Combien d'entreprises françaises utilisent l'IA : 18 %, 40 %, 55 % ou 67 % ?
Ces quatre taux ne mesurent pas la même chose : champ, date et définition diffèrent. Toutes les enquêtes voient en revanche l'usage croître avec la taille.
Article
Des essais trouvent un gain en entreprise, un autre un ralentissement chez des experts de l'open source, qui se croyaient pourtant plus rapides.
Plus de huit professionnels du logiciel sur dix disent que l’IA les rend plus productifs, selon l’enquête DORA 2025 de Google. Les expériences où un tirage au sort décide qui travaille avec l’IA donnent un tableau moins net. Chez Google, des ingénieurs ont terminé une tâche avec environ 21 % de temps en moins grâce à l’IA. Dans trois entreprises, dont Microsoft et Accenture, l’accès à un assistant de code a fait terminer environ 26 % de tâches en plus à ceux qui s’en servaient. Mais début 2025, seize développeurs open source expérimentés, travaillant sur leurs propres projets, ont mis 19 % de temps en plus avec l’IA, tout en estimant après coup en avoir gagné 20 %.
Les essais ont donc trouvé des gains dans certains contextes d’entreprise et un ralentissement chez des experts de grands projets open source. Ils ne permettent pas d’attribuer ces différences à une seule cause : les tâches, les outils, les développeurs et les protocoles changent d’un essai à l’autre. Deux constats tiennent mieux. Dans l’essai qui a comparé les deux, le ressenti des développeurs s’est trompé de près de 40 points. Et pour les agents de code de fin 2025, les sources examinées ici ne donnent pas encore de gain fiable.
Les études citées appartiennent à trois familles, qui ne répondent pas à la même question. Une expérience contrôlée tire au sort qui travaille avec l’IA et qui sans, ou quelle tâche se fait avec et laquelle sans. Le tirage vise à isoler l’effet de l’accès à l’IA, sans le confondre avec le choix des développeurs ou des tâches. Une enquête recueille ce que les gens pensent. Des données d’outils montrent ce qui varie en même temps que l’usage de l’IA, sans dire ce qui cause quoi.
| Étude | Qui | Ce qui est mesuré | Résultat | Nature |
|---|---|---|---|---|
| METR, début 2025 | 16 développeurs open source expérimentés, 246 tâches | Durée de chaque tâche | +19 % de temps avec l’IA | Expérience contrôlée |
| Google (Paradis et al.), été 2024 | 96 ingénieurs de Google | Durée d’une même tâche | Environ 21 % de temps en moins | Expérience contrôlée |
| Cui et al., 2022-2023 | 4 867 développeurs de trois entreprises | Tâches terminées par semaine | Environ +26 % chez les utilisateurs | Expériences de terrain |
| Anthropic, publié en 2026 | 52 développeurs surtout juniors, apprentissage d’une bibliothèque | Durée et quiz de compréhension | Environ 2 minutes de moins, non significatif ; quiz à 50 % contre 67 % | Expérience contrôlée |
| METR, lancé en août 2025 | 57 développeurs, plus de 800 tâches | Durée de chaque tâche | Non concluant, selon METR | Expérience contrôlée |
| Faros AI, 2025 | Plus de 10 000 développeurs, 1 255 équipes | Indicateurs d’équipe | Plus de tâches et de demandes de fusion, relecture plus longue | Données d’outils, corrélations |
| DORA (Google), 2025 | 4 867 répondants | Perception et indicateurs déclarés | Plus de 80 % se disent plus productifs | Enquête |
| Stack Overflow, 2025 | Environ 49 000 répondants, bases variables selon la question | Perception | 52 % voient un effet positif | Enquête |
L’article suit cet ordre : les expériences d’abord, puis les données d’équipe, puis les enquêtes.
L’organisme de recherche METR a recruté en 2025 seize développeurs qui contribuaient depuis plusieurs années à de grands projets open source : plus de 22 000 étoiles et plus d’un million de lignes de code en moyenne. Chacun a proposé des tâches réelles de son projet, des corrections de bugs, des fonctionnalités, des refontes, d’environ deux heures chacune. Pour chacune des 246 tâches, un tirage au sort décidait si l’IA était autorisée, sans obliger à s’en servir. Quand elle l’était, les développeurs utilisaient surtout Cursor avec les modèles Claude 3.5 et 3.7 Sonnet. Ils notaient eux-mêmes leur temps, avec un enregistrement de leur écran, et étaient payés 150 dollars de l’heure.
Avant de commencer, les développeurs prévoyaient que l’IA réduirait de 24 % le temps de leurs tâches. Les tâches avec IA ont en réalité pris 19 % de temps en plus (intervalle de confiance de +2 % à +39 %). Une fois l’étude terminée, les mêmes développeurs estimaient encore que l’IA avait réduit leur temps de 20 %. Dans ce groupe et avec ce protocole, le ressenti et la mesure s’écartent de 39 points, en sens contraire.
