Plus d’une revue de code sur cinq sur GitHub est désormais réalisée par un relecteur IA : la revue de code Copilot a dépassé les 60 millions de revues en mars 2026, moins d’un an après sa disponibilité générale (GitHub Blog, 2026). Le volume à relire grimpe lui aussi : les utilisateurs de GitHub ont fusionné en moyenne 43,2 millions de pull requests par mois en 2025, soit 23% de plus sur un an (GitHub Octoverse 2025). La confiance n’a pas suivi : 96% des développeurs ne font pas entièrement confiance au code généré par IA (Sonar State of Code Developer Survey 2026), et 85% des développeurs et acheteurs de technologie interrogés estiment que l’IA a déplacé le goulot d’étranglement de l’écriture du code vers sa relecture (GitLab AI Accountability Report 2026). Nous avons agrégé des données issues du Stack Overflow Developer Survey, de GitHub Octoverse, des recherches DevSecOps de GitLab, du rapport DORA de Google, de Sonar, Qodo, Veracode, CodeRabbit, Faros AI, METR, JetBrains, Atlassian et Gartner. Pour le versant écriture de code, consultez notre panorama associé des statistiques sur la génération de code par IA.
TL;DR
- La revue de code Copilot représente plus d’1 revue de code sur 5 sur GitHub, avec 60 millions de revues réalisées (GitHub Blog, 2026)
- 85% estiment que l’IA a déplacé le goulot d’étranglement de l’écriture du code vers sa relecture et sa validation (GitLab AI Accountability Report 2026)
- 96% des développeurs ne font pas entièrement confiance au code généré par IA, mais seulement 48% le vérifient systématiquement avant de commiter (Sonar State of Code 2026)
- 10,2% des développeurs utilisent surtout l’IA pour commiter et relire du code ; 58,7% n’ont pas l’intention de le faire (Stack Overflow Developer Survey 2025)
- Les équipes à forte adoption de l’IA fusionnent 98% de PR en plus, tandis que le temps de revue des PR augmente de 91% (Faros AI Productivity Paradox Report 2025)
- 81% des développeurs qui utilisent la revue par IA ont constaté des gains de qualité, contre 55% des équipes aussi rapides sans elle (Qodo State of AI Code Quality 2025)
- 45% des échantillons de code générés par IA ont échoué aux tests de sécurité sur plus de 100 LLM (Veracode GenAI Code Security Report 2025)
- Les PR co-écrites avec l’IA comptent 10,83 problèmes par PR contre 6,45 pour les PR uniquement humaines (CodeRabbit State of AI vs Human Code Generation 2025)
- 72,6% des utilisateurs de la revue de code Copilot estiment qu’elle a amélioré leur efficacité (GitHub Octoverse 2025)
- 80% disent que leur organisation a adopté les outils d’IA plus vite qu’elle n’a établi de politiques pour les encadrer (GitLab AI Accountability Report 2026)
- 90% des professionnels de la technologie utilisent désormais l’IA au travail, mais 30% ont peu ou pas confiance dans le code généré par IA (Google DORA 2025)
- 90% des ingénieurs logiciel en entreprise utiliseront des assistants de code IA d’ici 2028, contre moins de 14% début 2024 (Gartner, 2025)
1. L’adoption de l’IA par les développeurs : la base de la revue automatisée
La revue automatisée est une conséquence en aval de l’écriture automatisée. 90% des professionnels de la technologie utilisent désormais l’IA au travail (Google DORA State of AI-assisted Software Development 2025), si bien que presque chaque pull request qui entre dans une file de revue a une certaine probabilité de contenir du code écrit par une machine. Cela change la raison d’être de la revue : ce n’est plus seulement un contrôle entre pairs, c’est le principal point de contrôle pour du code qu’aucun humain n’a entièrement rédigé.
