Les agents de codage IA produisent plus de code, mais pas plus de logiciels
Deux chercheurs de l'université Harvard, Fiona Chen et James Stratton, ont étudié l'usage réel des assistants et agents de programmation par intelligence artificielle dans des centaines d'entreprises. Leur travail s'appuie sur des données agrégées de Jellyfish, une plateforme qui mesure de façon détaillée la production des équipes d'ingénierie. Le jeu de données couvre 300 millions d'« événements de travail », comme les commits et les demandes de fusion (pull requests), ainsi que des données de gestion de tickets. Il concerne plus de 700 000 salariés répartis dans plus de 700 entreprises de développement logiciel, entre 2021 et mars 2026. Les auteurs concluent qu'il existe « peu de preuves » que ces outils permettent aux entreprises d'augmenter leur production de logiciels ou de réduire leurs effectifs. Les gains obtenus pendant la phase d'écriture du code sont « absorbés par les contraintes en aval ». La relecture s'allonge nettement, les demandes de fusion exigent plus souvent des révisions et les relecteurs laissent davantage de commentaires.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Ars Technica AI. Lire l'article original →
Ces résultats tempèrent l'idée que les agents de codage bouleversent la productivité des équipes techniques. Produire du code n'est qu'une étape de la chaîne, et la vérification humaine en devient le goulot d'étranglement. Pour les dirigeants qui comptent sur ces outils pour faire des économies de personnel, les données ne confirment pas la promesse. Pour les développeurs, la charge de travail se déplace de l'écriture vers le contrôle, une tâche moins visible mais tout aussi coûteuse en temps et en attention. Les organisations qui jugent l'efficacité de l'IA au volume de code généré risquent de choisir un mauvais indicateur, puisqu'un surcroît de code à relire peut ralentir l'ensemble du processus au lieu de l'accélérer.
Ce constat s'inscrit dans un contexte familier de tous ceux qui côtoient la programmation. Les assistants modernes savent produire d'énormes quantités de code fonctionnel, mais personne ne se fie aveuglément à leur exactitude, ce qui impose un examen attentif de chaque production. La période étudiée couvre l'essor de ces outils, des premiers assistants de complétion jusqu'aux agents plus autonomes. Les éditeurs d'outils comme les entreprises utilisatrices devront désormais s'attaquer à ce que l'étude désigne comme le véritable point de blocage. Les suites possibles passent par une relecture mieux outillée ou par une réorganisation des processus de validation, afin que la vitesse gagnée à l'écriture ne se perde pas en aval.
Pas d'impact direct sur la France/UE