La recherche sur le développement par IA

La partie Développement par IA présente les études les plus citées et les notions nécessaires au contrôle (dérive, contournement de la mesure, puissance statistique). Cette partie fait le tour de la littérature de recherche sur le développement par IA : productivité, sécurité, correction, validité des bancs d'essai, IA comme contrôleur, agents autonomes et PR d'agents — avec, pour chaque résultat, sa nature (essai contrôlé, étude d'observation, étude d'éditeur) et sa portée pour le contrôle qualité.

Ce que vous allez apprendre

• pourquoi l'effet de l'IA sur la vitesse rétrécit avec le réalisme, et ce que montrent les rares études qui mesurent aussi la qualité ;
• ce que la recherche en sécurité établit depuis 2021, y compris les paquets hallucinés ;
• pourquoi les tests générés figent les bugs, et pourquoi tous les bancs d'essai audités surestiment la réussite des agents ;
• ce que valent les relecteurs et les juges IA ;
• pourquoi un agent ne se corrige pas seul, et comment il se corrige avec un signal externe ;
• ce qui arrive au code d'agents après la fusion, et comment la fiabilité chute avec la longueur des tâches ;
• ce qui reste à établir.

Chapitres

1. Productivité et facteurs humains
2. La sécurité du code généré
3. La correction du code et des tests générés
4. La validité des bancs d'essai
5. L'IA comme contrôleur
6. Agents autonomes : trajectoires et auto-correction
7. Les PR d'agents et les tâches longues
8. Synthèse et lacunes de la recherche

Qualité des sources

Une grande partie de cette littérature est récente (2025-2026), publiée en prépublication, ou produite par les entreprises qui vendent les outils étudiés. Les chiffres lus seulement dans un résumé ou une source secondaire sont signalés. Les mécanismes sont plus fiables que les valeurs, qui portent souvent sur des modèles déjà dépassés.