L’adoption est aussi profonde, pas seulement large. Les répondants de Sonar indiquent que 42% du code qu’ils commitent est déjà généré ou assisté par IA, et JetBrains constate que 62% des développeurs s’appuient sur au moins un assistant de code IA, un agent ou un éditeur de code IA. La question pour les responsables d’ingénierie n’est plus de savoir si les équipes utilisent l’IA, mais quelle quantité de code IA non relu leur chaîne de livraison peut absorber.
| Métrique | Valeur | Source |
|---|---|---|
| Professionnels de la technologie utilisant l’IA au travail | 90% (en hausse de 14% par rapport à l’année précédente) | Google DORA State of AI-assisted Software Development 2025 |
| Temps médian passé avec l’IA par jour | 2 heures | Google DORA 2025 |
| Développeurs utilisant ou prévoyant d’utiliser des outils d’IA | 84% (contre 76% en 2024) | Stack Overflow Developer Survey 2025 |
| Développeurs professionnels utilisant des outils d’IA chaque jour | 51% | Stack Overflow Developer Survey 2025 |
| Développeurs qui utilisent régulièrement l’IA pour le code et le développement | 85% | JetBrains State of Developer Ecosystem 2025 |
| Développeurs s’appuyant sur au moins un assistant de code IA, un agent ou un éditeur IA | 62% | JetBrains State of Developer Ecosystem 2025 |
| Développeurs qui ont essayé les outils de code IA et les utilisent désormais chaque jour | 72% | Sonar State of Code Developer Survey 2026 |
| Professionnels DevSecOps utilisant ou prévoyant d’utiliser l’IA dans le SDLC | 97% | GitLab Global DevSecOps Report 2025 |
Note de contexte : ces enquêtes reposent sur des populations différentes (Stack Overflow est ouvert à tous les développeurs, DORA cible les professionnels de la technologie, JetBrains a interrogé 24 534 développeurs dans 194 pays), si bien que les taux d’adoption se lisent mieux comme une fourchette cohérente de 84% à 97% que comme un chiffre unique. La formulation complète des questions figure sur la page des résultats IA de Stack Overflow 2025 et dans le State of Developer Ecosystem 2025 de JetBrains. Des chiffres intersectoriels plus larges figurent dans notre panorama des statistiques d’enquêtes auprès des développeurs.
2. Adoption et échelle de la revue de code par IA
La revue est l’étape du flux de travail où les développeurs hésitent le plus à céder le contrôle, et les données d’enquête le montrent. Seulement 10,2% des développeurs utilisent surtout l’IA pour commiter et relire du code, et 58,7% disent ne pas prévoir de le faire (Stack Overflow Developer Survey 2025). Pourtant, la télémétrie des plateformes raconte une autre histoire : la revue par IA est activée au niveau des organisations et s’exécute sur chaque pull request, que les développeurs l’aient demandée ou non.
Cet écart entre l’intention personnelle et les paramètres par défaut de l’organisation est la caractéristique déterminante de ce marché en 2026. GitHub indique que l’usage de la revue de code Copilot a été multiplié par 10 depuis son lancement et que plus de 12 000 organisations l’exécutent automatiquement sur chaque pull request (GitHub Blog, 60 millions de revues de code Copilot). Les piles multi-outils sont la norme : 91% des organisations de l’enquête 2026 de GitLab utilisent activement au moins deux outils de code IA.
