Il semble qu’il en va de m\u00eame au niveau individuel. L’analyse de\u00a0GitClear de janvier\u00a02026<\/a> portant sur 2\u00a0172\u00a0semaines de d\u00e9veloppement a r\u00e9v\u00e9l\u00e9 que les utilisateurs r\u00e9guliers de l\u2019IA produisaient environ 320 % (4,2 fois) plus de code durable que les non-utilisateurs. Ces m\u00eames utilisateurs ont \u00e9galement augment\u00e9 leur production de 25 % entre 2024 et 2025. Il s\u2019agit d\u2019une am\u00e9lioration significative, mais qui n\u2019explique pas \u00e0 elle seule l\u2019ensemble de l\u2019\u00e9cart. La conclusion de GitClear est que l’IA a accentu\u00e9 une diff\u00e9rence de performance qui existait d\u00e9j\u00e0. Les ing\u00e9nieurs exp\u00e9riment\u00e9s et tr\u00e8s productifs ont souvent \u00e9t\u00e9 les premiers \u00e0 adopter l’IA.\u00a0\u00a0\u00a0<\/p>\n Cela compte, car l’IA ne fonctionne pas dans le vide. Elle vient se superposer aux habitudes, syst\u00e8mes et contraintes d\u00e9j\u00e0 pr\u00e9sents dans votre \u00e9quipe. Si les fondations sont solides, l’IA peut aider. Si elles sont fragiles, l\u2019IA donne simplement plus d\u2019espace aux faiblesses pour se propager.\u00a0<\/p>\n Certaines de ces fondations sont faciles \u00e0 voir. L’infrastructure apparait sur votre bilan et les outils peuvent \u00eatre inventori\u00e9s. Cet article se concentre sur trois domaines plus faciles \u00e0 n\u00e9gliger\u00a0: la r\u00e9vision du code, la dette technique et le jugement des d\u00e9veloppeurs. Ces probl\u00e8mes ne sont pas nouveaux, mais l\u2019IA les rend plus faciles \u00e0 ignorer tout en rendant leurs cons\u00e9quences plus difficiles \u00e0 \u00e9viter.<\/p>\n L’IA permet aux d\u00e9veloppeurs d’\u00e9crire plus de code plus vite, mais cela n’est utile que si le processus de r\u00e9vision peut g\u00e9rer le volume suppl\u00e9mentaire. Si le pipeline de r\u00e9vision est d\u00e9j\u00e0 sous pression, l’IA ne r\u00e9sout pas le probl\u00e8me\u00a0: elle envoie simplement plus de code dans le m\u00eame goulot d’\u00e9tranglement. Des lots de modifications plus importants arrivent plus rapidement, la responsabilit\u00e9 devient plus floue et les r\u00e9visions se limitent \u00e0 rep\u00e9rer les signaux d\u2019alerte \u00e9vidents au lieu de comprendre globalement les changements.<\/p>\n Les donn\u00e9es le montrent d\u00e9j\u00e0. Le Rapport\u00a02026 sur les benchmarks en en ing\u00e9nierie logicielle<\/em><\/a> de\u00a0LinearB a constat\u00e9 que les pull requests contenant du code assist\u00e9 par IA attendaient environ 2,5\u00a0fois plus longtemps avant d’\u00eatre r\u00e9vis\u00e9es que celles \u00e9crites sans IA. Lorsque les agents d’IA avaient \u00e9crit le code de mani\u00e8re autonome, ce d\u00e9lai montait \u00e0 5,3 fois plus. Leur explication est simple\u00a0: les d\u00e9veloppeurs h\u00e9sitent \u00e0 prendre en charge une t\u00e2che de r\u00e9vision per\u00e7ue comme plus longue et plus risqu\u00e9e.\u00a0<\/p>\n Le probl\u00e8me ne vient donc pas seulement du volume. C’est le volume combin\u00e9 \u00e0 l’incertitude, inject\u00e9 dans un processus qui n’a pas chang\u00e9.\u00a0<\/p>\n C’est pourquoi la r\u00e9ponse r\u00e9side dans les processus, pas dans les effectifs.<\/p>\n Prochaines actions \u00e0 envisager :<\/strong><\/p>\n L’IA peut aider \u00e0 r\u00e9duire la dette technique existante, \u00e0 am\u00e9liorer la documentation, \u00e0 ajouter des tests et \u00e0 effectuer un nettoyage r\u00e9p\u00e9titif. Mais elle peut aussi faciliter l’accumulation d’une nouvelle dette plus rapidement que la base de code ne peut l’absorber. Trois s\u00e9ries de donn\u00e9es ind\u00e9pendantes vont dans ce m\u00eame sens.\u00a0<\/p>\n Le sch\u00e9ma est difficile \u00e0 ignorer : la production augmente plus vite que les m\u00e9canismes de contr\u00f4le de la qualit\u00e9 qui l\u2019entourent.<\/p>\n Cela n’implique pas que les \u00e9quipes ont besoin de moins d’IA. Cela signifie qu\u2019elles ont besoin de plus de discipline dans l\u2019allocation de leur temps.