Discussion :

[Mathis Lucas]

Une étude révèle que les outils d'IA de codage ralentissent les développeurs tout en leur donnant l'illusion d'être plus rapides
ils ont mis 19 % plus de temps à accomplir leurs tâches de codage

Les assistants d'IA de codage sont censés accélérer le développement de logiciels. Les entreprises d'IA comme Microsoft affirment que leurs outils améliorent déjà la productivité des développeurs, mais les études rigoureuses indépendantes révèlent le contraire. Une nouvelle étude du Model Evaluation & Threat Research rapporte que l'utilisation d'outils d'IA fait perdre du temps aux développeurs. Ils s'attendaient à une augmentation de 24 % de leur productivité, mais l'équipe a constaté un ralentissement de 19 %. Une précédente étude a révélé que l'utilisation d'outils d'IA n'augmente pas la vitesse de codage, mais augmente significativement le taux de bogues.

Le débat se poursuit au sein de la communauté des développeurs, avec des opinions divergentes sur les véritables avantages en matière de productivité des outils d'IA de codage, soulignant la nécessité d'une évaluation minutieuse de leur impact dans le monde réel. Si certaines entreprises ont fait état de gains de productivité significatifs grâce aux outils d'IA, d'autres ont constaté qu'ils introduisaient des erreurs et compliquaient les processus de débogage.

Les outils de codage ont été un cas d'utilisation précoce évident dans la ruée vers l'IA générative. Cependant, certaines observations montrent que les développeurs débutants ont souvent du mal à égaler l'efficacité des développeurs confirmés, même lorsqu'ils se font aider par les assistants d'IA.

La nouvelle étude du Model Evaluation & Threat Research (METR) rapporte que les outils d'IA de codage ralentissaient les développeurs, alors qu'on s'attendait à ce qu'il en soit autrement. Le METR est un organisme à but non lucratif qui se consacre à l'évaluation des capacités et de l'alignement des modèles d'apprentissage automatique. Il collabore avec des laboratoires d'IA tels qu'Anthropic et OpenAI pour réaliser des évaluations préliminaires de leurs modèles.

Méthodologie

L'étude a porté sur 16 développeurs expérimentés qui travaillent sur de grands projets open source. Les développeurs ont fourni une liste de problèmes réels (corrections de bogues, nouvelles fonctionnalités, etc.) qu'ils devaient traiter - 246 au total - et ont prévu combien de temps ces tâches allaient prendre. Ensuite, les chercheurs ont attribué au hasard à chaque problème l'autorisation ou l'interdiction d'utiliser l'IA pendant le travail sur le problème.

Lorsque l'IA est autorisée, les développeurs peuvent utiliser les outils de leur choix (principalement Cursor Pro avec Claude 3.5/3.7 Sonnet) ; lorsqu'elle est interdite, ils travaillent sans l'aide de l'IA générative. Les développeurs accomplissent ces tâches (qui durent en moyenne deux heures chacune) tout en enregistrant leur écran, puis déclarent eux-mêmes le temps total de mise en œuvre dont ils ont eu besoin. Le travail s'est déroulé entre février et juin 2025.

Principaux résultats

Lorsque les développeurs sont autorisés à utiliser des outils d'IA, ils mettent 19 % plus de temps à résoudre les problèmes, ce qui représente un ralentissement significatif qui va à l'encontre des convictions et des prévisions des experts. L'écart entre la perception et la réalité est frappant : les développeurs s'attendaient à ce que l'IA les accélère de 24 %, et même après avoir subi le ralentissement, ils pensaient encore que l'IA les avait accélérés de 20 %.

« Nous pouvons clairement constater que les développeurs mettent beaucoup plus de temps lorsqu'ils sont autorisés à utiliser des outils d'IA », ont écrit les chercheurs dans leur rapport. L'équipe indique que le ralentissement induit par l'IA générative peut être attribué à cinq facteurs :

• optimisme excessif quant à l'utilité de l'IA (les développeurs avaient des attentes irréalistes) ;
• grande familiarité des développeurs avec les référentiels (les développeurs étaient suffisamment expérimentés pour que l'aide de l'IA n'ait rien à leur apporter) ;
• référentiels vastes et complexes (l'IA est moins performante dans les grands référentiels de plus d'un million de lignes de code) ;
• faible fiabilité de l'IA (les développeurs ont accepté moins de 44 % des suggestions générées et ont ensuite passé du temps à les nettoyer et à les réviser) ;
• contexte implicite du référentiel (l'IA ne comprenait pas le contexte dans lequel elle opérait).