| Métrique | Valeur | Source |
|---|---|---|
| Revues de code Copilot réalisées depuis le lancement d’avril 2025 | 60 millions | GitHub Blog, mars 2026 |
| Part de toutes les revues de code sur GitHub traitées par la revue de code Copilot | Plus d’1 sur 5 | GitHub Blog, mars 2026 |
| Organisations exécutant automatiquement la revue de code Copilot sur chaque PR | 12 000+ | GitHub Blog, mars 2026 |
| Revues de code Copilot qui produisent des retours exploitables | 71% (moyenne de 5,1 commentaires par revue) | GitHub Blog, mars 2026 |
| Utilisateurs de la revue de code Copilot estimant qu’elle a amélioré leur efficacité | 72,6% | GitHub Octoverse 2025 |
| Développeurs qui utilisent surtout / en partie l’IA pour commiter et relire du code | 10,2% / 22,6% | Stack Overflow Developer Survey 2025 |
| Développeurs prévoyant d’utiliser en partie / surtout l’IA pour cette tâche | 31,4% / 16,3% | Stack Overflow Developer Survey 2025 |
| Organisations utilisant activement deux outils de code IA ou plus / trois ou plus | 91% / 54% | GitLab AI Accountability Report 2026 |
Note sur les valeurs atypiques : le taux de 71% de retours exploitables signifie aussi que 29% des revues Copilot ne renvoient aucun commentaire, ce que GitHub présente comme un choix de conception délibéré (le silence quand rien ne cloche) plutôt que comme un échec. La fonctionnalité de revue de code Copilot est devenue généralement disponible le 4 avril 2025, selon GitHub Octoverse 2025. Un précédent plus ancien vient de Google, où un modèle de ML interne pouvait traiter environ 52% des commentaires de relecteurs pour un objectif de précision de 50%, et où les auteurs du code appliquaient 40% à 50% des modifications suggérées qui leur étaient présentées (Google Research, 2023). Données disponibles les plus récentes pour cette étude interne : Google Research, 2023.
3. Confiance et exactitude : l’écart de vérification
La confiance évolue dans le sens inverse de l’usage. 96% des développeurs ne font pas entièrement confiance au fait que le code généré par IA soit fonctionnellement correct, mais seulement 48% le vérifient systématiquement avant de commiter (Sonar State of Code Developer Survey 2026). Cet écart de 48 points entre le doute et la rigueur est précisément l’espace sur lequel se positionnent les outils de revue automatisée : si les humains ne vérifient pas systématiquement les résultats de l’IA, il faut bien qu’autre chose le fasse.
Le schéma se répète dans des échantillons indépendants. Stack Overflow a constaté que les deux tiers des développeurs rencontrent des réponses d’IA presque correctes, mais pas tout à fait, et DORA a constaté que 30% ont peu ou pas confiance dans le code généré par IA, alors que plus de 80% déclarent des gains de productivité. Les développeurs ont fini par traiter l’IA comme un collaborateur rapide mais faillible dont le travail doit être vérifié, ce qui explique aussi pourquoi les répondants de Sonar ont classé la relecture et la validation du code généré par IA comme la compétence la plus importante de l’ère de l’IA.
| Métrique | Valeur | Source |
|---|---|---|
| Développeurs qui ne font pas entièrement confiance au caractère fonctionnellement correct du code généré par IA | 96% | Sonar State of Code Developer Survey 2026 |
| Développeurs qui vérifient toujours le code IA avant de commiter | 48% | Sonar State of Code Developer Survey 2026 |
| Développeurs d’accord pour dire que l’IA produit du code qui semble correct mais n’est pas fiable | 61% | Sonar State of Code Developer Survey 2026 |
| Développeurs qui font très confiance / se méfient activement de l’exactitude des résultats de l’IA | 3,1% / 46% | Stack Overflow Developer Survey 2025 |
| Développeurs frustrés par des solutions d’IA presque correctes, mais pas tout à fait | 66% | Stack Overflow Developer Survey 2025 |
| Professionnels de la technologie ayant peu ou pas confiance dans le code généré par IA | 30% | Google DORA 2025 |
| Répondants qui font confiance à l’IA pour traiter les tâches quotidiennes sans relecture humaine | 37% | GitLab Global DevSecOps Report 2025 |
| Développeurs déclarant à la fois peu d’hallucinations et une grande confiance pour livrer du code IA | 3,8% | Qodo State of AI Code Quality 2025 |
Note de contexte : la synthèse destinée aux dirigeants de Stack Overflow rapporte une confiance dans l’exactitude de l’IA de 29% en 2025, contre 40% en 2024, alors que la page publique des résultats affiche 33% en combinant ceux qui ont plutôt confiance et ceux qui ont très confiance ; la différence tient à la façon dont les réponses sont regroupées, et les deux chiffres indiquent un recul (Stack Overflow 2025 survey for leaders). Qodo ajoute que 25% des développeurs estiment qu’une suggestion d’IA sur cinq contient des erreurs factuelles ou du code trompeur, et que les développeurs qui constatent moins d’hallucinations ont 2,5 fois plus de chances de fusionner du code sans le relire (24% contre 9%).
