Contexte de la présentation

Le séminaire de l'UC Irvine du 30 octobre 2026, intitulé « Why aren’t we shipping faster now? », dure 21 minutes et est accompagné de diapositives disponibles en deux formats : un handout de 19 pages (3,8 Mo) et le deck complet de 41 pages (4,0 Mo). Ces supports illustrent chaque étape du cycle de construction logiciel et servent de base aux travaux cités.

Analyse du « Activity‑Outcome Gap »

Le papier « The Activity-Outcome Gap: Why AI Does Not Solve Software Engineering » (Cha et al., en soumission 2026) repose sur 30 entretiens avec des développeurs. Les auteurs constatent que l’augmentation du temps passé à interagir avec des systèmes d’IA ne se traduit pas proportionnellement en livrables fonctionnels. Cette dissociation est attribuée à des phases de validation manuelle qui restent obligatoires, même lorsque le code est généré automatiquement.

Effets de productivité des outils de codage IA sur plusieurs générations

Demirer, Musolff et Yang (NBER Working Paper 35275, 2026) mesurent l’impact de trois générations d’outils de codage assisté par IA. Leur analyse montre une amélioration marginale du nombre de lignes de code livrées par semaine, mais aucune réduction significative du délai moyen entre commit et mise en production. Les gains observés proviennent surtout de la réduction de tâches répétitives, tandis que les goulots d’étranglement liés aux revues de code et aux tests restent inchangés.

Limites d'autonomie et revue de code automatisée

Yang et al. (arXiv:2610.13668, 2026) évaluent des agents de revue de code automatisés sur la détection de bugs. Le benchmark révèle que, malgré un taux de rappel supérieur à 70 % sur des vulnérabilités simples, la précision chute en présence de contextes complexes, obligeant les équipes à intervenir manuellement. Par ailleurs, Choudhuri et al. (arXiv:2607.00533, 2026) identifient une « ligne de démarcation » où les développeurs refusent de déléguer des décisions architecturales à l’IA, limitant ainsi l’autonomie des systèmes génératifs. Ces deux études illustrent que la chaîne de livraison reste dépendante d’interventions humaines, ce qui explique l’absence d’accélération notable du shipping.