Le chiffre d'adoption est écrasant. Entre 92,6 et 93 % des développeurs utilisent un outil d'IA chaque mois, selon les enquêtes DX, JetBrains et DORA1. On s'attendrait à une explosion de la productivité. Or six études indépendantes convergent vers un gain organisationnel d'environ 10 %, pas davantage1. L'écart entre la sensation et le résultat mérite qu'on s'y arrête.
L'IA accélère l'écriture du code, personne n'en doute. Le point intéressant est ailleurs : où passe cette vitesse une fois qu'elle entre dans une équipe ?
Le code arrive deux fois plus vite. Et après ?
L'étude Faros AI, menée sur plus de 10 000 développeurs, donne le tableau le plus net1. Avec l'IA, le nombre de pull requests fusionnées bondit de 98 %. Presque deux fois plus de code entre dans la base. Dans le même temps, le temps de revue grimpe de 91 %, les bugs augmentent de 9 %, et les métriques DORA, celles qui mesurent la vraie cadence de livraison, ne bougent pas1.
Le message est limpide. Le clavier a doublé de vitesse, la livraison non. Ce qui est produit vite s'accumule désormais devant une étape qui, elle, n'a pas accéléré : la relecture.
Le gain individuel est plus fragile qu'on croit
On imagine volontiers que chaque développeur va plus vite. Les mesures racontent autre chose. L'étude METR de juillet 2025 a chronométré des développeurs open source expérimentés sur 246 tâches. Avec l'IA, ils étaient 19 % plus lents, alors qu'ils se croyaient 20 % plus rapides, un écart de perception de 39 points1. Une réanalyse de février 2026 a ramené ce ralentissement autour de 4 %, dans une marge qui touche le zéro1. Disons-le prudemment : sur des tâches complexes, l'expérimenté ne gagne pas grand-chose, et il se trompe sur son propre rythme.
Une étude conjointe du MIT, de Princeton, de Wharton et de Microsoft, sur 4 867 développeurs, va dans le même sens. Aucune hausse significative de productivité chez les profils expérimentés, des gains surtout chez les juniors sur des tâches simples1. L'IA aide le débutant à dégrossir, elle ne transforme pas le senior qui travaille sur un système compliqué.
La facture cachée : la sécurité
Le code qui entre plus vite n'entre pas plus propre. Selon Veracode, 45 % des échantillons de code généré par IA introduisent une vulnérabilité du Top 10 OWASP2. Et ce code passe souvent la première revue mais casse en production, sur des trous de sécurité, des erreurs non gérées, des incohérences d'architecture2.
Faros AI complète le constat sur la durée : un churn de code en hausse de 861 %, des bugs par développeur en hausse de 54 %, et près d'un tiers du code fusionné sans relecture3. On récolte plus de volume, plus de reprises, et une part qui passe sans filet.
Le goulot a changé de place
Mettons les pièces ensemble. La contrainte d'une équipe logicielle n'est plus la vitesse d'écriture, elle est la capacité de relire, valider et sécuriser. Accélérer le clavier pendant que la revue sature, c'est allonger la file, pas la résorber. Voilà pourquoi le débit de livraison reste plat malgré une adoption massive. On a optimisé l'étape qui n'était pas le frein.
Pour qui livre du logiciel, l'enseignement est concret. Si vous adoptez la génération par IA, dimensionnez la relecture et les tests dans le même mouvement. Mesurez la livraison réelle, pas le nombre de lignes ni de pull requests. Traitez une PR écrite par IA comme demandant plus de revue, pas moins. Et méfiez-vous du « je vais plus vite » ressenti, que les chronomètres démentent.
Notre lecture
Nous relisons une partie du code, et ce n'est pas une coquetterie d'artisan. Les données disent où se trouve la contrainte, et elle est exactement là. L'agent double le flux entrant, le jugement humain transforme ce flux en quelque chose de livrable. Tant que la relecture restera le vrai goulot, la valeur d'un studio se mesurera à sa capacité de vérifier, pas à sa vitesse de frappe. Mais les choses évoluent très vite !
Sources
- Philipp Dubach, 93% of developers use AI coding tools. Productivity hasn't moved. : https://philippdubach.com/posts/93-of-developers-use-ai-coding-tools.-productivity-hasnt-moved./
- exceeds.ai, AI Coding Agents Productivity Paradox : https://blog.exceeds.ai/ai-coding-agents-productivity-paradox/
- Faros AI, The AI Engineering Report 2026 : https://www.faros.ai/blog/ai-acceleration-whiplash-takeaways
Footnotes
-
Philipp Dubach, analyse « 93% of developers use AI coding tools. Productivity hasn't moved. » (2026). Adoption mensuelle de 92,6 à 93 % (DX, JetBrains, DORA) ; gain organisationnel d'environ 10 % (convergence de six études) ; code généré par IA à 27-30 % de la production. Étude METR (juillet 2025, 246 tâches, 16 développeurs) : expérimentés 19 % plus lents, écart de perception de 39 points ; réanalyse de février 2026 autour de -4 %. Étude MIT, Princeton, Wharton et Microsoft (4 867 développeurs) : pas de hausse significative chez les expérimentés. Étude Faros AI (plus de 10 000 développeurs) : pull requests fusionnées +98 %, temps de revue +91 %, bugs +9 %, métriques DORA inchangées. https://philippdubach.com/posts/93-of-developers-use-ai-coding-tools.-productivity-hasnt-moved./ ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7
-
exceeds.ai, « AI Coding Agents Productivity Paradox » (2026). Veracode (2025) : 45 % des échantillons de code généré par IA introduisent une vulnérabilité du Top 10 OWASP. Citation : « AI-generated code often passes initial review but breaks production due to missing error handling, security gaps, and architectural inconsistencies. » https://blog.exceeds.ai/ai-coding-agents-productivity-paradox/ ↩ ↩2
-
Faros AI, « The AI Engineering Report 2026 ». Churn de code en hausse de 861 %, bugs par développeur en hausse de 54 %, 31,3 % du code fusionné sans relecture. https://www.faros.ai/blog/ai-acceleration-whiplash-takeaways ↩