D'autres considérations telles que la latence de génération de l'IA et l'incapacité à fournir aux modèles un contexte optimal (entrée) peuvent avoir joué un rôle dans les résultats, mais les chercheurs affirment qu'ils ne sont pas certains de l'impact de ces éléments sur l'étude.

L'IA n'est pas toujours à la hauteur des espérances

D'autres études ont tiré des conclusions similaires. Une étude de l'entreprise Qodo, spécialisée dans les outils d'IA de codage, a montré que certains des avantages de l'assistance logicielle de l'IA sont amoindris par la nécessité d'effectuer un travail supplémentaire pour vérifier les suggestions de code de l'IA. Une étude économique a montré que l'IA générative n'a eu aucun impact sur l'emploi ou les salaires, sur la base de données provenant du Danemark.

Une étude d'Intel a montré que les PC propulsés par l'IA rendent les utilisateurs moins productifs. Enfin, les employés d'un centre d'appel d'une compagnie d'électricité chinoise affirment que si l'assistance de l'IA peut accélérer certaines tâches, elle les ralentit également en créant davantage de travail.

Les outils d'IA de codage augmentent le taux de bogues

Une étude publiée en septembre 2024 par la société d'analyse Uplevel indique que les améliorations de productivité promises par l'IA sont loin d'être au rendez-vous, si tant est qu'elles existent. Uplevel rapporte que l'utilisation de GitHub Copilot (de Microsoft) n'augmente pas la vitesse de codage, mais augmente significativement le taux de bogues. Selon les données de l'étude, l'utilisation de GitHub Copilot a introduit 41 % de bogues supplémentaires.

« Cela suggère que Copilot peut avoir un impact négatif sur la qualité du code. Les responsables de l'ingénierie peuvent souhaiter creuser davantage pour trouver les PR avec des bogues et mettre en place des garde-fous pour l'utilisation responsable de l'IA générative », indique le rapport d'Uplevel.

L'étude a mesuré le temps de cycle des demandes de fusion (pull request - PR), c'est-à-dire le temps nécessaire pour fusionner le code dans un dépôt, et le débit des PR, c'est-à-dire le nombre de demandes de fusion fusionnées. Elle n'a révélé aucune amélioration significative pour les développeurs utilisant GitHub Copilot. Ce résultat est l'un des trois énumérés par l'entreprise, qui a déclaré avoir mené la recherche pour répondre à trois questions :

• l'accès à GitHub Copilot aide-t-il les développeurs à produire du code plus rapidement ?
• GitHub Copilot aide-t-il les développeurs à produire un code de meilleure qualité ?
• GitHub Copilot atténue-t-il l'impact de l'épuisement des développeurs ?

Dans le cadre de l'étude, Uplevel a utilisé les données générées par ses clients et a comparé la production d'environ 800 développeurs utilisant GitHub Copilot sur une période de trois mois à leur production sur une période de trois mois avant l'adoption. Les deux autres conclusions d'Uplevel sont les suivantes :

Pas de changement significatif dans les mesures d'efficacité

« En comparant le temps de cycle, le débit et la complexité des RP avec les RP avec tests, GitHub Copilot n'a ni aidé ni nui aux développeurs de l'échantillon, et n'a pas non plus augmenté la vitesse de codage. Bien que certaines de ces mesures soient statistiquement significatives, le changement réel n'a pas eu d'incidence sur les résultats techniques, par exemple le temps de cycle a diminué de 1,7 minute », indique le rapport d'Uplevel.

Atténuation du risque d'épuisement professionnel

L'indicateur « Sustained Always On » d'Uplevel (temps de travail prolongé en dehors des heures normales et indicateur avancé d'épuisement professionnel) a diminué dans les deux groupes. Mais il a diminué de 17 % pour ceux qui avaient accès à GitHub Copilot et de près de 28 % pour ceux qui n'y avaient pas accès.

