L'IA devient un outil familier dans le domaine du développement de logiciels spécialisés. De nombreux programmeurs utilisent l'IA pour écrire du code, rechercher des erreurs et automatiser des techniques en continu.
Cependant, une série de recherches et de nouvelles données montrent que la dépendance croissante à l'égard de l'IA peut apporter des systèmes associés à long terme que beaucoup de gens n'ont pas encore déplacés auparavant.
Début 2026, l'organisation américaine indépendante de recherche sur l'IA Model Evaluation and Threat Research (METR) a publié une découverte notable: de nombreux développeurs de logiciels ne veulent presque pas travailler sans l'aide d'outils d'IA.
Ce résultat est apparu lorsque METR a tenté de répéter une étude précédente sur l'activité de l'IA pour la productivité de la programmation. Dans l'étude de 2025, les développeurs de logiciels open source ont été invités à effectuer des tâches à la fois par transmission et avec le soutien de l'IA.
Ce qui est inattendu, c'est que, bien que la plupart des participants estiment que leur travail est plus efficace avec l'IA, les données réelles montrent que le processus d'achèvement du travail est ralenti.
La raison en est que leur travail consiste à consacrer plus de temps à vérifier le code créé par l'IA, à corriger les erreurs, à ajuster les commandes et à traiter le système d'attente.
Lorsque METR a voulu mener une étude similaire en 2026 pour évaluer le progrès de l'IA, de nombreux programmeurs ont refusé de participer car ils ne voulaient pas travailler dans des conditions sans assistance en IA.
Cependant, une autre enquête menée par METR a révélé que les ingénieurs logiciels pensent que l'IA les aide à créer deux fois plus de valeur pour l'organisation. Cependant, de nombreux experts estiment que ces évaluations subjectives ne reflètent pas pleinement l'efficacité réelle.
Une tendance marquante en 2026 est le "tokenmaxxing", un terme qui utilise uniquement le nombre de tokens d'IA consommés comme mesure de la performance au travail. Cependant, de nombreuses entreprises ont commencé à connaître les limites de cette approche.
Selon le Financial Times, Amazon a dû fermer le système de classification interne Kirorank après que ses employés ont profité des agents d'IA pour augmenter les scores, créant une forte augmentation des coûts d'exploitation sans apporter une efficacité correspondante.
Une situation similaire se produit également chez Uber. Cette société a utilisé tout son budget d'IA pour l'ensemble de l'année 2026 au cours des quatre premiers mois de l'année. Cependant, les dirigeants d'Uber ont déclaré que ces investissements importants n'ont pas créé d'augmentation significative du nombre de projets ou de la productivité du travail.
Non seulement le problème du coût, mais aussi la source de code de qualité créée par l'IA suscite de nombreuses controverses.
L'expert en conseil en développement de logiciels James Shore, américain, estime que l'écriture de code plus rapide ne signifie pas une réduction du volume de travail à l'avenir. Selon lui, si le nouveau code source crée une prolongation des coûts de maintenance, les avantages à court terme de la vitesse de développement seront rapidement effacés.
Certaines données récentes tentent également d'identifier cela. La start-up Entelligence AI a déclaré que les entreprises consacrent environ 44% de leurs tokens d'IA à la correction des erreurs causées par l'IA elle-même.
Pendant ce temps, la plateforme d'évaluation du code source CodeRabbit indique que le code créé par l'IA a généralement un nombre d'erreurs ou de problèmes environ 1,7 fois supérieur au code écrit manuellement par le programmeur.
