Les développeurs sont devenus 180 % plus productifs grâce à l’IA. Mais le nombre d’applications que les gens utilisent réellement n’a pas augmenté. Ces deux chiffres ont été mesurés auprès de 100 000 développeurs, et ensemble, ils constituent la donnée la plus inconfortable de la technologie en 2026. L’étude provient du NBER. Ils ont croisé l’activité réelle sur GitHub avec les données d’utilisation de l’IA de chaque développeur, en isolant l’impact de chaque génération d’outils. La hausse de la production de code est absurde : → Autocomplétion : +40 % → Agents qui conversent avec vous : +140 % → Agents autonomes : +180 % Près de trois fois plus de code sortant de la même personne. Cela semble être la plus grande révolution de productivité que le monde ait jamais vue. Mais les chercheurs ont posé la question que presque personne n’a voulu poser : combien de ce gain s’est concrétisé en produit entre les mains de quelqu’un ? Suivez ce qui arrive à ce gain de 180 %. Il tombe à +50 % lorsqu’on mesure le nombre de projets. Quand on arrive à ce qui est effectivement lancé, il ne reste plus que +30 %. Presque tout le gain disparaît en chemin. Et il y a pire. Regardez le graphique du Financial Times. La ligne des lancements d’applications a explosé. Pendant ce temps, le nombre d’applications qui obtiennent un usage réel est resté figé, et les évaluations des utilisateurs ont commencé à baisser. L’IA a inondé le monde de logiciels que personne n’ouvre. La plus grande capacité de production de l’histoire, gaspillée à créer des choses qui meurent le jour même de leur lancement. Pourquoi cela arrive-t-il ? Le code a toujours été la partie facile de cette histoire. Le travail difficile vient après : revoir, s’assurer que ça fonctionne, le déployer et convaincre quelqu’un de l’utiliser. L’IA a accéléré de manière brutale un seul maillon de cette chaîne, et a révélé à quel point tout le reste dépend encore des êtres humains. Ce que cela change pour ceux qui construisent désormais est direct. L’IA a rendu l’écriture de code si peu coûteuse qu’elle est devenue une marchandise. Tout le monde peut désormais produire rapidement. Ce qui vaudra de l’or dans la prochaine décennie, c’est le « goût » et le jugement : savoir ce qui mérite d’exister avant de dépenser la première heure à le construire.

Nous sommes passés de : « L’IA nous remplacera-t-elle ? » à : « Quelle IA devrais-je utiliser aujourd’hui ? » Cela s’est produit rapidement.

L'économie comportementale, une discipline d'élite largement observée par des universités américaines de l'Ivy League telles que Harvard, Yale, Penn, Cornell et Columbia, ainsi que par des entreprises mondiales de premier plan comme Google, Amazon et Netflix. Apprendre scientifiquement pourquoi les gens agissent ainsi vous garantit une domination absolue dans tous les domaines. Il n'y a plus qu'à se mettre à l'étudier.

Un bon rappel pour les développeurs fanatiques de l’IA qui affirment que tant que les tests unitaires, les tests de fumée ou n’importe quel autre test passent, le code issu de l’IA est acceptable. De la merde ! « Les tests prouvent que le code passe la suite de tests, rien d’autre. Ils ne prouvent pas par eux-mêmes que le code est correct, sécurisé, maintenable, efficace, etc. Ces critères sont beaucoup plus difficiles à mesurer et dépendent fortement de l’organisation, de l’architecture, de la culture, du savoir partagé des mainteneurs, etc. Tout cela fait défaut pendant et après cette [réécriture pilotée par l’IA] de Bun. »

Elon Musk pense que les langages de programmation disparaîtront complètement cette année, car l'IA n'a plus besoin de langages de programmation.