Une étude publiée par GitHub a abouti à des conclusions différentes

« L'étude d'Uplevel a été motivée par la curiosité suscitée par les affirmations selon lesquelles les assistants d'IA de codage deviendraient omniprésents », a déclaré Matt Hoffman, chef de produit et analyste de données au sein de l'entreprise. Une étude de GitHub publiée en août 2024 a révélé que 97 % des ingénieurs logiciels et des programmeurs déclaraient utiliser des outils d'IA de codage. D'autres études ont également donné des résultats similaires.

Dans le cadre de son étude, GitHub rapporte que plus de 97 % des personnes interrogées ont déclaré avoir utilisé des outils d'IA de codage au travail à un moment ou à un autre, un résultat qui se vérifie dans les quatre pays. Toutefois, un pourcentage plus faible de répondants ont déclaré que leur entreprise encourageait activement l'adoption d'outils d'IA ou en autorisait l'utilisation, ce qui varie d'une région à l'autre. Voici les principales conclusions de l'enquête :

• la vague d'IA générative dans le développement de logiciels continue de croître. L'enquête a été élargie à 2 000 répondants et presque tous (plus de 97 %) ont déclaré avoir utilisé ces outils à un moment ou à un autre, que ce soit au travail ou en dehors. (Ce qui ne veut pas dire que toutes les entreprises ont approuvé l'utilisation de ces outils) ;
• bien que les répondants à l'enquête affirment que leur entreprise accueille favorablement l'IA, des progrès restent à faire. Les données de l'enquête indiquent qu'une forte majorité (59 - 88 %) des répondants, tous marchés confondus, ont déclaré que « leur entreprise encourage activement ou autorise l'utilisation de ces outils » ;
• les équipes de développement logiciel reconnaissent plus d'avantages aux outils d'IA de codage qu'on ne l'a dit. Il s'agit notamment de la création de logiciels plus sûrs, de l'amélioration de la qualité du code, d'une meilleure génération de cas de test et d'une adoption plus rapide des langages de programmation. En fin de compte, cela s'est traduit par un gain de temps qu'elles ont pu consacrer à des tâches plus stratégiques.

« Les personnes interrogées dans le cadre de notre enquête ont déclaré que l'IA les aidait à travailler de manière plus productive, en utilisant le temps gagné pour concevoir des systèmes, collaborer davantage et mieux répondre aux exigences des clients. L'IA ne remplace pas les emplois humains, elle libère du temps pour la créativité humaine. Passons maintenant à la recherche », a déclaré que Kyle Daigle, directeur des opérations de GitHub, dans un billet de blogue.

Cependant, l'étude publiée par Uplevel suggère, quant à elle, que si les mesures de productivité sont solides, les développeurs passent désormais plus de temps à examiner le code généré par l'IA, ce qui pourrait contrebalancer tout gain de temps. Avant Uplevel, GitClear avait rapporté au début de l'année que l'utilisation des assistants d'IA pour la programmation ne contribue pas toujours à la qualité du code produit. Au lieu de cela, ils introduisent plus de bogues.

Les chercheurs de GitClear ont constaté que les outils d'IA comme GitHub Copilot ne donnent en fait que des suggestions pour ajouter du code. Aucune suggestion n'est faite pour la mise à jour ou la suppression de code. Il en résulte notamment une quantité importante de code redondant. Ils ont également constaté une forte augmentation du "code churn". Cela signifie que le code est fréquemment modifié, ce qui est généralement un mauvais signe pour la qualité.

« Chaque nouvelle itération du code généré par l'IA finit par être moins cohérente lorsque différentes parties du code sont développées à l'aide d'invites différentes. Il devient de plus en plus difficile de comprendre et de déboguer le code généré par l'IA, et le dépannage devient si gourmand en ressources qu'il est plus facile de réécrire le code à partir de zéro que de le réparer », explique un utilisateur qui affirme que l'IA n'améliore pas pour l'instant la productivité.

Conclusion

L'accès à des outils d'IA comme GitHub Copilot a soulevé un certain nombre de questions importantes. L'IA aidera-t-elle les développeurs à livrer plus rapidement ? Peut-elle les aider à écrire un meilleur code et à éviter l'épuisement professionnel ? « Pas encore pour cette population. Cependant, l'innovation évolue rapidement, et GitHub a constaté que Copilot améliore la satisfaction des développeurs », a répondu Uplevel dans son rapport.

