L'intelligence artificielle génère davantage de code, mais cela ne se traduit pas nécessairement par une production logicielle plus rapide.
L'une des informations les plus intéressantes que j'aie lues concernant les agents de codage basés sur l'intelligence artificielle est la suivante : plus de code ne signifie pas automatiquement plus de logiciels.
L'étude de Fiona Chen et James Stratton de Harvard a analysé les données de plus de 700 000 employés dans plus de 700 entreprises de logiciels, ainsi que 300 millions de tâches, de 2021 à mars 2026. Après l'introduction des agents de codage, le nombre moyen de lignes de code a augmenté de 30 %, le nombre de commits de 20 %, et le nombre de demandes de fusion (pull requests) de 23 %.
Mais la question essentielle est la suivante : cela se traduit-il par une amélioration de la productivité ? Il n'y a pas eu de changement statistiquement significatif dans le taux de finalisation des bogues, des tâches et des fonctionnalités, qui sont suivis dans des outils comme Jira.
Le goulot d'étranglement se situe dans la revue de code. Le temps nécessaire pour qu'une demande de fusion soit soumise et intégrée dans le code principal a augmenté de 49 %. Le taux de demandes de fusion nécessitant des modifications a presque doublé, le nombre de commentaires par demande de fusion a augmenté de 35 %, et le pourcentage d'employés chargés de la revue de code a également augmenté de 14 %. En d'autres termes, une partie importante de la vitesse gagnée dans la phase de codage est perdue lors de la revue et de la correction.
Les entreprises tentent de résoudre ce problème avec l'intelligence artificielle : au 1er mars 2026, 80 % des entreprises étudiées utilisaient un type d'outil de revue de code basé sur l'intelligence artificielle. Néanmoins, seuls 23,3 % des commentaires de revue provenaient de ces agents, et ils ne contribuaient qu'à 10,8 % des demandes de fusion ; la majeure partie du travail reste effectuée par des humains. De plus, il n'y a pas eu de changement significatif dans le nombre d'employés actifs, du moins pendant la période étudiée.
Il est important de noter que les données se terminent en mars 2026, et que les outils ont probablement évolué depuis. Cependant, la leçon que j'en tire est claire : pour améliorer la productivité, il ne suffit pas d'accélérer la phase de codage, il faut également accélérer la revue, la correction et l'intégration.
Article sur Ars Technica : https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Document PDF de l'étude : https://fion.ac/jellyfish.pdf
Source : DonanımHaber
L'étude de Fiona Chen et James Stratton de Harvard a analysé les données de plus de 700 000 employés dans plus de 700 entreprises de logiciels, ainsi que 300 millions de tâches, de 2021 à mars 2026. Après l'introduction des agents de codage, le nombre moyen de lignes de code a augmenté de 30 %, le nombre de commits de 20 %, et le nombre de demandes de fusion (pull requests) de 23 %.
Mais la question essentielle est la suivante : cela se traduit-il par une amélioration de la productivité ? Il n'y a pas eu de changement statistiquement significatif dans le taux de finalisation des bogues, des tâches et des fonctionnalités, qui sont suivis dans des outils comme Jira.
Le goulot d'étranglement se situe dans la revue de code. Le temps nécessaire pour qu'une demande de fusion soit soumise et intégrée dans le code principal a augmenté de 49 %. Le taux de demandes de fusion nécessitant des modifications a presque doublé, le nombre de commentaires par demande de fusion a augmenté de 35 %, et le pourcentage d'employés chargés de la revue de code a également augmenté de 14 %. En d'autres termes, une partie importante de la vitesse gagnée dans la phase de codage est perdue lors de la revue et de la correction.
Les entreprises tentent de résoudre ce problème avec l'intelligence artificielle : au 1er mars 2026, 80 % des entreprises étudiées utilisaient un type d'outil de revue de code basé sur l'intelligence artificielle. Néanmoins, seuls 23,3 % des commentaires de revue provenaient de ces agents, et ils ne contribuaient qu'à 10,8 % des demandes de fusion ; la majeure partie du travail reste effectuée par des humains. De plus, il n'y a pas eu de changement significatif dans le nombre d'employés actifs, du moins pendant la période étudiée.
Il est important de noter que les données se terminent en mars 2026, et que les outils ont probablement évolué depuis. Cependant, la leçon que j'en tire est claire : pour améliorer la productivité, il ne suffit pas d'accélérer la phase de codage, il faut également accélérer la revue, la correction et l'intégration.
Article sur Ars Technica : https://arstechnica.com/ai/2026/10/ai-coding-agents-generate-more-cod…
Document PDF de l'étude : https://fion.ac/jellyfish.pdf
Source : DonanımHaber
Commentaires 0
Laissez le premier commentaire, dans la langue de votre choix.
Connectez-vous pour commenter