Des personnes quittent OpenAI pour Anthropic, des milliards dépensés pour des puces personnalisées destinées à l’AGI Pendant ce temps, la plupart des entreprises perdent encore des prospects parce que personne n’a répondu pendant 6 heures L’avantage compétitif n’est plus le modèle, c’est qui le branche réellement au travail

Boris nomme le changement autour duquel mon entreprise s'est construite ces derniers mois. L'ancienne façon de faire croître une agence : embaucher un junior, le former sur vos 10 derniers projets, en espérant qu'il retienne assez pour que le 11e projet ne parte pas de zéro. Répéter avec un senior pour gérer les juniors. Répéter avec un VP pour gérer les seniors. Chaque niveau ajoute des coûts, chaque niveau dilue les connaissances qui résidaient dans la tête du fondateur. Au moment où l'agence compte 30 personnes, la qualité originale a disparu et le fondateur ne fait plus rien pour ce pour quoi il s'était formé. La nouvelle façon : vous accumulez les données de chaque réalisation dans une bibliothèque structurée, puis vous écrivez des boucles qui s'exécutent dessus. Des agents qui analysent les schémas passés, les objections passées, les décisions architecturales passées, les modes d'échec passés. Une nouvelle demande client arrive, les boucles proposent ce qu'il faut livrer avant que quelqu'un sur l'équipe ait lu le brief. Pas à partir de théories, mais à partir de 50 réalisations que les boucles ont déjà traitées. La logique des effectifs se brise. Le recrutement augmente linéairement avec les coûts. Les boucles évoluent avec la taille de la bibliothèque de données, qui se compound à chaque réalisation. Ce que cela donne concrètement pour moi en ce moment : Chaque démarrage client alimente un journal de projet structuré. Chaque décision architecturale est étiquetée et décrite. Chaque problème rencontré en production est enregistré avec sa solution. Chaque prompt qui a fonctionné pour un type particulier d'intégration est stocké en lien avec ce type d'intégration. Au moment où le client numéro 50 arrive, le système a déjà traité 49 versions de « comment ce type de projet échoue généralement à la sixième semaine ». Les boucles ne sont pas autonomes : Je revise chaque sortie. Elles ne prennent pas de décisions architecturales. Elles mettent en évidence des candidats. Elles rédigent des documents. Elles proposent des ajouts fonctionnels basés sur ce qui a fonctionné sur des réalisations antérieures similaires. L'humain reste dans la boucle pour chaque décision qui touche à la valeur client. Mais ce qu'elles débloquent, c'est un type d'effet de levier que le recrutement n'a jamais produit. Un ingénieur senior apporte 10 ans de reconnaissance de schémas. Les boucles intègrent tous les schémas issus de chaque projet que j'ai jamais livré, consultables en quelques secondes. La reconnaissance de schémas de l'ingénieur s'améliore au fil de sa carrière. Celle des boucles s'améliore chaque lundi. Boris nomme cette transition au niveau du mode : le changement est exactement le même au niveau de l'agence. Le travail n'est plus de demander à l'IA. Le travail consiste à écrire les boucles qui demandent à l'IA, et à accumuler les données sur lesquelles ces boucles s'exécutent. La plupart des agences en 2027 seront l'une des deux choses : Soit des entreprises qui grandissent par effectifs, continuant d'embaucher des juniors, Soit des studios qui grandissent par boucles, avec une fraction de l'équipe et un débit 10 fois supérieur par build. Pas encore entièrement autonomes. Pas non plus en prétendant l'être. Mais le changement architectural est réel, et la plupart des opérateurs n'ont pas encore intégré qu'il s'applique aussi à leur entreprise — pas seulement à l'IA qui la construit.

Essayez ceci : frappez au hasard vos phalanges contre un mur pour que le bruit éloigne les lions de votre quartier. Pas de lions, n’est-ce pas ? Si vous considérez cela comme une preuve que votre stratégie fonctionne, alors vous comprenez la stratégie d’investissement de la plupart de l’industrie de l’IA aujourd’hui 😎😆 #CryptoSatire #CryptoVerse #AI #AgenticAI #AIInfrastructure #Anthropic #Claude #OpenAI #ChatGPT #AgenticEconomy