Les agents de programmation IA génèrent plus de code, mais pas davantage de logiciels

EElias

Alors, l’étude regarde les pratiques réelles de développement dans plus de 700 entreprises, plutôt que de mesurer seulement la vitesse à laquelle un outil écrit du code. D’après Ars Technica, les chercheurs Fiona Chen et James Stratton, de l’université Harvard, observent que les outils peuvent accélérer la génération, mais que le gain ne se retrouve pas automatiquement dans la quantité de logiciels livrés. Le point central, c’est la suite du travail : le code généré doit être examiné, discuté et parfois corrigé par des personnes. Cette étape de vérification devient un goulot d’étranglement, c’est-à-dire le passage qui ralentit l’ensemble du processus. L’étude trouve peu d’éléments montrant que l’usage de ces outils augmente la production logicielle ou réduit l’emploi. En fait, elle déplace la question : produire du code plus vite ne suffit pas si le reste de la chaîne n’avance pas au même rythme.

EElias

Les chercheurs ont analysé des données agrégées de Jellyfish, couvrant l’activité de développement logiciel. L’ensemble réunit 300 millions d’événements de travail, plus de 700 000 employés et plus de 700 entreprises. La période étudiée va de 2021 à mars 2026. Ces données permettent d’examiner des pratiques de développement à grande échelle. Elles constituent la base de l’analyse des évolutions dans le travail des équipes.

EElias

La revue humaine du code, c’est l’étape où des personnes examinent le code produit. L’étude constate que cette revue prend davantage de temps avec les outils de programmation par intelligence artificielle. Les demandes de révision sont aussi plus fréquentes, et les personnes qui relisent le code laissent davantage de commentaires. Ces étapes en aval absorbent les gains de vitesse constatés lors de la génération du code. Le constat porte sur l’organisation du travail : générer plus vite ne signifie pas nécessairement que l’ensemble du processus accélère.

EElias

Les résultats rapportés ne permettent pas d’établir un gain de productivité chiffré. L’étude constate que la génération de code peut gagner en vitesse, mais que les étapes de revue s’allongent, avec davantage de demandes de révision et de commentaires. L’analyse s’appuie sur des données couvrant plus de 700 entreprises et plus de 700 000 employés. Ce volume décrit les pratiques observées dans ces entreprises, sans établir un résultat identique pour chacune. Sur l’emploi, les chercheurs relèvent peu d’éléments montrant que l’usage des outils réduit les effectifs.

EElias

L’analyse porte sur plus de 700 entreprises et couvre la période allant de 2021 à mars 2026. Les résultats concernent donc les pratiques incluses dans ces données. Les chercheurs ont étudié 300 millions d’événements de travail agrégés par Jellyfish, plutôt que des mesures directes de la production logicielle achevée. Le constat rapporté concerne surtout les étapes en aval : les revues sont plus longues, les demandes de révision plus fréquentes et les commentaires plus nombreux. Cela ne signifie pas que tous les outils ou toutes les équipes ont les mêmes résultats. L’étude trouve peu d’éléments montrant que l’usage des outils augmente la production logicielle ou réduit l’emploi.

EElias

Le point essentiel, c’est que produire davantage de code n’équivaut pas nécessairement à produire davantage de logiciels. L’étude observe que les gains de vitesse lors de la génération sont absorbés par les contraintes en aval, notamment une revue humaine plus longue. Les demandes de révision augmentent et les personnes qui relisent le code laissent davantage de commentaires. L’on ne peut pas juger le résultat en regardant seulement la vitesse d’écriture : il faut aussi prendre en compte les étapes qui suivent. Dans les données analysées, les chercheurs trouvent peu d’éléments indiquant une hausse de la production logicielle ou une baisse de l’emploi.