). Cela indique un potentiel mesurable dans ces environnements, pas une règle universelle.

Le contexte peut inverser le résultat

METR a étudié 16 développeurs expérimentés sur 246 tâches issues de dépôts open source qu’ils connaissaient bien. Avec les outils disponibles au début de 2025, les tâches ont pris 19 % de temps supplémentaire lorsque l’IA était autorisée (Becker et al., 2025). Les auteurs limitent explicitement ce résultat à ce cadre.

En février 2026, METR a publié de nouvelles données, mais a jugé l’estimation centrale peu fiable : les utilisateurs les plus convaincus refusaient plus souvent les tâches sans IA et sélectionnaient différemment les sujets. L’équipe a donc choisi de revoir le protocole plutôt que d’annoncer un chiffre fragile (METR, mise à jour méthodologique, 2026). C’est un rappel utile : l’outil évolue vite, et sa mesure aussi.

Le goulot d’étranglement se déplace

Produire davantage de code ne garantit pas un meilleur produit. Il faut toujours comprendre le besoin, découper le système, protéger les données, relire les changements, vérifier les tests, observer la production et arbitrer les compromis. Quand la génération accélère, la revue, l’intégration et le retour utilisateur peuvent devenir les nouvelles limites.

Le rapport DORA 2025 décrit l’IA comme un amplificateur des forces et faiblesses de l’organisation. Il recommande de regarder le système de travail complet plutôt que l’adoption d’un outil isolé (DORA 2025, 2025). Une équipe avec de petits lots, des tests utiles, une livraison fiable et des responsabilités claires peut absorber plus facilement du code généré. Une équipe déjà noyée dans les dépendances et les validations risque surtout d’ajouter du volume.

Ce qui prend davantage de valeur

Le développeur reste responsable des décisions que le modèle ne connaît pas : contexte métier, contraintes d’exploitation, dette acceptable, sécurité, coût du changement et conséquences pour les utilisateurs. Trois compétences deviennent particulièrement importantes :

• formuler le problème : donner un objectif testable et les contraintes qui comptent ;
• contrôler le résultat : lire le code, vérifier ses hypothèses et demander des preuves ;
• relier les couches : comprendre comment interface, API, données, infrastructure et exploitation se répondent.

L’IA peut accélérer l’exploration, la documentation ou certains changements répétitifs. Elle peut aussi générer une solution plausible qui ignore une règle non écrite. La connaissance du système et la qualité du feedback restent décisives.

Mesurer avant de généraliser

Pour une équipe, le bon test consiste à choisir plusieurs catégories de tâches et à comparer une période de référence avec une période assistée. Regardez le délai jusqu’à la production, le temps de revue, les reprises, les incidents, la satisfaction des développeurs et la valeur livrée. DORA recommande justement de conserver plusieurs dimensions de mesure plutôt que de réduire la productivité au volume de code ou au taux d’acceptation des suggestions (Measurement frameworks, 2025).

Le métier ne se résume déjà pas à taper du code. L’IA rend cette évidence plus visible : la valeur se trouve dans la capacité à transformer un besoin incertain en système utile, vérifiable et exploitable.

Bibliographie

• Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot, février 2023.
• Cui et al., The Effects of Generative AI on High-Skilled Work, juin 2025.
• Becker et al., Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 10 juillet 2025.
• METR, We are Changing our Developer Productivity Experiment Design, 24 février 2026.
• DORA, State of AI-assisted Software Development 2025, 2025.
• DORA, Choosing measurement frameworks to fit your organizational goals, 26 août 2025.