Le développement assisté par IA

Cette partie examine ce qui change quand le code est écrit, en partie ou en totalité, par un modèle de langage. Elle ne traite pas encore de l'automatisation complète (voir Orchestrateurs) : elle établit d'abord la nature de la variation d'un agent, les données disponibles sur la qualité de son code, les défaillances qui lui sont propres, et la manière de le mesurer.

Ce que vous allez apprendre

• pourquoi un modèle de langage n'est pas déterministe, même à température 0, et comment son comportement dérive sans changer de nom ;
• ce que disent réellement les études 2024-2026 sur la qualité du code assisté par IA, en séparant enquêtes, études d'éditeurs et essais contrôlés ;
• ce qu'est le reward hacking d'un agent de code, et pourquoi il oblige à placer le contrôle hors de sa portée ;
• combien d'essais il faut pour détecter une dégradation, et pourquoi une petite batterie d'évaluations ne voit rien.

Chapitres

1. Un producteur stochastique — causes communes, dérive, le postmortem d'Anthropic de septembre 2025.
2. Ce que disent les données — DORA, GitClear, METR, CodeRabbit, Veracode, et ce qu'on peut en conclure.
3. Les causes spéciales propres aux agents — contournement de la récompense et défaillances multi-agents.
4. Mesurer un agent — l'instrument, pass@k contre pass^k, barres d'erreur et calcul de puissance.