METR liste lui-même ce que l’essai ne montre pas. Seize développeurs ne représentent pas la profession. Ces développeurs connaissaient intimement leur code, ce qui peut laisser peu de place à un assistant ; c’est une explication possible du résultat, que l’essai n’isole pas. Les outils étaient ceux du début 2025, et la plupart des participants avaient moins de cinquante heures de pratique de Cursor. Le résultat montre qu’un ralentissement peut se produire dans ces conditions, pas qu’il est la règle.
Ce que l’essai montre nettement, c’est la faiblesse du ressenti comme instrument. Un développeur ne voit jamais la version de sa tâche faite sans IA : le temps passé à relire, corriger et relancer une suggestion se remarque moins que le temps gagné à ne pas écrire.
D’autres expériences contrôlées trouvent un gain, sur des terrains différents.
En 2024, Google a tiré au sort 96 de ses ingénieurs pour réaliser une même tâche d’entreprise, avec ou sans trois fonctions d’IA internes. Le groupe équipé a mis environ 21 % de temps en moins, avec un intervalle de confiance large selon les auteurs. Les ingénieurs qui passaient le plus d’heures par jour à coder gagnaient davantage. L’étude porte sur une seule tâche et sur les outils internes de Google, qui commercialise aussi des assistants pour développeurs.
Une équipe de Princeton, du MIT, de Wharton et de Microsoft a analysé trois expériences de terrain menées en 2022 et 2023 chez Microsoft, chez Accenture et dans une grande entreprise américaine anonyme : 4 867 développeurs, dont une partie recevait au hasard l’accès à GitHub Copilot, un assistant de complétion de code. Tous ceux qui recevaient l’accès ne l’utilisaient pas ; en tenant compte de cette adoption imparfaite, l’analyse estime à environ 26 % la hausse des tâches terminées chaque semaine par les utilisateurs de l’outil. Les développeurs moins expérimentés l’ont davantage adopté et en ont davantage tiré profit. L’étude a paru dans Management Science en février 2026 ; deux de ses auteurs travaillent chez Microsoft, qui vend GitHub Copilot.
Dans une étude publiée en janvier 2026, Anthropic a demandé à 52 développeurs, surtout juniors, d’apprendre une bibliothèque Python qu’ils ne connaissaient pas, avec ou sans assistant. Le groupe avec IA a fini environ 2 minutes plus tôt, une différence non significative : le léger gain de temps reste incertain. Au quiz qui suivait immédiatement, il a obtenu 50 % de bonnes réponses, contre 67 % sans IA. Le résultat vaut pour cet apprentissage et ce test ; il ne mesure pas une perte durable de compétences.
Ces essais ne se moyennent pas : ils ne mesurent ni la même tâche ni le même indicateur. Une durée plus longue de 19 % et 26 % de tâches terminées en plus ne sont pas deux points d’une même échelle. Même la conversion de l’une dans l’autre demande des conditions : si une tâche identique prend 19 % de temps en plus, un développeur en termine environ 16 % de moins dans la même journée, à condition que tout le reste soit égal.
Une expérience menée hors du développement, auprès de consultants, aide à lire ces contrastes. Dans un essai publié en 2026 par Organization Science, 758 consultants du BCG ont réalisé dix-huit tâches de conseil avec ou sans GPT-4. Sur les tâches à la portée de l’IA, le groupe équipé en a terminé 12,2 % de plus, avec 25,1 % de temps en moins. Sur une tâche choisie pour dépasser ses capacités, il a produit moins souvent une solution correcte que le groupe sans IA. Les auteurs parlent d’une « frontière irrégulière » : la même aide accélère une tâche et dégrade la suivante, sans que l’utilisateur sache toujours de quel côté il se trouve.
METR a lancé un nouvel essai en août 2025, avec 57 développeurs (dix du premier essai et 47 nouveaux), plus de 800 tâches et les outils du moment, agents de code compris. Les résultats, publiés le 24 février 2026, estiment une réduction du temps de 18 % pour les développeurs du premier essai et de 4 % pour les nouveaux venus. Les intervalles de confiance vont de −38 % à +9 % et de −15 % à +9 % : ils restent compatibles avec un gain, une absence d’effet ou un ralentissement.
METR qualifie lui-même ces données de signal peu fiable, pour une autre raison que le hasard. Des développeurs ont refusé de participer parce qu’ils ne voulaient plus travailler sans IA ; entre 30 et 50 % des participants disent avoir écarté des tâches qu’ils ne voulaient pas faire à la main. Ceux qui restent, et les tâches qu’ils proposent, ne représentent donc plus l’usage réel. Avec des agents qui travaillent pendant que le développeur fait autre chose, le temps passé sur une tâche devient aussi plus difficile à mesurer. METR pense que l’accélération est plus forte qu’au début de 2025, sans pouvoir la chiffrer.