Pour l'instant, l'IA semble ajouter de la surcharge, ce qui ralentit les développeurs. Cet aspect de l'utilisation des outils d'IA - le surcroît de travail - est évident dans l'un des graphiques du METR. « Lorsque l'IA est autorisée, les développeurs passent moins de temps à coder activement et à rechercher/lire des informations, et passent plutôt du temps à solliciter l'IA, à attendre et à examiner les résultats de l'IA, et à rester inactifs », explique l'étude du METR.

Selon de nombreux codeurs, les outils d'IA peuvent aider à tester rapidement de nouveaux concepts avec peu d'enjeux et à automatiser certaines tâches de routine, mais qu'ils ne permettent pas de gagner du temps, car il faut toujours valider si le code fonctionne réellement. Ils n'apprennent pas comme un stagiaire. En d'autres termes, les outils d'IA peuvent rendre la programmation progressivement plus amusante, mais ils ne la rendent pas plus efficace.

Les auteurs de l'étude du METR - Joel Becker, Nate Rush, Beth Barnes et David Rein - précisent que leurs travaux doivent être examinés dans un contexte restreint, comme un instantané dans le temps basé sur des outils et des conditions expérimentales spécifiques. Les auteurs ajoutent également que leurs conclusions ne signifient pas que les systèmes d'IA actuels ne sont pas utiles ou que les futurs modèles d'IA ne feront pas mieux.

Source : rapport de l'étude

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous des conclusions de l'étude du METR ? Sont-elles pertinentes ?
Selon vous, les futurs modèles d'IA se révèleront-ils plus efficaces en matière de codage ?
Utilisez-vous l'un de ces outils d'IA pour écrire du code ? Si oui, quel impact cet outil a-t-il sur votre productivité ?
Que pensez-vous des divergences relevées par les études sur l'impact des assistants d'IA sur la productivité des développeurs ?

Voir aussi

Les assistants d'IA de codage font-ils vraiment gagner du temps aux développeurs ? Une étude suggère que ces outils n'augmentent pas la vitesse de codage, mais augmentent significativement le taux de bogues

92 % des développeurs utiliseraient des outils d'intelligence artificielle, selon une enquête de GitHub auprès des développeurs

Les défis croissants du code généré par l'IA : le code généré par l'IA pourrait augmenter la charge de travail des développeurs et accroître les risques, selon Harness

[jnspunk]

L'étude ne fait pas la distinction entre l'utilisation de l'assistant de codage pour effectuer des tâches fastidieuses, comme rédiger des commentaires, des aides ou de petits algorithmes tenant sur quelques lignes, et l'utilisation de l'assistant pour écrire l'intégralité du code.
Dans le premier cas, il n'y a ni bug ni perte de temps, alors que dans le second cas, une multitude de bugs peuvent surgir.

En mettant tous les développeurs dans le même panier, l'étude devient inutile.
Il serait important de différencier ceux qui ne savent pas coder ni utiliser les modèles de langage, des développeurs expérimentés qui maîtrisent leur travail et savent se servir de ces modèles pour optimiser leur efficacité.

[jcdesco]

Une étude dit aussi que la chloroquine guérit le coronavirus, le SIDA, le cancer du foie et la débilité mentale mais uniquement à forte doses.

[djm44]

C'est un article dédié à la quantophrénie

[Metal3d]

L'étude qui a pris un panel de 100 personnes moyennes en code, qui demandent à l'IA de coder tout le logiciel. Là où nous, on a fait une étude interne sur 300 développeurs de tous les niveaux, avec une IA de complétion et deux LLM à dispo, qui démontre que le groupe témoin sans outils IA a mis 25% de temps en plus.
J'ai pas trouvé le lien de l'étude de l'article, donc je fais une hypothèse.

Édit, j'ai vu le lien pardon. C'est une étude quali avec 16 dev. On ne peut pas sortir de chiffres avec ça. Bref, encore des gens qui n'ont pas capté l'importance du panel.

[olsimare]

En tant qu'utilisateur de Claude et avec quelques années de dev (pour pas dire beaucoup), je peux parfaitement concevoir que pour un dev débutant ça va générer des problèmes...
En tant qu'observateur externe, ça en génère déjà, car les gars qui font des revues de codes m'en parlent.

