16 développeurs chevronnés codent avec l'IA, persuadés d'aller 20 % plus vite : en réalité, ils étaient 19 % plus lents
Je commence par le chiffre qui m’a glacé le dos.
L’essai contrôlé randomisé de METR a réuni 16 développeurs open source chevronnés, avec de nombreuses années de métier, pour réaliser de vraies tâches sur des projets qu’ils maintenaient eux-mêmes depuis cinq ans en moyenne. La moitié utilisait des outils d’IA, l’autre non. Le groupe avec IA a été 19 % plus lent. Aller un peu plus lentement, ce n’est pas surprenant. Le vrai problème est dans l’autre moitié : ces gens avaient prédit que l’IA les ferait gagner 24 % de vitesse, et une fois le travail terminé, après avoir vécu eux-mêmes ce ralentissement, ils étaient toujours convaincus d’avoir été 20 % plus rapides. Près de 40 points d’écart entre le ressenti et la réalité, et dans le mauvais sens.
J’ai ensuite passé un bon moment à me demander pourquoi on peut se tromper à ce point, et précisément sur le travail qu’on connaît le mieux.
Mon propre ressenti quand j’écris avec l’IA en explique une bonne partie. Vous tapez une phrase, et un écran entier de code apparaît : à cet instant, c’est vraiment grisant, les doigts ont à peine bougé, et la pensée qui surgit, c’est « déjà fait, et si vite ». Mais ce n’est que le début de toute l’affaire. Ensuite, il faut lire ce qu’il a écrit, juger si c’est correct, le faire tourner, puis découvrir qu’il a rédigé une logique plausible de façon particulièrement propre, particulièrement crédible, et passer encore vingt minutes à débusquer ce truc « qui a l’air juste mais ne l’est pas ». Le plaisir du premier instant, on l’enregistre comme « rapide » ; les vingt minutes de bataille qui suivent, on ne les compte pas dans « écrire du code », on les met dans « débogage » ou « pas en forme aujourd’hui ». Ce que l’IA économise, c’est l’effort physique de taper au clavier ; ce qu’elle ajoute, c’est l’effort mental de vérifier. Et l’humain est très sensible à l’effort physique épargné, et complètement insensible à l’effort mental supplémentaire. C’est là que le ressenti et le chronomètre cessent de coïncider.
Il y a aussi un présupposé qu’on saute facilement : ces 16 personnes travaillaient dans du code dans lequel elles macéraient depuis cinq ans. C’est précisément le terrain où l’IA aide le moins, voire le plus facilement à contre-emploi, parce que vous connaissez déjà ce système mieux que n’importe quel modèle. La moitié de ses suggestions consiste à re-deviner des choses que vous aviez déjà tranchées, et il faut encore du temps pour confirmer qu’il n’a pas deviné de travers. Changez de contexte et la conclusion peut s’inverser : si je dois toucher à un framework totalement inconnu, écrire une masse de code répétitif, ou démarrer un petit outil de zéro, l’IA est très probablement vraiment plus rapide. Cette étude ne dit donc pas « l’IA est inutile » ; elle dit que la vitesse de l’IA dépend énormément du contexte, et que votre ressenti est tout simplement incapable de distinguer dans quel contexte vous êtes.
Pourquoi, moi qui fais du produit, je tiens particulièrement à ce point. Parce que dans notre métier, presque chaque décision liée à l’IA repose aujourd’hui sur la même phrase, enfouie en dessous : elle nous rend plus rapides. Faut-il rallonger le budget pour acheter des outils, recruter deux personnes de moins, peut-on caser une fonctionnalité de plus ce trimestre, et quand le patron demande « combien l’IA nous a fait gagner en vitesse », que répondre — tout repose sur cette phrase. Toute la vague de licenciements liés à l’IA en 2026 s’est aussi racontée, vers l’extérieur, avec ce récit du gain de productivité. Or cette étude dit ceci : même les personnes qui font le travail de leurs mains sont incapables de juger correctement si elles ont vraiment accéléré. Alors les budgets, les plannings, les licenciements bâtis sur ce jugement reposent sur des fondations meubles. Le plus pénible, c’est que c’est particulièrement difficile à vérifier, parce que le premier réflexe qui me vient, c’est d’aller demander à l’équipe « est-ce que l’IA a aidé ? » — et c’est justement la source de données à laquelle il ne faut surtout pas se fier.
Alors ces six derniers mois, j’ai fait quelque chose de très concret : j’ai rayé « je sens que c’est beaucoup plus rapide » de la liste des preuves recevables. Dès que quelqu’un le dit, moi y compris, je relance d’abord avec une question : où le voit-on. Cette itération a-t-elle pris quelques jours de moins que la précédente, les bugs en production ont-ils augmenté ou diminué, les reprises se sont-elles multipliées, ce bout de code écrit par l’IA, combien de fois a-t-il fallu y revenir ensuite. S’il y a des chiffres, je crois ; sinon, je le range comme un simple ressenti, sous réserve. Je ne demande plus non plus, de façon vague, « est-ce que l’IA sert à quelque chose » ; je demande « sur quel bout de travail elle sert ». Complétion, exploration d’une API inconnue, démarrage d’un nouveau projet : très probablement oui. Toucher à notre vieux système qui tourne depuis des années : par défaut, je pars du principe qu’elle va ralentir, à moins que quelqu’un sorte un contre-exemple qui me fasse changer d’avis.
Discussion