<\/p>\n Prochaines actions \u00e0 envisager :<\/strong><\/p>\n Une meilleure r\u00e9vision du code et une meilleure discipline en mati\u00e8re de dette technique d\u00e9pendent d’un \u00e9l\u00e9ment plus fondamental\u00a0: des personnes capables de r\u00e9ellement comprendre ce qu\u2019elles regardent. Cette comp\u00e9tence n’arrive pas automatiquement, et l’IA permet d’\u00e9viter plus facilement de la travailler.<\/p>\n Cela cr\u00e9e une logique tentante \u00e0 court terme\u00a0: embaucher des profils seniors, automatiser les t\u00e2ches confi\u00e9es aux juniors et passer \u00e0 autre chose. Cela peut sembler pertinent pendant un trimestre ou deux, mais cela risque aussi de vider le pipeline dont vous aurez besoin \u00e0 l’avenir. Le jugement qui rend l’IA utile doit \u00eatre d\u00e9velopp\u00e9 avant d’\u00eatre amplifi\u00e9.<\/p>\n Prochaines actions \u00e0 envisager :<\/strong><\/p>\n La fa\u00e7on d’appliquer ces priorit\u00e9s a son importance. Les d\u00e9veloppeurs ressentiront la diff\u00e9rence entre le leadership et le contr\u00f4le. L’enqu\u00eate\u00a02025 de Stack Overflow aupr\u00e8s des d\u00e9veloppeurs<\/em><\/a> a r\u00e9v\u00e9l\u00e9 que \u00ab\u00a0l’autonomie et la confiance\u00a0\u00bb \u00e9taient les principaux facteurs de satisfaction professionnelle des d\u00e9veloppeurs.<\/p>\n On retrouve cette m\u00eame envie d’ind\u00e9pendance dans le choix des outils d’IA. Le rapport\u00a02025 sur l’\u00e9tat de la livraison de logiciels<\/em><\/a> de Harness a r\u00e9v\u00e9l\u00e9 que 52\u00a0% des d\u00e9veloppeurs n’utilisent pas les outils d’IA fournis par leur service informatique. Ce n’est probablement pas sur ce point qu’il faut tenter d’imposer une standardisation.<\/p>\n N’imposez pas un choix de mod\u00e8le. N’imposez pas un assistant. Vos normes doivent concerner la couche d’acc\u00e8s.\u00a0<\/p>\n Les JetBrains IDEs offrent \u00e0 vos d\u00e9veloppeurs un environnement coh\u00e9rent pour travailler avec pratiquement n’importe quel LLM<\/a> ou agent de programmation compatible avec l’ACP<\/a>. Cela leur permet d\u2019essayer de nouveaux outils sans avoir \u00e0 reconstruire leur workflow \u00e0 chaque \u00e9volution du march\u00e9.\u00a0<\/p>\n Sous cette flexibilit\u00e9 se cache quelque chose de plus stable\u00a0: le mod\u00e8le structurel de l’IDE pour votre base de code. Il n’essaie pas de deviner pas ce que le code peut signifier. Il comprend r\u00e9ellement le code en tant que tel. Si l’IA g\u00e9n\u00e8re quelque chose de plausible mais qui casse quelque chose ailleurs, l’IDE peut le signaler avant que la modification arrive en r\u00e9vision. Ajoutez JetBrains Qodana, et ce m\u00eame mod\u00e8le structurel s’\u00e9tend \u00e0 l’analyse statique continue de l’ensemble de votre base de code.\u00a0\u00a0<\/p>\n Le point essentiel, en pratique\u00a0: standardisez seulement que ce qui doit l’\u00eatre, et pr\u00e9servez la flexibilit\u00e9 pour le reste. Le All Products Pack s’inscrit dans la m\u00eame logique. Il inclut tous les IDE JetBrains dans un seul abonnement, chacun \u00e9tant con\u00e7u pour un langage majeur utilis\u00e9 aujourd\u2019hui ou n\u00e9cessaire demain. Lorsqu\u2019un d\u00e9veloppeur change de stack, il n\u2019y a ni demande de licence, ni d\u00e9lai d\u2019approvisionnement, ni nouveau cycle d\u2019approbation.\u00a0<\/p>\n La d\u00e9cision est d\u00e9j\u00e0 prise. Les outils sont d\u00e9j\u00e0 l\u00e0.<\/p>\nPriorit\u00e9 n\u00b0\u00a01\u00a0: renforcer la r\u00e9vision du code<\/strong><\/h2>\n
\n
\n
Priorit\u00e9 n\u00b0\u00a02\u00a0: faire preuve de discipline en mati\u00e8re de dette technique\u00a0<\/strong><\/h2>\n
\n
\n
\n
Priorit\u00e9 n\u00b0\u00a03\u00a0: donner un terrain d’exp\u00e9rimentation au jugement des d\u00e9veloppeurs<\/strong><\/h2>\n
\n
\n
\n
\n
\n
Remarque tactique\u00a0: d\u00e9finissez l’orientation, pas les outils<\/strong><\/h2>\n
Offrez \u00e0 votre \u00e9quipe un espace de travail compatible avec tous les outils d’IA<\/strong><\/h2>\n
![\"Colette](\"https:\/\/secure.gravatar.com\/avatar\/e130eebba8ce28a1fd9e1b685b4218db?s=200&r=g\")
\n <\/div>\n