Donc mon avis : avant de savoir manier une perceuse, faut déjà savoir manier une chignole !

[gluttony]

On a adopté GitHub copilot au boulot (développeurs expérimentés, plus de 10 ans de dev dans les pattes pour la plupart), autant il est nul pour les réponses aux questions malgré le fait qu'il ait accès à tout le code (un ChatGPT ou Le Chat sont beaucoup plus pertinents même sans contexte, pourtant copilot est sensé être basé sur ChatGPT, on ne comprend vraiment pas), autant en auto-complétion on est unanime, ça fait gagner un temps fou.
Quelques expériences:

• Ne serait-ce que pour ajouter des membres, notamment dans un store ts par exemple, on l'ajoute, puis pour chaque fonctions (initial state, getters, mutations, ...) on se pose sur la ligne du membre existant précédent, on fait entrée et il écrit la ligne qui va bien, ça parait pas grand chose, mais quand on en a pas mal à rajouter ça fait vraiment gagner du temps,
• Pour des choses un peu plus complexe on met un commentaire avec ce qu'on veut, puis entrée et il nous colle le pavé qui va (presque) bien, suffit de relire un peu, faire quelques corrections mais le gros est fait beaucoup plus rapidement que de tout taper à la main,
• Pour une nouvelle fonction on fait entrée après l'accolade ouvrante et rien qu'avec le nom il nous pond le gros du boulot, idem bien sûr: relire, toujours, et corriger si besoin,
• Plus globalement, quand on passe sur un nouveau langage/framework, ça aide pas mal à apprendre la syntaxe plus rapidement qu'en cherchant à droite et à gauche.

Après oui c'est sûr ça a ses limites, il ne fait pas espérer qu'il nous ponde du code super complexe nécessitant des compétences dans un domaine spécifique, même si ça a l'ai magique pour un non développeur on ne va pas faire un soft entier avec ça (ou alors un petit truc dans un coin), exemple: un collègue qui n'y connaissait pas grand chose en Python a voulu essayer de faire un petit outil interne avec IHM Qt, alors oui ça a fait le taff, il a fait ça beaucoup plus vite que s'il avait dû tout apprendre, par contre ça va bien pour ce cas car même avec ça le code est difficilement maintenable (tout dans un seul .py).

Bref, ça a ses avantages et ses inconvénients, mais le plus gros des inconvénients c'est juste "nous", pauvres humains , trop de gens croient que l'IA c'est magique mais non, il faut quand même un minimum de réflexion/vérification derrière si on veut garder un code propre, maintenable et surtout qui fait ce qu'on veut.

[IGY-Francia]

“certaines observations montrent que les développeurs débutants ont souvent du mal à égaler l'efficacité des développeurs confirmés, même lorsqu'ils se font aider par les assistants d'IA.”

Et bien tout est dit ! Un développeur novice va certainement utiliser l’IA pour comprendre et résoudre certaines choses "assez futiles" pour un développeur confirmé. Est-ce que l’étude prend en compte les niveaux des développeurs ? Ou bien étaient-ils tous suffisamment expérimentés ?

Un autre point qui me semble important de souligner: les outils qu’ils ont privilégiés. Je prépare en ce moment un article sur la programmation Python et l’IA et de ce que j’ai lu jusqu’ici, le choix de l’outil et la version choisie comptent tout autant que les années d’expérience du dev.

“contexte implicite du référentiel (l'IA ne comprenait pas le contexte dans lequel elle opérait).”

Oui l’IA répond en fonction de ce qui a été “dit” auparavant. En termes de codage, il n’est pas rare que l’assistant IA ne comprenne pas ce qu’on attend de lui. C’est surtout le cas pour des requêtes et prompts complexes, des cas isolés liés à des besoins métiers très précis.

Selon vous, les futurs modèles d'IA se révèleront-ils plus efficaces en matière de codage ?

J’ai envie de dire oui. Par contre pour quand ? On s’en rapproche petit à petit et je suis sûre que certaines études le démontreront tôt ou tard. Et n’oublions pas le fait que la majorité des études comme celles-ci sont très biaisées. On choisit les outils dont on veut faire l’éloge et on parle des résultats insatisfaisants de ce qu’on n’apprécie pas tant que ça (idées préconçues, mauvaises expériences, etc) . A méditer.

