Une étude associée à Harvard, signée par les chercheurs Fiona Chen et James Stratton et rapportée par TechRadar Pro, s’est penchée sur ce que l’IA change concrètement dans le développement logiciel. Son constat tient en deux temps : avec l’IA, les développeurs produisent nettement plus de code, mais le volume de logiciels réellement terminés n’augmente pas de manière statistiquement significative. La raison avancée : la revue humaine du code devient le nouveau goulot d’étranglement.

Ce que l’étude mesure

Selon TechRadar Pro, les auteurs observent une hausse d’environ 30 % de la quantité de code produite lorsque les développeurs utilisent l’IA. Dans le détail, les lignes de code progressent de 30 %, les commits de 20 % et les pull requests de 23 %. Autrement dit, toutes les mesures d’activité en amont augmentent de 20 à 30 %.

Le résultat le plus intéressant se situe pourtant ailleurs : les chercheurs ne détectent aucune progression statistiquement significative du volume de logiciels effectivement terminés. C’est cet écart entre ce qui est écrit et ce qui est livré qu’ils ont cherché à expliquer.

Agents IA et revue humaine : le nouveau goulot d’étranglement

L’explication passe par l’étape qui suit l’écriture du code. Selon l’étude, le temps nécessaire pour examiner et fusionner les pull requests augmente de 49 %, le nombre de commentaires laissés par les relecteurs de 35 %, et la proportion d’employés participant aux revues de 14 %. En moyenne, le processus de revue passe de 7,03 jours à 10,48 jours.

Le mécanisme est simple à comprendre : chaque modification proposée doit être relue et validée par un humain avant d’être intégrée. Si l’IA multiplie les propositions, la file d’attente des relecteurs s’allonge d’autant. Le « vibe coding », cette manière de laisser l’IA écrire une grande partie du code, semble ainsi déplacer le goulot d’étranglement plus loin dans la chaîne au lieu de le supprimer. La conclusion de l’étude, telle que résumée par TechRadar Pro, va dans ce sens : les gains de productivité sont absorbés par les contraintes situées en aval, jusqu’à faire de la revue du code le nouveau point de blocage.

Résultats, hypothèses et questions ouvertes

Il faut distinguer ce que l’étude constate de ce qu’elle suggère. Les hausses de code, de commits, de pull requests et de durée de revue sont des mesures. En revanche, l’idée que le code généré par IA demande sensiblement plus de corrections est présentée comme une affirmation des chercheurs, qui soulève une question évidente sur l’ampleur réelle du gain de productivité.

D’autres points restent au stade de la question. Les chercheurs se demandent si ce déplacement de la charge conduit les entreprises à affecter davantage de salariés à la revue de code. Ils s’interrogent aussi sur la prochaine phase de l’adoption de l’IA : des systèmes d’IA sont déjà utilisés pour certaines tâches de revue, mais les humains restent fortement impliqués dans la validation. Rien, dans les sources, n’indique que l’IA puisse aujourd’hui prendre en charge cette étape à leur place.

Sur l’emploi, l’étude indique que l’adoption de l’IA ne semble pas s’accompagner d’une réduction significative des postes dans les données étudiées. Ce constat ne vaut que pour ces données et ne permet pas de conclure pour l’ensemble du secteur.

Les limites à garder en tête

L’article de TechRadar Pro ne précise ni le titre exact de la publication, ni la taille de l’échantillon, ni les entreprises ou la période étudiées, ni la manière dont l’usage de l’IA a été mesuré. Il ne dit pas non plus si l’étude a été évaluée par des pairs. Ces éléments sont pourtant essentiels pour juger de la portée des résultats. À noter aussi que le résumé publié par TechRadar Pro présente certains chiffres de façon légèrement différente selon les passages ; nous retenons ici ceux du corps du texte, cohérents avec le passage de 7,03 à 10,48 jours.

Ce que cela change pour les équipes de développement

Pour une équipe qui adopte des agents IA, la leçon est d’abord organisationnelle : mesurer la productivité au nombre de lignes ou de commits ne suffit pas, puisque ces indicateurs augmentent sans que la livraison suive. Ce qui compte, c’est le temps entre l’écriture d’une modification et sa mise en production, et la capacité de relecture disponible pour l’absorber.

Selon TechRadar Pro, l’enjeu porte donc moins sur le remplacement des développeurs que sur la meilleure manière d’utiliser ces outils pour aider les salariés et éliminer les tâches inutiles. Le rôle humain ne disparaît pas : il se déplace vers la relecture et la validation.

Sources

  • TechRadar Pro (France) : « Les agents IA écrivent beaucoup plus de code, mais les humains ralentissent ensuite tout le processus »