L'IA a résolu la syntaxe. Elle n'a pas résolu le jugement.
Trois mesures indépendantes, prises entre 2025 et 2026, convergent vers le même point : le code généré par IA dépasse 95% de correction syntaxique et plafonne à 55% en sécurité, et ce second chiffre n'a pas bougé depuis deux ans. La part du logiciel qui s'écrit est devenue bon marché. Celle qui se décide, non.
Pendant trente ans, savoir programmer a été un avantage. Écrire du code coûtait cher, prenait du temps et restait rare, et ceux qui savaient le faire donnaient le rythme de tout projet. Cela a changé vite, et de façon mesurable : aujourd'hui, générer du code n'est plus l'étape difficile.
Ce qui suit n'est pas une prédiction. Ce sont trois mesures indépendantes, prises entre 2025 et 2026, qui convergent vers le même point : la machine a résolu la part du logiciel qui s'écrit, et non celle qui se décide.
Ce qui est devenu bon marché
Le rapport DORA 2025 de Google relève une adoption de l'IA chez 90% des professionnels du développement, soit quatorze points de plus que l'année précédente. Et, contrairement à l'an dernier, cette adoption s'accompagne désormais d'un débit de livraison plus élevé : les équipes écrivent et livrent plus vite.
En mars 2026, Veracode a testé plus de 150 modèles de langage sur 80 tâches de programmation, dans quatre langages. La correction syntaxique du code généré a dépassé 95%. Produire du code qui compile et fait ce qu'on lui demande n'est plus le problème.
Ce qui ne l'est pas
Dans la même étude, sur les mêmes tâches, seuls 55% du code généré ont passé les tests de sécurité. Près de la moitié comporte des vulnérabilités connues dès lors que personne ne donne de consigne de sécurité explicite. Et le chiffre ne bouge pas : il reste à ces mêmes 55% depuis deux ans, malgré GPT-5.1 et 5.2, Gemini 3, Claude 4.5 et 4.6.
| Langage | Code généré passant les tests de sécurité |
|---|---|
| Python | 62% |
| C# | 58% |
| JavaScript | 57% |
| Java | 29% |
Mettez les deux chiffres côte à côte : plus de 95% de syntaxe correcte, 55% de sécurité correcte. L'écart entre les deux est exactement celui qui sépare écrire de décider. Les modèles ont appris à produire du code qui fonctionne ; ils n'ont pas appris à préférer la voie sûre quand une voie risquée fonctionne tout aussi bien.
DORA observe le même effet par l'autre bout : l'adoption de l'IA reste associée à davantage d'instabilité, avec plus de changements en échec, plus de reprises et des délais de rétablissement plus longs. La vitesse a augmenté. La solidité n'a pas suivi.
Il existe une troisième donnée, et c'est la plus dérangeante. En juillet 2025, METR a mené un essai randomisé auprès de développeurs expérimentés, sur des dépôts matures qu'ils connaissaient déjà bien. Avec accès à des outils d'IA, ils ont été 19% plus lents. À l'arrivée, ils estimaient avoir été 20% plus rapides. Le cadre est particulier et les auteurs eux-mêmes mettent en garde contre toute généralisation, mais la leçon tient : la sensation de vitesse et la vitesse réelle se sont dissociées.
Ce qui reste rare
Si le code a cessé d'être la ressource rare, la valeur s'est déplacée vers ce que la génération automatique ne couvre pas :
- la connaissance du métier, qui ne se trouve dans aucun dépôt ;
- l'architecture, dont le rôle principal est de décider ce qu'on ne construit pas ;
- la sécurité, que les chiffres ci-dessus montrent non résolue ;
- l'intégration, là où les systèmes réels cassent ;
- la responsabilité, qui ne se délègue pas à un modèle.
Aucune de ces compétences n'est devenue moins chère ces deux dernières années. Toutes ont pris de la valeur, car il transite désormais par elles beaucoup plus de code, et beaucoup plus vite.
L'IA est un amplificateur, pas un remède
C'est la conclusion de DORA qui résume le mieux tout cela : l'IA ne répare pas une équipe, elle amplifie celle qui est déjà en place. Les équipes qui disposent de tests automatisés, d'une vraie revue et d'un retour rapide s'en servent pour aller plus loin. Celles qui n'en ont pas produisent les mêmes défauts, en plus grand nombre et plus tôt.
C'est pourquoi la question utile n'est plus de savoir combien de code on parvient à produire. Elle est devenue tout autre : dans cette maison-là précisément, qu'est-ce que l'IA va amplifier ?
Ce que cela change en pratique
Le travail remonte en amont. Avant de brancher un outil d'IA sur des données d'entreprise, il faut savoir qui peut lire quoi : c'est un problème de permissions et de gouvernance, non de modèle, et nous l'avons traité dans ce qu'il faut mettre en ordre avant d'activer Copilot et dans l'assistant IA qui ne lit que ce que l'utilisateur peut lire. Il reste par ailleurs à décider où reposent les systèmes, ce qui était le sujet de l'état de SharePoint en 2026.
Deux entreprises, le même outil
Dans quelques années, la différence entre deux entreprises d'un même secteur ne tiendra pas à la quantité de logiciel produite. Elle tiendra à ce qu'elles ont décidé de construire, et surtout à ce qu'elles ont eu la discipline de ne pas construire. L'outil est le même pour les deux ; le jugement, non.
L'IA a fait baisser le coût de l'écriture. Elle n'a pas fait baisser le coût de l'erreur. Celui-là se paie toujours en entier, et il arrive désormais plus vite.
