L’IA écrit déjà près d’un tiers du nouveau code logiciel

Frank Neffke

L’IA générative réinvente le développement logiciel – et rapidement. Une nouvelle étude publiée dans Science montre que le codage assisté par IA se répand rapidement, bien qu’inégalement : aux États-Unis, la part du nouveau code reposant sur l’IA est passée de 5 % en 2022 à 29 % début 2025, contre seulement 12 % en Chine. L’utilisation de l’IA est la plus élevée chez les programmeurs moins expérimentés, mais les gains de productivité reviennent aux développeurs chevronnés.

L’industrie du logiciel est énorme. Rien que dans l’économie américaine, les entreprises dépensent environ 600 milliards de dollars par an en salaires pour le travail lié au codage. Chaque jour, des milliards de lignes de code maintiennent l’économie mondiale en marche. Comment l’IA change-t-elle cette colonne vertébrale de la vie moderne ?

Dans une étude publiée dans Science, une équipe de recherche dirigée par le Complexity Science Hub (CSH) a constaté qu’à la fin de l’année 2024, environ un tiers de toutes les nouvelles fonctions logicielles – des sous-routines autonomes dans un programme informatique – aux États-Unis étaient déjà créées avec le soutien de systèmes d’IA.

« Nous avons analysé plus de 30 millions de contributions Python provenant d’environ 160 000 développeurs sur GitHub, la plus grande plateforme de programmation collaborative au monde, » explique Simone Daniotti du CSH et de l’Université d’Utrecht. GitHub enregistre chaque étape du codage – ajouts, modifications, améliorations – permettant aux chercheurs de suivre le travail de programmation à travers le monde en temps réel. Python est l’un des langages de programmation les plus utilisés au monde.

Les écarts régionaux sont importants

L’équipe a utilisé un modèle d’IA spécialement entraîné pour identifier si des blocs de code étaient générés par l’IA, par exemple via ChatGPT ou GitHub Copilot.

« Les résultats montrent une diffusion extrêmement rapide, » explique Frank Neffke, qui dirige le groupe Transformation des économies au CSH. « Aux États-Unis, le codage assisté par IA est passé d’environ 5 % en 2022 à près de 30 % au dernier trimestre 2024. »

Dans le même temps, l’étude a révélé de grandes différences entre les pays. « Alors que la part du code soutenu par l’IA est la plus élevée aux États-Unis à 29 %, l’Allemagne atteint 23 % et la France 24 %, suivie par l’Inde à 20 %, qui a rattrapé rapidement, » dit-il, tandis que la Russie (15 %) et la Chine (12 %) étaient encore à la traîne à la fin de l’étude.

« Il n’est pas surprenant que les États-Unis soient en tête – c’est de là que viennent les principaux LLM. Les utilisateurs en Chine et en Russie ont rencontré des obstacles pour accéder à ces modèles, bloqués par leurs propres gouvernements ou par les fournisseurs eux-mêmes, bien qu’il existe des contournements par VPN. Les récentes avancées chinoises comme DeepSeek, publiées après la fin de nos données début 2025, suggèrent que cet écart pourrait se combler rapidement, » explique Johannes Wachs, membre du corps enseignant du CSH et professeur associé à l’Université Corvinus de Budapest.

Les développeurs expérimentés profitent le plus

L’étude montre que l’utilisation de l’IA générative a augmenté la productivité des programmeurs de 3,6 % à la fin de l’année 2024. « Cela peut paraître modeste, mais à l’échelle de l’industrie mondiale du logiciel, cela représente un gain considérable, » déclare Neffke, qui est également professeur à l’Interdisciplinary Transformation University Austria (IT:U).

L’étude ne trouve pas de différences dans l’utilisation de l’IA entre les femmes et les hommes. En revanche, les niveaux d’expérience comptent : les programmeurs moins expérimentés utilisent l’IA générative dans 37 % de leur code, contre seulement 27 % pour les programmeurs expérimentés. Malgré cela, les gains de productivité documentés par l’étude sont exclusivement dus aux utilisateurs expérimentés. « Les débutants n’en bénéficient presque pas, » dit Daniotti. L’IA générative ne nivelle donc pas automatiquement le terrain de jeu ; elle peut élargir les écarts existants.

De plus, les développeurs de logiciels expérimentés expérimentent davantage avec de nouvelles bibliothèques et des combinaisons inhabituelles d’outils logiciels existants. « Cela suggère que l’IA n’accélère pas seulement les tâches routinières, mais accélère également l’apprentissage, aidant les programmeurs expérimentés à élargir leurs capacités et à s’aventurer plus facilement dans de nouveaux domaines du développement logiciel, » explique Wachs.

GAINS ÉCONOMIQUES

Qu’est-ce que tout cela signifie pour l’économie ? « Les États-Unis dépensent entre 637 milliards et 1 060 milliards de dollars par an en salaires pour les tâches de programmation, selon une analyse d’environ 900 professions différentes, » déclare le co-auteur Xiangnan Feng du CSH. Si 29 % du code est assisté par l’IA et que la productivité augmente de 3,6 %, cela ajoute entre 23 et 38 milliards de dollars de valeur chaque année. « Il s’agit probablement d’une estimation prudente, » souligne Neffke, « l’impact économique de l’IA générative dans le développement logiciel était déjà substantiel à la fin de 2024 et a probablement augmenté depuis notre analyse. »

Perspective

Le développement logiciel subit une transformation profonde. L’IA devient centrale dans l’infrastructure numérique, stimulant la productivité et favorisant l’innovation – mais principalement pour les personnes qui ont déjà une expérience professionnelle substantielle.

« Pour les entreprises, les décideurs politiques et les instituts éducatifs, la question clé n’est pas de savoir si l’IA sera utilisée, mais comment rendre ses avantages accessibles sans renforcer les inégalités, » explique Wachs. « Quand même une voiture est essentiellement devenue un produit logiciel, nous devons comprendre les obstacles à l’adoption de l’IA – au niveau de l’entreprise, régional et national – aussi rapidement que possible, » ajoute Neffke.

Article : Who is using AI to code? Global diffusion and impact of generative AI – Journal : Science – Méthode : Computational simulation/modeling – DOI : Lien vers l’étude