[Jade Emy]

Plus de la moitié des développeurs pensent que l'IA code mieux que les humains et 78 % d'entre eux s'appuient régulièrement sur l'IA, selon une enquête de Clutch

Une nouvelle enquête menée auprès de 800 développeurs seniors révèle que 75 % des personnes interrogées s'attendent à ce que l'IA transforme considérablement le secteur au cours des cinq prochaines années. De plus, 53 % d'entre elles estiment que les grands modèles de langage sont déjà capables de coder mieux que la plupart des humains. La plupart des personnes interrogées ont une opinion « positive » de l'IA (42 %). Malgré des sentiments largement positifs, des inquiétudes subsistent quant à l'utilisation de l'IA, puisque seulement 8 % des personnes interrogées ont des inquiétudes à ce sujet.

Les assistants d'IA de codage sont censés accélérer le développement de logiciels. Les entreprises d'IA comme Microsoft affirment que leurs outils améliorent déjà la productivité des développeurs, mais les études rigoureuses indépendantes révèlent le contraire. Une étude du Model Evaluation & Threat Research rapporte que l'utilisation d'outils d'IA fait perdre du temps aux développeurs. Ils s'attendaient à une augmentation de 24 % de leur productivité, mais l'équipe a constaté un ralentissement de 19 %. Une précédente étude a révélé que l'utilisation d'outils d'IA n'augmente pas la vitesse de codage, mais augmente significativement le taux de bogues.

Cependant, une nouvelle enquête menée auprès de 800 développeurs seniors révèle que 75 % des personnes interrogées s'attendent à ce que l'IA transforme considérablement le secteur au cours des cinq prochaines années. De plus, 53 % d'entre elles estiment que les grands modèles de langage sont déjà capables de coder mieux que la plupart des humains. L'enquête, réalisée par Clutch, révèle que l'IA est déjà devenue un outil quotidien pour de nombreuses équipes de développement logiciel.

49 % des développeurs seniors et des chefs d'équipe déclarent utiliser des outils d'IA tous les jours. 29 % les utilisent presque tous les jours, ce qui signifie que 78 % ont régulièrement recours à l'IA. En ce qui concerne les domaines dans lesquels l'IA est le plus couramment utilisée par les développeurs, 48 % des personnes interrogées l'utilisent pendant le codage, 36 % pendant les tests et 36 % pendant la révision du code.

La plupart des personnes interrogées ont une opinion « positive » de l'IA (42 %). 29 % déclarent se sentir « enthousiastes » ou « responsabilisés » par ces outils. Cependant, 10 % des développeurs s'inquiètent de la manière dont l'IA est utilisée dans le développement de logiciels, et 8 % se montrent sceptiques. Les attentes en matière de recrutement évoluent. Les compétences en IA deviennent rapidement indispensables, et 3 développeurs sur 4 affirment que la maîtrise de ces outils a déjà une incidence sur le recrutement.

Malgré des sentiments largement positifs, des inquiétudes subsistent quant à l'utilisation de l'IA, puisque seulement 8 % des personnes interrogées ont des inquiétudes à ce sujet. Parmi les principales préoccupations, la plus courante est la confidentialité des données, puisque près d'un quart (24 %) se disent inquiets quant à la manière dont ces outils traitent les données sensibles. Viennent ensuite la perte d'emploi, citée par 14 % des personnes interrogées, et la fiabilité du code généré par l'IA, qui n'inspire pas pleinement confiance à 14 % d'entre elles.

Les conclusions de l'enquête affirme que "l'IA ne remplace pas les développeurs, mais modifie leur façon de travailler." Une conclusion qui n'est pas partagé pas d'autres développeurs. Selon David Farley, le vibe coding est la pire idée en 2025. Le vibe coding est une pratique où le développeur décrit un programme en langage naturel (français par exemple) et demande au modèle d'IA, tels que ChatGPT, de le traduire en code fonctionnel, souvent sans comprendre comment le code fonctionne.

