95% des étudiants britanniques utilisent désormais l'IA, avec des expériences très partagées

À Berkeley, plus d’un tiers des étudiants en informatique sont recalés à cause de l’IA

Au printemps 2026, l'université de Californie à Berkeley a enregistré une hausse spectaculaire des échecs dans ses cours d'informatique de première année. Dans le cours d'introduction CS 10 ("La beauté et la joie de l'informatique"), 35,3 % des étudiants ont obtenu un F, contre 6,8 % au printemps 2025, soit une augmentation de 419 % en un an. Le cours CS 61A, consacré à la structure et l'interprétation des programmes, affiche quant à lui 10,6 % d'échecs, contre 3,8 % l'année précédente, soit une hausse de 179 %. Plus frappant encore, le cours d'optimisation EECS 127 a vu son taux d'échec bondir de 1,5 % à 16,8 %, une explosion de plus de 1 000 %. Ces chiffres s'éloignent très largement des directives internes de l'université, qui fixent à 7 % le seuil "typique" de notes D et F en premier cycle. La moyenne générale des deux cours d'intro est tombée à C+, soit 2,3 sur 4, alors que la fourchette attendue se situe entre 2,8 et 3,3. Ces résultats révèlent une rupture pédagogique profonde liée à la généralisation des outils d'intelligence artificielle. Les enseignants signalent que de nombreux étudiants ont délégué leurs devoirs à des assistants IA sans jamais maîtriser les concepts sous-jacents, ce qui les a laissés démunis lors des examens en présentiel. S'y ajoutent des lacunes mathématiques criantes, un fort absentéisme, un manque de participation en cours, et des cas de tromperie académique. Ces carences, masquées pendant le semestre grâce aux outils génératifs, sont apparues en plein jour lors des évaluations formelles. Pour une université classée quatrième meilleure école d'informatique des États-Unis en 2026, derrière Carnegie Mellon, le MIT et Stanford, et première parmi les universités publiques, ce décrochage représente un signal d'alarme difficile à ignorer. Berkeley n'est pas un cas isolé : depuis l'explosion de ChatGPT fin 2022, les établissements d'enseignement supérieur du monde entier débattent de l'impact des LLMs sur l'apprentissage réel. La question n'est plus théorique. L'université se retrouve confrontée à un paradoxe : former les ingénieurs et chercheurs qui construiront les systèmes IA de demain, tout en gérant une génération d'étudiants qui utilisent ces mêmes systèmes pour contourner l'apprentissage fondamental. La réponse institutionnelle tarde. Le manque de personnel enseignant mentionné par les professeurs complique toute surveillance renforcée. Les prochains semestres diront si Berkeley adapte ses méthodes d'évaluation, renforce les prérequis mathématiques à l'entrée, ou durcit ses politiques d'intégrité académique face à une technologie que ni les murs ni les règlements ne pourront faire disparaître.

💬 Les chiffres sont brutaux, et pas vraiment surprenants. Des étudiants qui ont délégué leurs devoirs à l'IA se retrouvent seuls face à l'exam, sans fondations. Et le paradoxe qui me tue : on essayait de former ces gamins pour construire les systèmes IA de demain.

Google l’avoue : 75 % de son code est désormais écrit par l’IA

Lors de la keynote d'ouverture de Google Cloud Next 2026 à Las Vegas, le 22 avril, Sundar Pichai a révélé que 75 % du nouveau code produit en interne chez Google est désormais généré par l'intelligence artificielle, chaque résultat étant ensuite relu et validé par des ingénieurs humains. Ce chiffre marque une progression spectaculaire : l'IA représentait 50 % du code à l'automne 2025, et seulement 25 % un an plus tôt. Pour illustrer les gains obtenus, Google cite une migration de code complexe réalisée six fois plus rapidement qu'en 2025. L'outil central de cette transformation est Gemini, le modèle maison, bien que certains ingénieurs de Google DeepMind aient également accès à Claude Code, développé par Anthropic. Les équipes adoptent ce que Google appelle des workflows agentiques, c'est-à-dire des systèmes capables d'agir de façon autonome sur des tâches définies, sous supervision humaine. L'impact est d'abord organisationnel : les développeurs délèguent désormais les tâches répétitives et les chantiers techniques à l'IA, pour se concentrer sur la supervision, l'architecture et les arbitrages stratégiques. Cette évolution se traduit concrètement dans les critères d'évaluation interne de Google, où la maîtrise des outils IA est désormais prise en compte. Sur le plan économique, une telle automatisation laisse entrevoir des réductions significatives des délais et des coûts de développement logiciel. En contrepartie, la dépendance aux modèles d'IA s'accroît mécaniquement, créant une vulnérabilité nouvelle pour une entreprise dont l'infrastructure repose sur des millions de lignes de code critiques. La cohabitation entre Gemini et Claude Code au sein d'une même organisation génère par ailleurs des tensions internes dont Google n'a pas détaillé les contours. Cette annonce s'inscrit dans une accélération générale de l'adoption de l'IA dans le développement logiciel à l'échelle de l'industrie. Microsoft, Meta et Amazon ont toutes communiqué des métriques similaires ces derniers mois, sans toutefois atteindre le seuil symbolique des 75 %. Pour Google, qui emploie des dizaines de milliers d'ingénieurs, franchir ce cap envoie un signal fort au marché : l'IA n'est plus un assistant périphérique mais un acteur central de la production logicielle industrielle. La trajectoire observée, un doublement tous les six à douze mois, alimente les spéculations sur un seuil de 90 % dès 2027. La vraie question n'est plus de savoir si les machines écrivent du code, mais à quelle vitesse le métier d'ingénieur va se redéfinir autour du pilotage de ces systèmes plutôt que de la saisie brute.