L’outil évolue plus vite que les expériences contrôlées, qui demandent des mois. Le ralentissement de 19 % décrit le début de 2025 ; rien ne permet de le présenter comme l’état actuel, ni d’affirmer qu’il s’est inversé.
Les données d’outils regardent ce qui se passe après l’écriture du code. Faros AI, qui vend des tableaux de bord d’ingénierie, a suivi plus de 10 000 développeurs dans 1 255 équipes jusqu’en juin 2025, en comparant pour chaque équipe ses trimestres de plus faible et de plus forte adoption de l’IA. Aux périodes de forte adoption, les équipes terminaient 21 % de tâches en plus et fusionnaient 98 % de demandes de fusion (pull requests) en plus. Le temps de relecture d’une demande augmentait de 91 %, et Faros ne trouve aucune corrélation significative, à l’échelle de l’entreprise entière, entre l’adoption de l’IA et ses indicateurs de performance.
L’enquête DORA 2025, menée auprès de 4 867 professionnels en juin et juillet 2025, associe l’adoption de l’IA à un débit de livraison plus élevé, mais aussi à une livraison moins stable. Ce sont des associations entre réponses à un questionnaire, pas des effets démontrés.
Ces deux sources ne prouvent pas que l’IA ralentit les équipes. Elles invitent à mesurer aussi ce qui suit l’écriture : la relecture, l’intégration, les corrections après livraison. Un gain mesuré sur une tâche isolée ne se retrouve pas forcément dans le délai de livraison d’une équipe.
Les grandes enquêtes de développeurs mesurent l’usage et l’opinion. En 2025, selon Stack Overflow, 84 % des répondants utilisaient ou comptaient utiliser des outils d’IA, et 51 % des professionnels s’en servaient chaque jour ; 52 % y voyaient un effet positif sur leur productivité. Les mêmes enquêtés exprimaient des réserves : 46 % se méfiaient de l’exactitude des réponses, contre 33 % qui leur faisaient confiance ; 66 % citaient comme première frustration des solutions « presque justes, mais pas tout à fait », et 45 % disaient trouver plus long de déboguer du code généré. Chaque question a sa propre base de réponses, et ces chiffres décrivent ce que les développeurs déclarent, pas un temps mesuré.
Ces enquêtes disent que l’IA est installée dans le travail des développeurs et qu’ils la jugent utile. Elles ne disent pas combien de temps elle fait gagner : l’essai de METR a montré qu’un groupe de développeurs pouvait se croire plus rapide en étant plus lent. Chaque éditeur a aussi son intérêt : Google vend des outils d’IA pour développeurs, et les assistants concurrencent le site de questions-réponses de Stack Overflow.
Les expériences contrôlées disponibles donnent une réponse conditionnelle. L’IA a réduit le temps d’une tâche d’entreprise chez Google et a fait terminer davantage de tâches aux utilisateurs de Copilot dans trois entreprises, surtout aux moins expérimentés. Elle a ralenti des experts de grands projets open source avec les outils du début 2025. Elle n’a pas montré de gain de temps net chez des juniors qui apprenaient une bibliothèque, et ceux-ci ont moins bien réussi le quiz qui suivait. Dans l’essai qui l’a mesuré, le ressenti des développeurs surestimait le gain. Pour les agents de code de 2026, les sources examinées ici ne permettent pas de donner un gain fiable.
Dans une équipe, le plus sûr est de mesurer plutôt que de demander. Comparez des tâches de même nature faites avec et sans assistant, en alternant ou en tirant au sort quand c’est possible, et suivez le délai de bout en bout, relecture comprise, ainsi que la qualité du résultat, plutôt que le volume de code produit. Notez les changements d’outils et de types de tâches, qui peuvent expliquer une évolution à la place de l’assistant. Une nouvelle expérience sur les agents pourrait changer cette réponse ; d’ici là, un chiffre unique de « gain de productivité » ne permet pas de prévoir celui de votre équipe.
Chiffres relevés le 25 octobre 2026.
Explorer
Choisis dans l’index d’après les étiquettes de cet article — les plus proches d’abord, hors de sa série. Rien n’est écrit à la main : un article publié demain avec les mêmes étiquettes y prendra place.
Ces quatre taux ne mesurent pas la même chose : champ, date et définition diffèrent. Toutes les enquêtes voient en revanche l'usage croître avec la taille.
De 2 % à 79 % selon l'enquête : populations, dates et critères diffèrent. Chez McKinsey et Capgemini, le déploiement à l'échelle reste minoritaire.
Fable 5 bloque des demandes légitimes, Google développe l’IA locale et les entreprises évaluent leurs coûts : les annonces et leurs limites cette semaine.
Laisser un commentaire
Votre commentaire sera relu avant d'être publié.