Les médias étrangers affirment que les outils de programmation basés sur l'IA sont passés du statut d'option à celui de configuration par défaut au sein des équipes de développement, mais les attentes optimistes concernant l'amélioration de l'efficacité sont de plus en plus tempérées par des coûts et des problèmes de qualité accrus. De nombreuses études et cas d'entreprises montrent que l'IA peut effectivement accélérer l'écriture du code, mais ne réduit pas nécessairement les révisions ultérieures.
Les développeurs ne veulent plus se détacher de l'IA
L'organisation de recherche en IA METR a révélé en février de cette année que les chercheurs avaient initialement l'intention de reproduire une expérience sur l'efficacité de la programmation, comparant les performances des développeurs écrivant du code manuellement à celles utilisant l'IA pour accomplir des tâches, mais ont rencontré de la résistance au cours de la mise en œuvre : de nombreux développeurs ne voulaient même pas abandonner temporairement leurs outils d'IA pour l'expérience.
METR a effectué des tests associés en 2025. Les participants ont généralement ressenti une augmentation de leur efficacité, mais les mesures réelles ont révélé le contraire : bien que le code soit généré plus rapidement, les développeurs ont dû consacrer plus de temps à attendre les sorties du modèle, corriger les erreurs et guider répétitivement l'outil pour accomplir les tâches.
Étant difficile de maintenir la participation des développeurs sans IA, METR a ensuite opté pour la publication d'une enquête permettant aux employés techniques d'évaluer eux-mêmes les bénéfices apportés par l'IA. Les répondants ont généralement estimé que l'IA avait doublé la valeur de leur travail.
Les entreprises commencent à réévaluer leurs investissements dans l'IA
L'article souligne que ces jugements de « meilleure efficacité perçue » sont actuellement mis à l'épreuve par les dépenses des entreprises et la production réelle. Depuis 2026, la Silicon Valley a un temps privilégié l'utilisation de la consommation de jetons comme indicateur de l'intensité d'utilisation de l'IA, voire comme proxy de productivité, mais cette approche connaît désormais des effets de rebond évidents.
Le Financial Times britannique a rapporté cette semaine qu'Amazon a fermé son classement interne de jetons, Kirorank, car les employés avaient surutilisé des agents IA pour « tricher » dans le classement, augmentant ainsi les coûts sans amélioration correspondante des résultats.
The Information rapporte également qu'Uber a épuisé son budget annuel d'IA au cours des quatre premiers mois de 2026. Le directeur des opérations de l'entreprise, Andrew Macdonald, a déclaré récemment dans un podcast que ces dépenses n'ont pas encore entraîné de croissance mesurable des projets ni d'amélioration de la productivité.
Écrire plus vite du code ne signifie pas moins d'entretien
L'article affirme que le véritable problème réside dans la maintenance du code. Le programmeur et auteur James Shore a récemment souligné, dans un blog largement partagé, que si la vitesse d'écriture du code est doublée sans une réduction correspondante des coûts de maintenance, l'équipe échange simplement une accélération à court terme contre une charge à long terme.
Autour de ce point, de nombreuses données ont émergé sur le marché. Aiswarya Sankar, fondateur de l’entreprise de génie de fiabilité Entelligence AI, indique que près de 44 % de la consommation de jetons par les entreprises est utilisée pour corriger les défauts générés par l’IA. La société d’outils d’analyse de code Code Rabbit a également déclaré que son analyse des demandes d’intégration sur des projets open source révèle que les problèmes causés par le code généré par l’IA sont 1,7 fois plus nombreux que ceux issus du code humain.
Bien que ces données proviennent de fournisseurs de services concernés et présentent des biais évidents, des recherches indépendantes ont également émis des avertissements similaires. Des chercheurs de l'Université de gestion de Singapour ont publié en avril de cette année un rapport indiquant que le code généré par l'IA pourrait entraîner des coûts de maintenance à long terme pour des projets logiciels réels.
Les chercheurs recommandent de gérer l'IA comme un « développeur junior »
Concernant la manière d'y répondre, l'article mentionne que certains fournisseurs d'agents de programmation IA soutiennent de continuer à utiliser davantage d'IA pour corriger les problèmes générés par l'IA. Scott Wu, fondateur de Cognition, le développeur de l'agent de programmation IA Devin, partage ce point de vue.
Cependant, il admet que Devin, bien qu'il puisse accomplir certaines tâches de manière autonome, possède actuellement des compétences équivalentes à celles d'un programmeur débutant à intermédiaire, selon le type de tâche. Cela signifie que l'équipe de développement ne peut pas encore déléguer entièrement le travail à l'agent et lui laisser carte blanche.
En comparaison, les chercheurs de l'Université de gestion de Singapour recommandent une approche plus axée sur la supervision humaine : les développeurs doivent bien comprendre les limites des tâches que l'IA maîtrise et celles qu'elle ne maîtrise pas, établir des processus de garantie de qualité pour les sorties de l'IA, et examiner les résultats générés par le modèle comme s'ils étaient le code d'un ingénieur junior.
L'article conclut que, dans les travaux de haut niveau tels que l'architecture logicielle et la conception sécurisée, les développeurs humains restent les principaux décideurs, un point avec lequel même les professionnels soutenant les agents IA sont globalement d'accord.