Programmer avec l'IA : assistants et agents de code
Partie 3 sur 3
7Ce que disent les études
L’effet réel de ces outils sur la productivité fait l’objet d’un débat nourri, et les résultats dépendent beaucoup du contexte :
- en 2022, une expérience menée par GitHub montre que des développeurs équipés de Copilot écrivent un petit serveur Web environ 55 % plus vite qu’un groupe témoin ; la tâche était simple, isolée et identique pour tous ;
- en 2025, une étude rigoureuse de l’organisme METR suit seize développeurs expérimentés travaillant sur de grands projets libres qu’ils connaissent bien : avec les outils d’IA de l’époque, ils mettent en moyenne 19 % de temps en plus pour accomplir leurs tâches, alors qu’ils estiment avoir gagné environ 20 % (anecdote) ;
- les enquêtes annuelles auprès des développeurs, comme celle de Stack Overflow, montrent un usage devenu massif, plus de huit développeurs sur dix utilisant ou prévoyant d’utiliser ces outils en 2025, mais une confiance limitée : plus de répondants se méfient de l’exactitude des réponses qu’ils ne leur font confiance.
Ces résultats ne se contredisent pas autant qu’il y paraît. Les gains sont nets sur les tâches courantes, nouvelles ou bien délimitées, pour lesquelles on connaît moins bien le domaine ; ils sont plus faibles, voire négatifs, pour des experts sur un code qu’ils maîtrisent, où le temps passé à expliquer, attendre, relire et corriger dépasse le temps gagné à écrire. Les outils progressent vite, et les mesures de 2025 ne valent pas forcément pour 2026. Enfin, écrire plus de code n’est pas un objectif en soi : ce qui compte est la qualité du logiciel livré, sa sécurité et la facilité à le faire évoluer. Plusieurs analyses signalent d’ailleurs davantage de code dupliqué et de modifications rapidement réécrites dans les projets qui utilisent massivement l’IA.
8Apprendre à programmer à l’heure de l’IA
Si l’IA écrit du code, faut-il encore apprendre à programmer ? Oui, et peut-être plus que jamais : pour décrire précisément ce que l’on veut, pour juger si le résultat est correct, pour repérer une faille ou une erreur subtile, pour corriger quand l’IA tourne en rond, il faut comprendre ce que fait un programme. Ces compétences se construisent en programmant soi-même, en se trompant et en cherchant pourquoi.
Bien utilisée, l’IA est un excellent tuteur, disponible à toute heure : elle explique un message d’erreur, reformule une notion, propose des exercices, commente un programme ligne à ligne, donne un indice plutôt que la solution. Mal utilisée, elle devient une béquille : copier la solution d’un exercice donne l’illusion d’avoir compris, et l’on se retrouve démuni le jour où il faut raisonner seul, en examen, en entretien ou devant un bogue que l’IA ne sait pas résoudre (exercice 7). Une bonne règle pour les débutants : essayer d’abord seul, demander ensuite une explication ou un indice plutôt que le code, et être capable de réécrire de mémoire ce que l’on a appris.
Pour s’exercer
Exercice 7 : apprendre avec l’IA
Une étudiante bloque sur un exercice de boucles et demande à l’assistant : « Fais-moi l’exercice 3. » Proposez une meilleure façon de demander.
Voir la réponse
Par exemple : « Je débute en Python. Voici l’énoncé de l’exercice et mon code, qui affiche un résultat faux. Ne me donne pas la solution : explique-moi ce que fait ma boucle, ligne par ligne, puis donne-moi un indice pour trouver l’erreur. Ensuite, propose-moi un exercice du même type pour vérifier que j’ai compris. » L’IA devient un tuteur qui fait progresser, au lieu d’un raccourci qui empêche d’apprendre. Il est utile aussi de lui demander de vérifier une solution que l’on a écrite soi-même.
9Limites et enjeux
- Le code plausible et faux : le code généré a l’air correct, compile souvent, mais peut ignorer un cas particulier, mal utiliser une bibliothèque ou appeler une fonction qui n’existe pas.
- La dette technique : produire du code vite peut accumuler duplications, incohérences et complexité inutile, qui coûteront cher plus tard.
- Les licences : les modèles sont entraînés sur du code public sous diverses licences et peuvent, rarement, en reproduire des passages ; des procès ont été intentés, et les outils proposent des filtres qui bloquent les suggestions identiques à du code public (voir le droit d’auteur et les licences libres).
- La confidentialité : le code et les fichiers lus par un outil en ligne sont envoyés à ses serveurs ; il faut connaître les conditions du contrat, ou utiliser un modèle installé en interne (voir l’IA sur sa propre machine).
- Les métiers : la demande évolue, avec moins de besoin d’écrire du code répétitif et davantage de besoin de concevoir, spécifier, vérifier et sécuriser ; la question de la formation des débutants, qui apprenaient justement en écrivant ce code répétitif, est ouverte.