How Replacing Developers With AI is Going Horribly Wrong

En 2023, on prévoyait que l'IA remplacerait

jusqu'à 80 % des développeurs d'ici 2025.

À l'avenir, nous aurons des collègues IA.

Ces personnes ne seront même pas des

personnes. Elles ne pourront pas être incarnées.

Mais c'est pourtant ce qui se passe

réellement. Les entreprises technologiques embauchent aujourd'hui plus

de développeurs que jamais. Mais ce changement

n'est pas dû à un échec de

l'IA. Il reflète plutôt la prise de

conscience des entreprises que ses capacités ont

probablement été surestimées. Des géants de la

technologie comme Meta et Google affirment désormais

qu'ils prévoient de confier à l'IA jusqu'à

la moitié de leur programmation. Les entreprises

qui avaient auparavant licencié massivement des développeurs

de logiciels semblent maintenant revenir sur leurs

décisions. Nombre de ces outils d'IA prétendument

miraculeux… ne se compare pas aux capacités

de résolution de problèmes d'un humain. >>

Il semblerait que les entreprises licencient. Les

entreprises prévoyaient environ 32 000 licenciements en

septembre. C'est une baisse de 27 %

par rapport à la même période l'an

dernier. >> Cela a remis en question

la capacité de l'IA à écrire du

code. Alors, comment le remplacement des développeurs

par l'IA a-t-il échoué ? Ces dernières

années, l'idée s'est imposée que l'intelligence artificielle

serait prête à remplacer les programmeurs humains.

Des investisseurs aux dirigeants, l'idée que la

plupart du code logiciel serait écrit par

des machines d'ici le milieu de cette

décennie a été maintes fois renforcée. >>

L'entreprise affirme que plus d'un quart de

tout le nouveau code chez Google est

désormais généré par l'IA. >> Certaines projections

sont même allées jusqu'à affirmer que jusqu'à

80 % du développement logiciel serait automatisé.

L'automatisation pourrait être effective avant 2026. Cependant,

les données empiriques accumulées tout au long

de 2024 et 2025 révèlent une réalité

bien différente. L'enthousiasme initial pour des outils

tels que GitHub Copilot et les modèles

de langages d'IA spécialisés a poussé de

nombreuses organisations vers une automatisation complète de

la programmation. De ce fait, dans certains

cas, plus de 30 % des budgets

alloués aux technologies d'innovation ont été consacrés

à ces solutions. Mais lorsque ces outils

ont commencé à être utilisés dans des

environnements de production réels plutôt que dans

le cadre de démonstrations contrôlées, des problèmes

importants sont apparus. Parmi eux, des pertes

de productivité et une augmentation du taux

d'erreurs. Nous ne disons pas ici que

l'IA ne contribue pas à la productivité.

Nous disons simplement que les outils d'IA,

bien qu'ils soient là et utilisés, les

retombées peuvent être plus inégales que ne

le laisse entendre le battage médiatique. Des

failles de sécurité sont également apparues et,

dans certains cas, des faillites financières se

sont produites dans des entreprises qui présentaient

le développement piloté par l'IA comme étant

totalement autonome. Par exemple, une étude universitaire

publiée en 2025 a analysé plus de

500 000 échantillons de code générés par

des développeurs humains et par des systèmes

d'IA. L'analyse s'est concentrée sur des langages

largement utilisés tels que Python, Java et

JavaScript. Et les résultats étaient cohérents. Le

code généré par l'IA tend à être

plus simple, plus répétitif et moins diversifié

structurellement. Ces caractéristiques se traduisent par un

logiciel moins robuste et plus difficile à

maintenir à long terme. Bien que ces

simplifications puissent paraître inoffensives, la conséquence directe

est une augmentation significative du risque. La

même étude a révélé que le code

produit par l'IA contient entre 20 et

45 % de failles de sécurité à

haut risque supplémentaires. Ces problèmes incluent des

échecs de validation des entrées, une gestion

inadéquate des erreurs et de mauvaises pratiques

cryptographiques. Mais le constat général est que,

malgré les dépenses en IA d'entreprise, les

résultats ne correspondent pas aux attentes initiales.

