Agents de code : la productivité recule dans 30 % des entreprises

Le rapport McKinsey Technology Trends Outlook 2026, publié en septembre, range pour la première fois le développement logiciel agentique parmi ses grands domaines technologiques. Un chiffre y détonne. Dans près de 30 % des entreprises interrogées, la productivité a baissé après l'adoption d'agents de code¹. Au même moment, l'éditeur Agoda publie un rapport où 55 % des développeurs disent gagner au moins sept heures par semaine grâce à l'IA, contre 18 % un an plus tôt². Les deux études ne se contredisent pas. Elles décrivent deux populations d'entreprises que tout sépare dans leur manière de travailler.

Le volume de code monte, la livraison suit mal

McKinsey cite une étude où les outils d'IA ont fait grimper l'activité de codage de 180 %, tandis que les mises en production n'ont progressé que de 30 %¹. L'écart résume le problème. Produire davantage de code ne revient pas à livrer davantage de logiciel utile. Chaque ligne générée doit être lue, testée, intégrée puis maintenue. Quand ces étapes restent manuelles, le goulot d'étranglement se déplace simplement de l'écriture vers la revue.

Pour une PME qui édite ou personnalise son ERP, le constat parle. Un agent qui produit en une heure l'équivalent de deux jours de développement Odoo ne fait gagner du temps que si l'équipe peut valider ce travail à la même cadence. Sinon, le code s'accumule dans des branches en attente, les revues s'allongent et la dette technique grossit sans que personne l'ait décidé.

Pourquoi certaines équipes perdent du temps

Le rapport McKinsey pose une condition nette. « Sans approche systématique, le développement logiciel agentique peut produire des résultats non voulus »¹. La phrase vise les organisations qui branchent un agent sur un dépôt existant sans changer leurs méthodes. Les symptômes se ressemblent d'une entreprise à l'autre. La complexité cognitive du code augmente, les avertissements d'analyse statique se multiplient et la maintenabilité recule, même quand le nombre de commits progresse.

La défiance des développeurs pèse aussi. Selon les données reprises par McKinsey, 46 % des développeurs dans le monde se méfient de la justesse des outils d'IA, 33 % leur font confiance et 3 % seulement affichent une confiance élevée dans leurs sorties³. Une équipe qui ne fait pas confiance à son agent relit tout deux fois. Le gain de vitesse théorique disparaît alors dans la vérification.

Ce que font les équipes qui gagnent

Le rapport Agoda éclaire l'autre versant. Chez les développeurs d'Asie du Sud-Est et d'Inde interrogés, 62 % jugent le code généré utilisable souvent ou presque toujours sans retouche majeure, et 53 % déclarent utiliser des agents dans des flux de production². Mais 38 % seulement estiment leur base de code prête pour un agent pleinement autonome, et 86 % continuent de relire ou valider les sorties la plupart du temps². Les équipes qui tirent parti des agents ne leur laissent donc pas le volant. Elles gardent une revue humaine systématique et investissent dans la préparation de leur dépôt.

Cette préparation a un contenu concret. Des tests automatisés qui couvrent les parcours critiques, une documentation d'architecture lisible par l'agent, des règles de contribution explicites et un découpage des tâches en lots révisables. Sur un projet Odoo, cela passe par des modules bien séparés, des jeux de données de test et une politique de revue qui ne repose pas sur une seule personne.

Un calcul de capacité, pas de licence

L'erreur fréquente consiste à raisonner en licences. On compte le coût d'un abonnement par développeur et on attend un gain mécanique. Le vrai calcul porte sur la capacité de revue. Si deux développeurs valident le travail de cinq agents, la file d'attente se forme en amont de la production, pas dans l'éditeur. Les entreprises qui mesurent cette capacité avant de déployer évitent la zone des 30 % où la productivité recule.

Il existe un moyen simple de tester le terrain. On prend un périmètre limité, par exemple la correction de bugs documentés ou la génération de tests. On mesure le temps de revue réel sur quatre semaines, puis on le compare au délai de livraison constaté avant l'agent. Le résultat tranche souvent mieux qu'un argumentaire commercial.

Notre lecture

Les deux rapports racontent la même histoire sous deux angles. L'agent de code amplifie l'organisation qui l'accueille. Une équipe disciplinée, avec des tests et une revue solide, convertit le volume en livraisons. Une équipe sans garde-fous transforme ce même volume en file d'attente et en dette. Pour une PME ou une ETI, la décision utile ne porte pas sur l'adoption ou non des agents, elle porte sur la mesure de sa capacité de revue avant de les lâcher sur un dépôt de production. Nous conseillons de commencer par un périmètre étroit, de chiffrer le temps de validation, et de ne généraliser qu'une fois ce temps maîtrisé. L'outil ne fera pas le travail d'organisation à la place de l'équipe. Pour approfondir, nos autres analyses sur l'IA de codage sont regroupées sur le blog.

Sources

• McKinsey Technology Trends Outlook 2026 (sixième édition, septembre 2026) : https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-top-trends-in-tech
• Agoda AI Developer Report 2026 (24 septembre 2026, avec Macramé Consulting) : https://www.prnewswire.com/apac/news-releases/agoda-releases-ai-developer-report-2026-agentic-ai-adoption-outpaces-enterprise-readiness-across-southeast-asia-and-india-302888472.html