La production de code IA grimpe de 300 %, mais les sorties logicielles n'augmentent que de 30 %

Les gains de productivité de l'IA s'évaporent avant d'atteindre les résultats financiers, révèlent deux nouvelles études, remettant en cause la thèse d'investissement de mille milliards de dollars qui a alimenté la hausse boursière du secteur.

Les outils d'intelligence artificielle génèrent du code à un rythme explosif, mais la grande majorité de cette production ne se traduit jamais en produits logiciels finis, selon une recherche du Massachusetts Institute of Technology. Les développeurs utilisant des assistants IA ont augmenté de près de 300 % le nombre de fichiers de code qu'ils ont créés ou modifiés, selon l'étude. Ce gain s'est réduit à environ 150 % au moment où le code a atteint l'étape de révision, pour s'effondrer à environ 30 % lorsqu'il est apparu dans les versions logicielles finales.

« Le goulot d'étranglement s'est déplacé de l'écriture du code vers tout ce qui se passe après — révision, intégration, test, déploiement », a déclaré Mert Demirer, chercheur au MIT et co-auteur de l'étude, qui a suivi les développeurs à plusieurs niveaux de la chaîne de production logicielle. « L'IA accélère considérablement la tâche en amont, mais le processus en aval n'a pas changé. »

Ces résultats font écho à une enquête parallèle de Bain & Co. auprès de 951 grandes entreprises de neuf secteurs. Parmi les entreprises capables de quantifier les économies de coûts réalisées grâce à l'IA, le groupe le plus important — 40 % — a déclaré des réductions de 10 % ou moins, bien en deçà des attentes initiales. Les dépenses mondiales des entreprises en IA ont désormais dépassé 1 000 milliards de dollars, estime Bain, mais le retour sur cet investissement reste insaisissable pour la plupart des organisations.

Le problème de l'entonnoir

La recherche du MIT offre la carte la plus détaillée à ce jour de l'endroit où les gains de productivité de l'IA se perdent. L'étude a examiné la production des développeurs à quatre stades : création brute de fichiers de code, modifications individuelles de fichiers, soumissions pour révision du code et versions logicielles finales. À chaque étape, l'effet de l'IA diminuait d'environ la moitié ou plus.

Le schéma s'étend au-delà du code jusqu'à la demande réelle du marché. Les sorties d'applications mobiles ont considérablement augmenté au cours de l'année écoulée, les outils d'IA ayant abaissé la barrière au développement, mais les téléchargements d'applications n'ont pas augmenté de manière correspondante, ont constaté les chercheurs. La plupart des nouvelles applications n'ont pas réussi à attirer ne serait-ce qu'une base d'utilisateurs modeste, suggérant que la production accélérée par l'IA ne crée pas automatiquement de la valeur marchande.

L'enquête de Bain a identifié une préoccupation plus structurelle : 44 % des grandes entreprises financent leur prochaine phase d'investissement dans l'IA avec des économies de coûts provenant de la phase précédente qui ne se sont pas encore matérialisées. Le cabinet de conseil a décrit cette dynamique comme « un pari circulaire avec un défaut structurel ». Gartner prévoit que plus de 40 % des projets d'IA agentique seront abandonnés d'ici la fin 2027.

Le fossé natif vs. historique

L'écart de productivité n'est pas uniforme dans l'économie. Les entreprises construites autour de l'IA dès le départ obtiennent des résultats radicalement différents de ceux des entreprises traditionnelles qui greffent l'IA sur des flux de travail existants.

Anthropic, le développeur du modèle Claude, a rapporté que son IA rédige désormais plus de 80 % du code fusionné dans sa base de code, contre un faible pourcentage à un chiffre avant le lancement de Claude Code en aperçu de recherche en février 2025. L'entreprise a déclaré que ses ingénieurs livrent environ huit fois plus de code qu'en 2024. Le nombre de lignes de code par ingénieur et par jour était resté constant pendant les quatre premières années de l'entreprise avant d'augmenter fortement en 2025, a indiqué Anthropic dans son rapport « Quand l'IA se construit elle-même ».

Ce contraste fait écho à l'électrification des usines au début du XXe siècle, notent les chercheurs du MIT. Lorsque les fabricants ont simplement remplacé les machines à vapeur par des moteurs électriques sans modifier l'aménagement des usines, les gains de productivité étaient minimes. Le vrai bond est venu des décennies plus tard, lorsque les ingénieurs ont repensé les usines autour de postes de travail individuels dotés de moteurs dédiés. L'IA pourrait suivre une trajectoire similaire, les avantages complets nécessitant de nouvelles structures organisationnelles plutôt que des outils rapportés.

Le réexamen des investissements

Pour les investisseurs, ces données soulèvent des questions inconfortables sur la valorisation des actions exposées à l'IA. La prime actuelle sur les actions liées à l'IA — de Nvidia aux fournisseurs de cloud hyperscale en passant par les entreprises de logiciels d'IA — repose sur des attentes de gains de productivité futurs, et non sur des rendements réalisés. Si l'effet d'entonnoir persiste, l'écart entre les dépenses en IA et les résultats commerciaux mesurables pourrait déclencher une réévaluation.

Dara Khosrowshahi, directeur général d'Uber, a récemment révélé que l'entreprise avait épuisé son budget annuel d'IA en un seul trimestre et prévoit de déplacer la majeure partie de son utilisation de l'IA vers des modèles moins coûteux, réservant les outils de pointe à des cas d'usage spécifiques. Une recherche distincte sur les applications juridiques a montré que l'association d'une IA open source à faible coût avec des modèles premium produisait de meilleurs résultats pour une fraction du coût.

« La technologie fonctionne, mais la valeur n'est pas encore arrivée », a écrit Bain dans son rapport.

Anthropic a reconnu l'incertitude dans sa propre analyse. « Rien de tout cela ne garantit qu'une amélioration récursive autonome est à l'horizon », a déclaré l'entreprise. « Il n'est pas encore clair que Claude soit capable d'un jugement de recherche — de choisir les bons problèmes à résoudre. »

Pour les investisseurs qui parient sur des gains de productivité tirés par l'IA, l'attente pourrait être plus longue que ce que le marché intègre actuellement. La technologie progresse plus rapidement que les organisations et les processus nécessaires pour capturer sa valeur.

Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.