Les hommes utilisent les agents IA de codage plus de deux fois plus souvent que les femmes en sciences sociales, selon Anthropic

Une étude publiée par Anthropic révèle que les chercheurs en sciences sociales portant des prénoms typiquement masculins utilisent des agents de codage basés sur l'IA plus de deux fois plus souvent que leurs homologues aux prénoms féminins. Cet écart persiste même à discipline et niveau de carrière comparables, ce qui suggère que la variable déterminante est bien le genre et non le domaine ou l'ancienneté. Les économistes affichent le taux d'adoption le plus élevé, à 39 %, tandis que les chercheurs en sciences de l'éducation se situent à seulement 4 %. Ce fossé est particulièrement significatif car il dépasse largement le différentiel observé pour l'usage général de l'IA. Autrement dit, les femmes ne sont pas simplement moins nombreuses à utiliser l'intelligence artificielle en général : elles s'approprient spécifiquement moins les outils d'automatisation du code, ceux-là mêmes qui promettent des gains de productivité substantiels dans la recherche quantitative. Dans un contexte où ces outils deviennent des avantages compétitifs réels, un tel écart pourrait creuser des inégalités de carrière entre chercheurs. Cette étude s'inscrit dans une série de travaux qui interrogent l'adoption différenciée des technologies selon le genre. Anthropic, dont le modèle Claude est largement utilisé dans les environnements académiques, dispose d'une position privilegiée pour observer ces dynamiques à grande échelle. La question qui se pose désormais est de savoir si cet écart reflète des différences d'accès, de formation ou d'incitation, et quelles interventions pourraient le réduire avant qu'il ne se cristallise durablement dans les pratiques de recherche.

💬 L'écart de genre sur l'IA en général, on en parlait déjà. Mais là, c'est spécifiquement les outils de codage automatisé, ceux qui font vraiment gagner du temps sur la recherche quantitative, et le fossé est deux fois plus grand. Ce qui se joue ici, c'est une inégalité de productivité, pas juste d'usage, et ça c'est beaucoup plus dur à rattraper.

Les utilisateurs avancés creusent l'écart dans la maîtrise de l'IA

Les recherches d'Anthropic révèlent que l'intelligence artificielle n'a pas encore provoqué de vague de suppressions d'emplois, mais les premières données font émerger un phénomène préoccupant : un fossé croissant entre les utilisateurs qui maîtrisent ces outils et ceux qui ne les utilisent pas. Les travailleurs les plus aguerris avec l'IA creusent l'écart en termes de productivité et d'efficacité, redessinant les hiérarchies professionnelles de l'intérieur. Ce constat est crucial pour comprendre comment l'IA va réellement transformer le marché du travail. Plutôt qu'une disruption brutale et immédiate, c'est une bifurcation progressive qui s'opère : ceux qui adoptent et maîtrisent les outils d'IA accumulent un avantage compétitif significatif, tandis que les autres risquent de se retrouver progressivement marginalisés. Ce phénomène de "fracture de compétence IA" pourrait aggraver des inégalités déjà existantes au sein des entreprises et entre les secteurs. Les données préliminaires d'Anthropic pointent vers une polarisation des usages : les utilisateurs avancés exploitent pleinement les capacités des modèles de langage pour automatiser des tâches complexes, générer du contenu, analyser des données ou accélérer leur prise de décision. Cette asymétrie dans l'adoption ne concerne pas uniquement les compétences techniques, elle reflète aussi l'accès aux formations, aux outils et à une culture d'entreprise favorable à l'expérimentation. À mesure que ces écarts se consolident, la question du déplacement d'emplois futurs prend une nouvelle dimension : ce ne sont peut-être pas les machines qui remplaceront les humains, mais les humains augmentés par l'IA qui remplaceront ceux qui ne le sont pas. Cette perspective oblige les entreprises et les décideurs politiques à repenser urgemment leurs stratégies de formation et d'accompagnement pour éviter une fracture durable du marché du travail.