L'IA est déjà largement répandue dans le développement logiciel

L'IA est devenue un outil quotidien pour de nombreuses équipes de développement logiciel. Selon l'enquête, 49 % des développeurs seniors et des chefs d'équipe ont déclaré utiliser des outils d'IA tous les jours. 29 % ont déclaré les utiliser presque tous les jours. Cela signifie que 78 % d'entre eux s'appuient régulièrement sur l'IA, ce qui témoigne clairement de son intégration profonde à toutes les étapes du développement.

L'IA est le plus souvent utilisée dans les étapes nécessitant beaucoup de codage. 48 % des personnes interrogées utilisent l'IA pendant le codage, suivies par 36 % pendant les tests et 36 % pendant la révision du code. Ces étapes exigent rapidité, cohérence et reconnaissance de modèles, ce qui les rend naturellement adaptées à l'automatisation. Les développeurs de logiciels adoptent également l'IA plus tôt dans le cycle de développement (recueil des exigences et conception du système) et après le lancement (débogage), ce qui témoigne d'une intégration plus large dans l'ensemble de la pile.

Les développeurs de logiciels sont optimistes à l'égard de l'IA, mais ont également des préoccupations réelles

L'IA devenant de plus en plus courante, les sentiments à son égard sont généralement positifs. La plus grande partie des personnes interrogées, soit 42 %, ont une opinion « positive » de l'IA. 29 % ont déclaré se sentir « enthousiastes » ou « responsabilisés » par ces outils. Cependant, 10 % des développeurs se sont dits préoccupés par la manière dont l'IA est utilisée dans le développement de logiciels, et 8 % ont exprimé leur scepticisme.

Malgré ces sentiments positifs, les inquiétudes restent importantes. Seuls 8 % des personnes interrogées n'ont exprimé aucune inquiétude. La principale préoccupation concerne la confidentialité : environ un quart des personnes interrogées se disent inquiètes quant à la manière dont ces outils traitent les données sensibles. Viennent ensuite les emplois : 14 % citent la perte d'emploi comme leur principale préoccupation, et 14 % déclarent ne pas avoir entièrement confiance dans la précision du code généré par l'IA.

Les développeurs doivent-ils s'inquiéter ? L'impact de l'IA sur le secteur indique... peut-être.

L'IA suscite l'enthousiasme de nombreux acteurs, mais les inquiétudes liées à la sécurité de l'emploi persistent. Dans notre enquête, les développeurs ont cité la confidentialité des données et la perte d'emploi comme leurs principales préoccupations. Cela ne se limitait pas aux postes en début de carrière. Près de la moitié des personnes interrogées ont déclaré penser que l'IA pourrait menacer le secteur du développement logiciel lui-même, et pas seulement les emplois individuels.

Lorsqu'on leur a demandé comment l'IA pourrait affecter l'accès à la profession, les opinions étaient partagées. 45 % des personnes interrogées ont déclaré que l'IA pourrait en fait réduire les obstacles pour les développeurs juniors en leur offrant de meilleurs outils et des moyens d'apprentissage plus rapides. Mais 37 % ont déclaré que cela aurait l'effet inverse, rendant plus difficile pour les nouveaux arrivants d'être compétitifs ou même de se faire remarquer. La capacité de l'IA à automatiser le travail des juniors est en train de redéfinir les critères d'embauche.

Même les développeurs seniors sont incertains quant à l'impact à long terme de l'IA. Certains voient l'IA comme une force susceptible de démocratiser le développement logiciel. D'autres craignent qu'elle ne devienne un gardien, renforçant les hiérarchies existantes en remplaçant les tremplins qui leur ont permis d'acquérir de l'expérience au départ. Cette tension est clairement visible dans les chiffres. 53 % des personnes interrogées ont déclaré penser que les grands modèles linguistiques sont déjà capables de coder mieux que la plupart des humains. Que cette opinion reflète de l'optimisme ou de l'inquiétude dépend de la personne à qui vous posez la question, mais dans tous les cas, il est clair que les attentes ont rapidement changé.

La solution : travailler avec l'IA, et non contre elle

À mesure que l'IA remodèle le travail lui-même, elle modifie également les critères de recrutement des équipes. Selon l'enquête, 79 % des personnes interrogées ont déclaré que les compétences en IA seront essentielles pour les développeurs dans un avenir proche, et 76 % ont déclaré qu'elles seraient plus enclines à embaucher une personne ayant une expertise en IA. Les responsables du recrutement ne se concentrent plus uniquement sur la maîtrise des langues ou les années d'expérience. Ils demandent également aux candidats s'ils savent utiliser efficacement les outils d'IA.

