Au début de 2025, seize développeurs open source acceptent une offre peu banale : 150 dollars de l'heure pour faire leur travail habituel, corriger des bugs et ajouter des fonctions dans les projets qu'ils maintiennent depuis des années. Des dépôts de plus d'un million de lignes de code en moyenne, suivis par plus de 22 000 étoiles sur GitHub. Une seule règle : avant chaque tâche, un tirage au sort décide si l'intelligence artificielle est permise ou interdite. Quand elle l'est, ils prennent surtout Cursor, un éditeur de code, branché sur les modèles Claude 3.5 et 3.7 Sonnet. Leur écran est enregistré. Le chronomètre tourne.

Avant de commencer, ils font une prévision : l'IA les rendra 24 % plus rapides. METR, un laboratoire indépendant qui évalue les modèles d'IA, compte 246 tâches au bout de l'expérience. Le résultat attendra la fin de cette note, comme il a attendu la fin de l'étude.

Deviner la fin de la ligne

L'histoire commence le 29 juin 2021. Nat Friedman, alors patron de GitHub, annonce Copilot en préversion technique dans l'éditeur Visual Studio Code. Le moteur s'appelle Codex, un modèle d'OpenAI dérivé de GPT-3 et entraîné notamment sur du code public. Le geste est minuscule : pendant que le développeur tape, l'outil lit le code autour du curseur et propose la suite, une ligne ou une fonction entière, qu'il accepte ou ignore.

Le 21 juin 2022, Copilot sort de préversion et devient un abonnement. À ce stade, la machine propose et l'humain tient le volant, ligne par ligne.

Un examen tiré de vrais bugs

Pour savoir si une machine peut faire davantage, il fallait un examen. Le 10 octobre 2023, Carlos E. Jimenez et une équipe de Princeton publient SWE-bench : 2 294 problèmes réels, tirés des tickets et des corrections de douze projets Python populaires. L'épreuve copie la vie d'un développeur. On donne au modèle tout le code d'un projet et le texte d'un ticket, tel qu'un utilisateur l'a écrit. Il doit rendre une modification. On lance ensuite les tests que les développeurs avaient ajoutés avec leur propre correction, et que le modèle n'a pas vus. Ils passent ou ils échouent. Le meilleur modèle testé, Claude 2, résout 1,96 % des problèmes.

Le 12 mars 2024, une jeune société, Cognition, présente Devin, « le premier ingénieur logiciel IA ». Il dispose de son propre terminal, de son éditeur et de son navigateur. Sur un quart de SWE-bench tiré au hasard, 570 problèmes, avec 45 minutes par ticket, il en résout 79 : 13,86 %. C'est sept fois le score de Claude 2. C'est aussi un ingénieur qui rate six tickets sur sept.

En mars 2024, un ingénieur qui ratait six tickets sur sept était déjà le meilleur du marché.
* * *

Du ticket à la demande de fusion

Fin avril 2024, GitHub ouvre en préversion Copilot Workspace : on part d'un ticket, l'outil rédige un plan en langage courant, le développeur le corrige, puis l'outil écrit le code. Le 13 novembre, Codeium lance Windsurf, un éditeur dérivé de Visual Studio Code et présenté comme le premier IDE (environnement de développement) « agentique ». Son assistant, Cascade, lit l'ensemble du code, modifie plusieurs fichiers à la fois et lance des commandes dans le terminal. Cursor, l'éditeur d'Anysphere, société fondée en 2022 par quatre étudiants du MIT, dépasse en janvier 2025 les 100 millions de dollars de revenus annuels récurrents.

Le 24 février 2025, Anthropic lance Claude Code en préversion de recherche. Ce n'est même plus un éditeur : il tourne dans le terminal, la fenêtre où l'on tape des commandes. Selon l'annonce, il sait chercher et lire le code, modifier des fichiers, écrire et lancer des tests, puis envoyer le résultat sur GitHub. Il devient disponible pour tous le 22 mai.

