Ce que disent les données sur le code assisté par IA¶
Avant de surveiller un processus, il faut savoir dans quelle direction il est susceptible de dériver. Ce chapitre rassemble les principales études publiées entre 2024 et 2026 sur la qualité et la productivité du développement assisté par IA, en distinguant soigneusement leur nature.
Pour aller plus loin
Ce chapitre présente les études les plus citées. La partie Recherche sur le développement par IA fait le tour complet de la littérature : essais contrôlés et méta-analyse, sécurité, tests générés, bancs d'essai, IA contrôleuse, agents autonomes, PR d'agents.
Limite importante : la nature des sources
Presque aucune de ces études n'est à la fois indépendante, contrôlée et de grande taille. Les grandes enquêtes sont déclaratives et corrélationnelles ; les études sur des millions de lignes viennent d'éditeurs qui vendent des outils de mesure ; les essais contrôlés sont petits. Chaque ligne du tableau final indique la nature de la source.
Les enquêtes DORA¶
2024 : l'IA associée à moins de stabilité¶
Le rapport Accelerate State of DevOps 2024 associe une hausse de 25 % de l'adoption de l'IA à :
- −1,5 % de débit de livraison ;
- −7,2 % de stabilité de livraison ;
- −2,6 % de « temps consacré à un travail utile ».
(Chiffres repris par RedMonk et InfoQ ; le PDF primaire n'a pas été relu pour ce rapport.) Dans le même temps, environ 75 % des répondants déclarent un gain de productivité personnelle.
2025 : l'IA comme amplificateur¶
Le rapport 2025, renommé State of AI-assisted Software Development, porte sur près de 5 000 répondants (annonce) :
- 90 % utilisent l'IA au travail ;
- plus de 80 % estiment qu'elle a augmenté leur productivité ;
- l'adoption est désormais positivement corrélée au débit, mais reste négativement corrélée à la stabilité.
La formule centrale du rapport (dora.dev) :
Le rôle principal de l'IA est celui d'un amplificateur, qui grossit les forces et les faiblesses existantes d'une organisation.
Parmi les sept capacités que DORA associe à un bon usage de l'IA figurent des pratiques solides de gestion de versions et le travail en petits lots. Ce second point rejoint directement le SPC : un petit lot est un petit sous-groupe, plus facile à inspecter, et dont la défaillance est plus facile à attribuer.
Les études de corpus¶
GitClear (éditeur d'outil d'analyse de code)¶
GitClear analyse des centaines de millions de lignes modifiées. Ses rapports sont corrélationnels et n'attribuent pas ligne par ligne le code à l'IA.
- 2025 (source, 211 millions de lignes, 2020-2024) : le code « déplacé », signe de refactorisation, passe d'environ 25 % des lignes modifiées en 2021 à moins de 10 % en 2024 ; le copier-coller passe de 8,3 % à 12,3 %. 2024 est la première année où le copier-coller dépasse le code déplacé.
- 2026 (source, 623 millions de changements, 2023-2026) : duplication de blocs +81 %, constructions qui masquent les erreurs +47 %, lignes déplacées −70 %, appels de fonctions entre fichiers −35 %. GitClear précise que son message n'est pas « l'IA écrit du mauvais code ». La date exacte de ce rapport est ambiguë sur la page (janvier ou juin 2026).
CodeRabbit (éditeur d'outil de revue par IA)¶
Rapport de décembre 2025 sur 470 pull requests open source (source) : environ 1,7 fois plus de problèmes par PR co-écrite par IA (10,83 contre 6,45). Deux réserves majeures : les PR « humaines » sont celles sans signal d'IA détectable, ce que CodeRabbit admet ne pas pouvoir garantir ; et les problèmes ont été détectés par l'outil de CodeRabbit lui-même.
Veracode (éditeur de sécurité applicative)¶
Sur des modèles utilisés seuls, sans agent ni revue humaine (rapport 2026, juillet 2026) : le taux de réussite aux tests de sécurité plafonne à 56 % en moyenne, quasi inchangé depuis 2025, alors que la correction syntaxique approche 100 %.
Lecture SPC
Ce dernier résultat illustre une notion classique : deux caractéristiques de qualité peuvent évoluer indépendamment. La syntaxe s'est améliorée jusqu'à saturer ; la sécurité stagne. Une carte de contrôle qui ne suit que « le code compile-t-il ? » serait parfaitement stable et ne dirait rien du risque de sécurité.
Les essais contrôlés¶
METR (organisation indépendante)¶
L'essai randomisé de juillet 2025 (source) porte sur 16 développeurs open source expérimentés et 246 tâches. Avec l'IA, les tâches prennent 19 % plus de temps. Avant l'étude, les participants prévoyaient un gain de 24 % ; après coup, ils pensaient avoir gagné 20 %.
Le suivi de février 2026 (source), sur 57 développeurs et plus de 800 tâches, trouve cette fois une accélération de 18 % pour les anciens participants et de 4 % pour les nouveaux, avec des intervalles de confiance qui incluent zéro dans les deux cas. METR qualifie lui-même ce résultat de preuve « très faible » : 30 à 50 % des développeurs disent ne plus soumettre certaines tâches à l'étude parce qu'ils refusent de les faire sans IA.
Google et Borg et al.¶
- Google (Paradis et al., ICSE-SEIP 2025, arXiv 2410.12944) : 96 ingénieurs, gain estimé d'environ 21 %, significatif sans ajustement (p = 0,038) mais non significatif après ajustement sur les caractéristiques des développeurs et des tâches.
- Borg et al. (ICSME 2025, préenregistré, arXiv 2507.00788) : 151 participants ; temps médian réduit de 30,7 % avec l'IA, puis aucune différence de temps ni de qualité quand d'autres développeurs font évoluer le code produit.
Erreur fréquente : se fier au ressenti
L'écart de METR entre perception (+20 %) et mesure (−19 %) est la meilleure justification de toute la démarche de ce rapport. Le SPC est né du constat que l'œil humain voit des tendances dans le bruit et rate des dérives lentes. L'IA ajoute un biais spécifique : le travail paraît plus rapide parce que l'attente est remplacée par de la lecture.
Tableau de synthèse¶
| Étude | Nature | Direction principale |
|---|---|---|
| DORA 2024 | Enquête, corrélationnelle | Stabilité −7,2 % |
| DORA 2025 | Enquête, corrélationnelle | Débit en hausse, stabilité en baisse |
| GitClear 2025-2026 | Éditeur, corpus | Duplication en hausse, refactorisation en baisse |
| CodeRabbit 2025 | Éditeur, 470 PR | ~1,7× plus de problèmes par PR |
| Veracode 2026 | Éditeur, modèles seuls | Sécurité stable à 56 % |
| METR 2025-2026 | Indépendant, RCT | De −19 % à +18 %, preuve faible |
| Google 2025 | Labo, RCT | ~+21 %, non significatif ajusté |
| Borg et al. 2025 | Indépendant, préenregistré | Gain initial, pas d'effet sur l'évolution |
À retenir
Les données convergent sur un point : l'IA augmente le volume plus sûrement que la qualité, et les signaux de dégradation portent sur la stabilité, la duplication et la reprise — des choses qui apparaissent après la fusion du code. Pour le SPC, cela désigne les bonnes caractéristiques à surveiller : le taux de reprise de DORA, le churn à deux semaines, les incidents liés aux changements. Pas le nombre de PR.