Ce changement ne signifie pas que l'IA se contente de remplacer les humains. 80 % des développeurs ont déclaré qu'ils considéraient l'IA comme un catalyseur et non comme une menace. La plupart estiment que sa plus grande valeur réside au-delà de l'automatisation. Il ne s'agit pas seulement d'effectuer les mêmes tâches plus rapidement. Il s'agit de les effectuer différemment, avec de nouvelles méthodes de débogage, de test et de prototypage qui n'étaient pas pratiques auparavant.

Il existe toutefois un fossé entre l'utilisation de l'IA et la compréhension de son fonctionnement. 59 % des personnes interrogées ont admis s'appuyer sur du code généré par l'IA sans en comprendre pleinement le fonctionnement. Cette tension entre rapidité et compréhension devient l'un des plus grands défis pour les équipes qui souhaitent se développer de manière responsable.

Quelle est la prochaine étape pour les équipes de développement qui utilisent l'IA ?

Hannah Hicklen, responsable du marketing de contenu chez Clutch, conclut le rapport :

L'IA est déjà là. Les développeurs l'utilisent quotidiennement pour écrire du code, effectuer des tests et des révisions. Ce n'est plus quelque chose qu'ils testent. Cela fait partie intégrante de leur travail.

La plupart des personnes interrogées ont déclaré considérer l'IA comme utile. Mais les inquiétudes sont réelles. Certaines ont mentionné la confidentialité. D'autres ont évoqué la sécurité de l'emploi. Quelques-unes ont déclaré ne pas être sûres de la fiabilité réelle du code généré par l'IA. Près de la moitié ont déclaré penser que l'IA pourrait changer le domaine d'une manière difficile à prévoir.

Dans le même temps, les pratiques de recrutement évoluent. Les développeurs qui savent travailler avec l'IA ont un avantage. Cela se reflète dans la manière dont les équipes choisissent les personnes à embaucher ou à promouvoir. Pourtant, 59 % des personnes interrogées ont déclaré avoir utilisé du code généré par l'IA qu'elles ne comprenaient pas entièrement. Cet écart entre la rapidité et la compréhension est un point sur lequel les équipes devront travailler.

Conclusion principale : l'IA ne remplace pas les développeurs. Mais elle modifie leur façon de travailler. Les équipes qui prennent le temps de comprendre ces outils seront mieux préparées pour l'avenir.

Source : Clutch

Et vous ?

Pensez-vous que cette enquête est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

L'IA aurait radicalement transformé le codage au point de remplacer bientôt tous les développeurs ? Il n'y a pas de "Vibe Engineering", par Sergey Tselovalnikov

L'IA transforme le rôle des développeurs : leur travail devient plus mécanique, moins intellectuellement stimulant et davantage axé sur la rapidité d'exécution, que sur la qualité ou la réflexion

L'IA n'est pas prête à remplacer les développeurs humains pour le débogage, selon des chercheurs de Microsoft. Elle ne peut pas déboguer les logiciels de manière fiable même si elle a accès à des outils

[Matthieu Vergne]

Je n'ai qu'une seule chose à dire suite à ça :

Avoir plus de la moitié des professionnels qui insèrent du code qu'ils ne comprennent pas, c'est scandaleux.

Soit c'est ce qu'on a déjà aujourd'hui avec des gens qui copient le code depuis des sources Web sans comprendre ce que ça fait, auquel cas il va être temps de faire du nettoyage dans nos rangs en trouvant des méthodes pour identifier ces comportements irresponsables, soit c'est la nouvelle tendance et c'est très inquiétant. Car en associant ça aux jeunes diplômés qui ont du mal à trouver un job parce que l'employeur préfère utiliser une IA, on a un cocktail qui peut faire régresser le domaine du dév logiciel : stagnation de l'expertise (ne cherche pas à comprendre) + non renouvellement des troupes (pas d'embauche des jeunes).

Par contre, cela n'est en rien la responsabilité de l'IA, qui n'est qu'un outil : c'est la responsabilité pleine et entère des dévs qui font sans comprendre et des employeurs qui n'assurent pas la relève.