En revanche, le code écrit par des

humains reflète des décisions plus judicieuses et

une meilleure compréhension des exigences du système,

réduisant ainsi la probabilité de défaillances critiques

en production. Les solutions automatisées, par comparaison,

présentent jusqu'à 1,7 fois plus d'erreurs graves

ou critiques. Ces conclusions concordent avec les

analyses du secteur. Un rapport de Code

Rabbit a révélé que les requêtes d'extraction

générées par l'IA contiennent en moyenne 10,8

problèmes détectés, contre 6,4 pour celles écrites

par des humains. Cette différence est loin

d'être négligeable. Chaque erreur supplémentaire augmente les

coûts de revue, de maintenance et de

correction lors des phases ultérieures du développement.

L'un des principaux arguments en faveur de

l'IA est l'augmentation de la productivité. Et

pour les tâches simples et répétitives, cette

promesse est partiellement tenue. Des études montrent

que les développeurs juniors peuvent augmenter leur

vitesse de livraison d'environ 30 à 35

% lorsqu'ils utilisent l'IA pour générer du

code ou des modèles de base. Cependant,

lorsque la productivité est examinée dans des

contextes d'entreprise réels, le tableau change radicalement.

Les ingénieurs expérimentés étaient en fait 19

% plus lents lorsqu'ils utilisaient des outils

d'IA comme le curseur. Au lieu d'accélérer

leur travail, l'IA leur donnait souvent des

suggestions qui semblaient utiles, mais qui nécessitaient

en réalité des corrections fastidieuses. La recherche

universitaire et les rapports d'entreprise indiquent que

plus de 90 % des projets pilotes

de développement assisté par IA ne parviennent

pas à s'intégrer de manière stable ni

à générer un retour sur investissement clair.

Parmi les raisons figurent les problèmes de

sécurité, l'incompatibilité avec les architectures existantes et

le besoin constant d'intervention humaine. Plusieurs études

montrent même une réduction nette de la

productivité des développeurs expérimentés. Les ingénieurs seniors

déclarent consacrer entre 8 et 11 heures

supplémentaires par semaine à la révision, la

correction ou la réécriture du code généré

par l'IA. Cet effort est particulièrement concentré

dans les systèmes complexes où les erreurs

contextuelles peuvent engendrer des effets en cascade.

Mais le problème le plus critique associé

au code généré par l'IA est la

sécurité. Selon le rapport de Virode sur

la sécurité du code, environ 45 %

du code généré par l'IA contient des

vulnérabilités classées comme critiques dans les langages

largement utilisés en entreprise. Les taux d'échec

dépassent 70 %, tandis qu'en Python et

JavaScript, ils se situent entre 38 et

45 %. Les géants de la technologie

comme Microsoft et Google externalisent de plus

en plus de développement vers l'IA dans

un souci de productivité, mais de nouvelles

recherches montrent que ces outils pourraient ne

pas être aussi utiles que certains l'espéraient.

Mais ces vulnérabilités ne sont pas purement

théoriques. Des enquêtes citées par Reuters indiquent

qu'un responsable de la sécurité sur cinq

a signalé de véritables incidents de production

causés directement par du code généré par

l'IA. Dans certains cas, des organisations ont

été contraintes de revenir à des déploiements

entiers ou d'appliquer des correctifs d'urgence, ce

qui a engendré des coûts économiques et

de réputation considérables. Mais les problèmes ne

se limitent pas à des statistiques abstraites.

Il existe des exemples concrets d'entreprises qui

ont misé de manière agressive sur l'automatisation

du développement pilotée par l'IA et qui

en ont subi de graves conséquences. L'un

des cas les plus emblématiques est celui

de Builder AI, une entreprise qui promettait

de créer des applications complètes grâce à

l'intelligence artificielle avec une intervention humaine minimale.