Trois jours plus tôt, le 19 mai, GitHub présente l'agent de codage de Copilot. On lui assigne un ticket comme à un collègue. Il démarre une machine temporaire, lit le code, fait ses modifications, lance les tests et rend une demande de fusion en brouillon, qu'un humain relit avant de l'accepter. Copilot Workspace ferme le 30 mai : son idée est passée dans l'agent. Voilà, concrètement, ce que la frise appelle « chef de projet ». L'humain écrit le ticket et signe la fusion ; entre les deux, la saisie du code passe à la machine.

Trois milliards, puis trois jours

L'argent suit. En juin 2025, Anysphere lève 900 millions de dollars sur une valorisation de 9,9 milliards et dépasse 500 millions de dollars de revenus annuels récurrents. Windsurf vit un mois de juillet de feuilleton. OpenAI négociait son rachat pour 3 milliards de dollars ; le 11 juillet, l'accord tombe. Dans la foulée, Google paie environ 2,4 milliards de dollars pour des licences et embauche le patron, Varun Mohan, le cofondateur Douglas Chen et une petite équipe. Le 14 juillet, Cognition rachète le reste : le produit, la marque, plus de 350 clients entreprises et 82 millions de dollars de revenus annuels récurrents.

L'éditeur que l'on voulait payer trois milliards finit chez le fabricant de l'ingénieur qui ratait six tickets sur sept.

* * *

Ce que mesurent les compteurs

Sur les examens, la courbe monte vite. En août 2024, OpenAI publie SWE-bench Verified : 93 développeurs Python ont annoté 1 699 problèmes et en ont écarté 68,3 %, pour tickets flous ou tests injustes ; 500 sont retenus. GPT-4o y résout alors 33,2 % des problèmes. Le 22 mai 2025, Anthropic annonce 72,5 % pour Claude Opus 4 ; le 29 septembre, 77,2 % pour Claude Sonnet 4.5. En février 2026, OpenAI cesse de publier ses scores sur ce test : selon son audit, rapporté par le site Decrypt, des modèles récitaient par cœur certaines corrections attendues, et une bonne part des problèmes encore ratés avaient des tests défectueux.

Chez les développeurs, la courbe est double. Dans l'enquête annuelle de Stack Overflow, 76 % des répondants utilisent ou comptent utiliser l'IA en 2024, 84 % en 2025, et 51 % des professionnels s'en servent chaque jour. Mais la confiance recule. En 2024, 43 % jugeaient les réponses fiables. En 2025, 46 % s'en méfient contre 33 % qui leur font confiance, et 3 % seulement leur font tout à fait confiance. Première frustration, citée par 66 % : des solutions « presque justes, mais pas tout à fait ». Quant aux agents, 14 % des répondants s'en servent chaque jour, et 38 % n'ont aucune intention de s'y mettre.

L'usage monte, la confiance descend : les développeurs ont appris à relire.

Le chronomètre de METR

Retour aux seize développeurs. Le 10 juillet 2025, METR publie le résultat. Avec l'IA, ils ont mis 19 % de temps en plus pour finir leurs tâches. Pas moins : plus. Et une fois l'expérience finie, ils estimaient encore que l'IA les avait accélérés de 20 %. Les enregistrements d'écran montrent où le temps est passé : moins de minutes à coder et à chercher, davantage à rédiger des consignes, à attendre la machine, à relire ce qu'elle rend.

Les auteurs bornent eux-mêmes leur conclusion. Seize personnes, des experts sur des projets qu'ils connaissent par cœur, des outils du début de 2025. L'étude, écrivent-ils, ne prouve pas que l'IA n'accélère pas la plupart des développeurs, et en février 2026 ils publient de nouvelles données sur les outils de fin 2025. Mais l'écart reste le fait le plus solide de l'année : près de quarante points entre ce que les développeurs ressentaient et ce que mesurait le chronomètre.

En 2025, l'éditeur de code est devenu un agent. Le développeur, lui, est devenu celui qui écrit la consigne, attend, relit et signe. Et qui se croit plus rapide.