Les développeurs accros à l'IA : un piège pour la qualité du code ?

Les développeurs et leur dépendance croissante à l'IA

En 2026, une tendance marquante se dessine parmi les développeurs : ils ne veulent plus se passer des outils de codage basés sur l'intelligence artificielle (IA). Cette dépendance, mise en lumière par le laboratoire de recherche METR, soulève des questions sur l'impact de l'IA sur la qualité du code.

En février 2026, METR a publié une révélation surprenante : la plupart des développeurs ne souhaitent plus travailler, même sur un nombre limité de tâches, sans IA. Cette constatation s'inscrit dans la continuité d'une étude précédente de 2025, où METR avait mesuré la productivité des développeurs utilisant l'IA par rapport à ceux travaillant manuellement. Les résultats ont montré que, bien que l'IA permette de générer du code plus rapidement, elle ralentit en réalité le processus global en raison du temps passé à corriger les erreurs et à orienter l'IA.

L'illusion de la productivité accrue

Bien que l'IA semble accélérer le processus de codage, une étude de 2025 révèle une réalité plus nuancée. Les développeurs, bien qu'ils se sentent plus productifs, passent en fait plus de temps à corriger les erreurs générées par l'IA. METR a tenté de réitérer cette étude, mais les développeurs ont refusé de participer sans l'IA, illustrant leur réticence à revenir aux méthodes traditionnelles.

En mai, METR a publié une enquête permettant aux employés techniques de faire état de leurs gains de productivité liés à l'IA. Sans surprise, ils ont perçu que l'IA les rendait deux fois plus précieux pour leurs organisations. Cependant, cette perception est remise en question par des recherches récentes et des événements dans l'industrie.

Coûts élevés et productivité en question

Des entreprises comme Amazon et Uber ont constaté que l'utilisation intensive de l'IA, mesurée par le phénomène de "tokenmaxxing", n'a pas conduit à une augmentation de la productivité. Amazon a dû fermer son tableau de classement interne, Kirorank, après que des employés ont abusé de l'IA, entraînant des coûts exorbitants. De même, Uber a épuisé son budget IA en seulement quatre mois, sans bénéfices tangibles. Andrew Macdonald, COO d'Uber, a déclaré dans un podcast que ces dépenses n'avaient pas conduit à une augmentation mesurable de la productivité.

Le phénomène de "tokenmaxxing" repose sur l'idée que le nombre de tokens utilisés par une personne peut servir d'indicateur de productivité. Cependant, cette approche a montré ses limites, notamment chez Amazon, où des employés ont manipulé le système pour gonfler artificiellement leur productivité apparente, entraînant des coûts élevés sans bénéfices réels.

Les défis de la maintenance du code

Le code généré par l'IA pose des défis en matière de maintenance. James Shore, programmeur et auteur, a souligné que la rapidité de génération de code par l'IA ne compense pas les coûts de maintenance accrus. Un tweet viral de Aiswarya Sankar, fondatrice et PDG de la startup Entelligence AI, proclame que les entreprises dépensent 44 % de leurs tokens pour des corrections de bogues générées par leur IA. De plus, la société CodeRabbit a déclaré que l'IA produisait 1,7 fois plus de problèmes que le code humain.

Ces statistiques, bien qu'intéressées, sont corroborées par des chercheurs indépendants. La Singapore Management University a publié un rapport en avril avertissant que le code généré par l'IA peut introduire des coûts de maintenance à long terme dans de véritables projets logiciels.

Vers une utilisation plus judicieuse de l'IA

Face à ces défis, certains experts proposent des solutions. Scott Wu, fondateur de Cognition, suggère d'utiliser des agents IA pour corriger le code aussi rapidement qu'il est généré. Cependant, il admet que ces agents ne remplacent pas les compétences humaines pour des tâches complexes. Les chercheurs de la SMU recommandent une approche équilibrée, où les développeurs maîtrisent les capacités et les limites de l'IA, tout en conservant la responsabilité des tâches critiques comme l'architecture logicielle et la sécurité.

Les programmeurs devraient connaître les tâches que l'IA fait et ne fait pas bien aussi profondément qu'ils connaissent leurs langages de codage préférés. Ils ont besoin de systèmes d'assurance qualité solides conçus pour l'IA et doivent passer du temps à examiner soigneusement le travail de l'IA comme s'il s'agissait d'un développeur junior. Pendant ce temps, les chercheurs affirment (et Wu est d'accord) que les humains devraient toujours s'occuper des travaux de grande envergure comme l'architecture logicielle et la conception de la sécurité.