Alors que les discours autour de l’intelligence artificielle (IA) dans le développement logiciel vantent des gains spectaculaires de productivité, une étude récente publiée par METR (Model Evaluation and Testing for Reliability) remet sérieusement en cause cette idée reçue.
Contrairement à ce que l’on pourrait croire, les développeurs les plus expérimentés seraient en réalité ralentis par les assistants de codage IA, comme GitHub Copilot ou ChatGPT.
IA : Une performance réduite de 19 % pour les développeurs expérimentés
Cette étude contrôlée et randomisée a analysé les performances de développeurs open source chevronnés. Résultat : ceux autorisés à utiliser un assistant IA ont mis en moyenne 19 % plus de temps pour terminer les tâches de programmation, comparé à ceux travaillant sans aide algorithmique.
Le constat est sans appel : dans des environnements complexes et contextuels — typiques du monde réel —, les IA peinent à suivre. Intégrer, corriger et valider les suggestions générées par l’IA ajoute une couche de friction, au lieu d’en supprimer.
Quand l’IA devient une distraction
Contrairement à ce que l’on observe dans des benchmarks simplifiés, les développeurs expérimentés — déjà rodés à l’architecture logicielle et à la synthèse de code — ne tirent pas forcément de bénéfices des propositions de l’IA. Celles-ci peuvent s’avérer trop génériques, imprécises, ou mal contextualisées.
Pour ces profils, l’IA peut même devenir une distraction supplémentaire ou une charge mentale accrue, en exigeant une vérification manuelle constante des extraits de code suggérés.
Des résultats en décalage avec les discours dominants
Cette étude contraste fortement avec les rapports très enthousiastes de l’industrie. Le rapport 2025 de Jellyfish sur le management en ingénierie logicielle affirme que l’IA est déjà largement adoptée, avec des bénéfices tels que l’augmentation de la vélocité des équipes et une amélioration de la qualité du code.
Mais un détail soulève des questions : moins de 20 % des entreprises utilisent réellement des métriques d’ingénierie robustes pour mesurer l’impact de l’IA. Pour la majorité, les décisions sont encore guidées par des perceptions, des retours anecdotiques ou le discours des éditeurs de solutions IA.
L’IA utile surtout pour les tâches répétitives
D’autres enquêtes nuancent encore le tableau : les développeurs utilisent aujourd’hui l’IA surtout pour des tâches ciblées : détection de bugs, refactoring, ou génération de code répétitif. Des domaines où l’automatisation peut réellement libérer du temps et de la concentration.
Mais pour les ingénieurs seniors, souvent focalisés sur des aspects d’architecture, de design système et de prise de décision, ces outils semblent moins pertinents, voire contre-productifs.
Une adoption qui nécessite encadrement et formation continue
L’intégration de l’IA dans les workflows des développeurs ne peut se faire sans réflexion. Le rapport de Jellyfish insiste sur la nécessité de mettre en place des plateformes d’intelligence d’ingénierie logicielle (SEI) pour suivre l’impact réel de l’IA sur la productivité et la santé des équipes.
De leur côté, les experts rappellent l’importance de l’apprentissage continu. Les développeurs doivent aujourd’hui se former aux nouveaux outils IA, mais aussi renforcer leurs compétences analytiques et leur pensée critique — deux domaines où l’IA ne peut (encore) rivaliser.
L’avenir de l’IA dans le développement : prudence et adaptation
L’enseignement principal de cette nouvelle étude est simple : les gains de productivité liés à l’IA ne sont pas universels. Si les développeurs juniors ou intermédiaires peuvent bénéficier d’un véritable effet levier, les profils seniors doivent adopter une posture plus critique face à ces outils.
La promesse de l’IA reste réelle, mais elle doit être mesurée, accompagnée et continuellement réévaluée. L’erreur serait de tout automatiser sans discernement, au risque de perdre en efficacité… ou en qualité.
