Contexte historique

Le mythe de la fin du codage remonte à 1954, quand le groupe de recherche en programmation d’IBM promettait que le langage FORTRAN « devrait virtuellement éliminer la programmation et le débogage ». Cette promesse s’est traduite par la suppression de la traduction manuelle des formules, mais le débogage est resté indispensable. En 1981, la société britannique D.J. “AI” Systems a commercialisé The Last One, un générateur BASIC censé écrire tous les programmes, qui n’a jamais atteint cet objectif. Ces épisodes illustrent une dynamique récurrente : chaque automatisation supprime une tâche manuelle, mais le champ d’activité s’étend ensuite.

Adoption actuelle des IA de codage

GitHub Copilot, lancé en version preview en juin 2021, a atteint une adoption massive : 70 % des développeurs interrogés par Stack Overflow utilisaient ou prévoyaient d’utiliser des outils d’IA en 2023, chiffre qui est passé à 84 % en 2025, dont la moitié les employait quotidiennement. Malgré cette diffusion, le sentiment favorable a chuté de 77 % à 60 % entre 2023 et 2025, remontant légèrement à 62 % en 2026. En 2025, 46 % des répondants déclaraient ne pas faire confiance aux résultats de l’IA, contre 33 % qui y faisaient confiance, et 66 % signalaient la frustration d’obtenir des solutions « presque correctes », un type d’erreur coûteux à corriger.

Études d’efficacité et limites

Le groupe de recherche à but non lucratif METR a mené une étude randomisée en 2025 avec 16 développeurs expérimentés, assignés à 246 tickets réels. Les participants anticipaient une réduction de 24 % du temps grâce à l’IA, mais ont finalement estimé une amélioration de 20 % alors que les mesures objectives indiquaient un allongement de 19 % du temps de résolution. Une seconde étude, lancée en août 2025 avec 57 développeurs et plus de 800 tâches, a été interrompue en février 2026 faute de données fiables, les développeurs refusant de travailler sans IA. Les premiers indicateurs suggéraient un gain de 18 % pour les participants récurrents, mais l’intervalle de confiance englobait également l’absence de gain.

Perspectives et contraintes techniques

METR mesure également la durée maximale d’une tâche que les agents IA peuvent accomplir de façon autonome. En 2019, GPT‑2 réussissait des tâches d’environ trois secondes, GPT‑4 atteignait quatre minutes en 2023, Claude 3.7 Sonnet une heure en février 2025, et Claude Opus 4.6 douze heures en 2026. Cette capacité double approximativement tous les six mois, voire tous les quatre mois depuis 2023, indiquant une progression exponentielle. Toutefois, la vitesse perçue ne constitue pas une métrique fiable : la productivité réelle dépend de la qualité du code généré, du coût de la révision humaine et du contexte métier. Ainsi, même si les IA accélèrent certaines phases, elles n’éliminent pas la nécessité d’une expertise humaine pour la validation, la conception d’architecture et la résolution d’ambiguïtés métier.