Malgré des levées de fonds de plusieurs

centaines de millions de dollars et une

valorisation de plusieurs milliards de dollars, il

a été découvert qu'une grande partie du

travail dépendait encore des développeurs humains. À

ce stade, vous avez probablement déjà entendu

parler de ce problème. Vous avez peut-être

entendu parler de Builder AI, cette startup

d'IA valorisée à 1,5 milliard de dollars

qui vient de déposer le bilan. Vous

connaissez peut-être même l'histoire de cette prétendue

entreprise d'IA qui, en réalité, n'utilisait pas

du tout l'IA, mais seulement 700 ingénieurs

indiens qui effectuaient le travail. En 2025,

l'entreprise a déposé le bilan et réduit

ses effectifs d'environ 80 %, affectant près

de 1 000 employés. Un autre cas

préoccupant s'est produit en décembre 2025 lorsqu'un

développeur a signalé une défaillance critique dans

un outil de développement assisté par IA

disposant d'un accès approfondi au système d'exploitation.

L'IA antigravité de Google a accidentellement supprimé

tout le contenu d'un disque dur après

avoir exécuté une commande incorrecte avec un

indicateur de mise en sourdine. Cet incident

a mis en évidence les risques liés

à la délégation d'automatisations critiques sans supervision

humaine, où une simple défaillance peut avoir

des conséquences désastreuses. peut entraîner une perte

de données irréversible et des semaines, voire

des mois, de travail anéantis. Au-delà des

erreurs isolées, un consensus technique se dessine

quant aux limites des modèles d'IA actuels.

En particulier, leur incapacité à prendre des

décisions d'ingénierie complexes nécessitant un contexte large

et un jugement humain est soulignée. Les

outils automatisés sont performants pour les tâches

clairement définies et hautement structurées. Cependant, ils

échouent lorsqu'ils interagissent avec des architectures interdépendantes,

des systèmes existants et des exigences métier

ambiguës, une réalité courante dans la plupart

des projets d'entreprise. Des études antérieures ont

montré un avantage plus direct des outils

d'IA pour les ingénieurs juniors, notamment pour

les tâches simples et bien définies. Or,

cette dernière étude suggère que, si elle

peut aider ce groupe à progresser, elle

risque en réalité d'accroître la dépendance aux

talents seniors, car il faut toujours quelqu'un

pour déboguer, peaufiner et livrer le produit

final. L'un des problèmes les plus récurrents

L'une des raisons de ces échecs est

l'incapacité de l'IA à gérer des exigences

incomplètes ou implicites. Contrairement aux développeurs humains

qui posent des questions et anticipent les

cas particuliers, l'IA se fie strictement aux

informations fournies. Ceci est problématique étant donné

que plus de 70 % des projets

de logiciels d'entreprise subissent des modifications importantes

de leurs exigences en cours de développement.

Dans les applications réelles, une fonction apparemment

simple comme le traitement des paiements peut

cacher une complexité considérable. En pratique, elle

implique souvent des dizaines de règles métier

liées aux remboursements, aux taxes et à

la conformité réglementaire. L'IA ne peut pas

anticiper ces complexités à moins qu'elles ne

soient explicitement spécifiées. Ceci explique pourquoi une

grande proportion de projets automatisés finissent par

être partiellement réécrits par des développeurs humains

avant leur mise en production. Ce problème

est aggravé par le fait que, malgré

l'engouement pour l'IA promu par les entreprises

technologiques, la plupart des outils d'intelligence artificielle

sont encore en développement. En général, ils

sont très similaires les uns aux autres.

||| >> Vous avez parlé de cette

course entre ces ||| modèles qui, vous

le savez, font de la vidéo ou

de la génération d'images. Certains sont meilleurs

en ||| codage que d'autres ou en

||| écriture que d'autres. Ils s'améliorent tous,

cependant, ||| mais ils font tous généralement

la même chose. ||| >> Les cas

d'entreprises qui ont subi des pertes de

plusieurs millions de dollars, voire des faillites,

après avoir misé aveuglément sur ||| ces

solutions constituent un avertissement clair. La véritable

transformation ne réside pas dans l'élimination des

développeurs, mais dans l'amélioration de leur travail

grâce à des outils intelligents qui réduisent

les tâches répétitives. Parallèlement, le jugement humain,

l'expérience et la responsabilité sont préservés dans

chaque ligne de code. ||| Chez Economy

Media, votre opinion compte.