Une nouvelle étude portant sur les données de plus de 500 entreprises sur une période d’un an (mai 2025 – avril 2026) suggère que les gains de temps offerts par les assistants de codage par intelligence artificielle (IA) pourraient plafonner après une phase initiale d’amélioration rapide. L’analyse, centrée sur les déclarations des développeurs concernant le nombre d’heures gagnées par semaine, révèle que si l’adoption de ces outils peut déboucher sur des gains significatifs, ces derniers sont souvent difficiles à maintenir dans la durée.

Un pic temporaire pour une majorité d’utilisateurs

Les chercheurs ont suivi l’évolution individuelle des développeurs classés dans deux catégories : ceux déclarant des économies de temps faibles (moins de 4 heures par semaine) et ceux atteignant un niveau élevé (6 heures ou plus par semaine). L’étude met en évidence plusieurs tendances. D’abord, des économies initialement modestes ne sont pas un obstacle à des gains futurs : près d’un tiers (31,4 %) des développeurs partant du niveau le plus bas ont fini par atteindre le plus haut niveau au cours de la période étudiée. Ensuite, la progression peut être très rapide : environ sept développeurs sur dix (69,7 %) ayant atteint le niveau d’économies le plus élevé y sont parvenus en moins de deux trimestres.

Cependant, le constat le plus frappant est le caractère temporaire de ce pic d’efficacité. Parmi les développeurs ayant atteint leur maximum d’économies de temps, deux tiers (66,1 %) ont déclaré des gains inférieurs au cours des trimestres suivants. Plus précisément, un peu plus de la moitié (50,5 %) de ceux ayant atteint le niveau élevé en un trimestre ou moins n’ont pas maintenu ce niveau par la suite. Ce phénomène est encore plus marqué pour ceux ayant mis deux trimestres à atteindre le pic : 79 % d’entre eux n’ont pas retrouvé un niveau élevé d’économies de temps dans les trimestres ultérieurs. Les auteurs notent que la rapidité du pic initial pourrait refléter un « effet de fraîcheur » ou la concentration de tâches faciles, mais ne se traduit pas par un changement durable de la productivité.

Causes potentielles et implications pour les entreprises

L’étude avance plusieurs hypothèses pour expliquer ce « plateau d’efficacité ». La première est liée à des contraintes au niveau du système. L’accélération de l’écriture de code au niveau individuel pourrait déplacer le goulot d’étranglement vers d’autres étapes du processus de développement, comme la relecture du code, la coordination d’équipe ou la validation produit. Une recherche antérieure, citée dans l’étude, avait déjà montré que l’augmentation médiane du débit de demandes de tirage (pull requests) grâce à l’IA était de 7,8 %, un chiffre plus modeste que certaines prévisions. Autrement dit, le temps gagné sur la frappe est souvent réinvesti dans des activités moins mesurées comme l’expérimentation ou l’amélioration de la qualité architecturale.

Une deuxième explication avancée est celle d’un plafond de tâches. Les gains initiaux proviennent souvent de l’automatisation de travaux à forte répétition et de faible complexité. Une fois ces tâches optimisées, les développeurs peinent à appliquer l’IA à des domaines plus complexes comme la conception architecturale ou la refonte de code existant. L’étude appelle à davantage de recherches pour déterminer si ce plafond est universel ou si les développeurs qui déplacent l’IA vers des tâches « en amont » (conception) ou « en aval » (débogage) parviennent à maintenir des gains plus élevés.

Enfin, un effet de nouveau référentiel pourrait jouer : une fois que l’IA est intégrée dans le flux de travail, le niveau de productivité assisté devient la nouvelle norme. Les développeurs interrogés ultérieurement ne comparent plus leur performance à un flux de travail sans IA, mais à leur propre standard optimisé, ce qui pourrait réduire leur perception de gain relatif.

Un signal pour les responsables techniques

Les résultats de cette étude, que les auteurs présentent comme des observations préliminaires, ont des implications pour les responsables techniques. Ils suggèrent que le simple temps d’utilisation des outils d’IA ne suffit pas à garantir un maintien des gains de productivité. Les entreprises pourraient devoir repenser leur organisation du travail pour que les goulots d’étranglement – par exemple, des processus de revue de code trop lents – ne viennent pas annihiler les gains individuels. L’efficacité de l’IA semble ainsi relever d’une compétence qui se construit, mais qui se heurte aux limites du système dans lequel elle s’insère.