4. Productivité et goulot d’étranglement de la revue
Le moyen le plus rapide de comprendre pourquoi la revue par IA se développe est de regarder où est passé le temps. Les équipes à forte adoption de l’IA fusionnent 98% de pull requests en plus, tandis que le temps de revue des PR augmente de 91% (Faros AI, The AI Productivity Paradox Research Report 2025). Écrire est devenu moins cher ; lire non. Faros a aussi constaté une hausse de 154% de la taille moyenne des PR : les relecteurs font donc face à davantage de pull requests, et à des pull requests plus volumineuses.
Les données autodéclarées vont dans le même sens. L’enquête 2026 de GitLab montre que 78% des répondants disent que les développeurs écrivent et commitent du code plus vite, et que 85% estiment que l’IA a déplacé le goulot d’étranglement vers la relecture et la validation. Une étude contrôlée de METR invite à la prudence sur la perception : des développeurs open source expérimentés ont mis 19% de temps en plus pour traiter des tickets avec des outils d’IA, alors qu’ils continuaient à croire ensuite que l’IA les avait rendus 20% plus rapides (METR, juillet 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Variation des PR fusionnées dans les équipes à forte adoption de l’IA | +98% | Faros AI Productivity Paradox Report 2025 |
| Variation du temps de revue des PR dans les équipes à forte adoption de l’IA | +91% | Faros AI Productivity Paradox Report 2025 |
| Variation de la taille moyenne des PR | +154% | Faros AI Productivity Paradox Report 2025 |
| Variation des tâches terminées par développeur | +21% | Faros AI Productivity Paradox Report 2025 |
| Variation des pull requests traitées par développeur et par jour | +47% | Faros AI Productivity Paradox Report 2025 |
| Développeurs affirmant que relire du code IA demande plus d’effort que relire le code de collègues | 38% | Sonar State of Code Developer Survey 2026 |
| Pull requests fusionnées sur GitHub par mois (moyenne 2025) | 43,2 millions (+23% sur un an) | GitHub Octoverse 2025 |
| Variation du temps d’exécution des tâches avec des outils d’IA dans un essai randomisé (16 développeurs, 246 tickets) | +19% plus lent | METR, 2025 |
Note de contexte : Faros n’a trouvé aucune corrélation significative entre l’adoption de l’IA et les métriques DORA au niveau de l’entreprise, ce qui signifie que les gains individuels se sont évaporés avant d’atteindre les résultats de livraison. Le State of Developer Experience 2025 d’Atlassian (3 500 développeurs et managers) montre la même compensation : 68% gagnent plus de 10 heures par semaine grâce à l’IA, tandis que 50% perdent plus de 10 heures par semaine à cause des frictions organisationnelles (Atlassian, 2025). La revue automatisée est l’un des rares leviers qui visent l’étape où le temps s’accumule réellement.
5. Qualité du code et résultats en matière de sécurité
Les données de qualité se divisent nettement en deux histoires. Le code écrit par IA, sans relecture, présente mesurablement plus de défauts. Les pull requests co-écrites avec l’IA comptaient en moyenne 10,83 problèmes par PR contre 6,45 pour les PR uniquement humaines, soit environ 1,7 fois plus (CodeRabbit, State of AI vs Human Code Generation Report 2025), et Veracode a constaté que 45% des échantillons de code générés par IA échouaient aux tests de sécurité et introduisaient des vulnérabilités de l’OWASP Top 10.
La seconde histoire est que la présence d’une revue dans la boucle change le résultat. Qodo a constaté que 81% des développeurs utilisant la revue de code par IA ont signalé des améliorations de qualité, contre 55% des équipes aussi rapides sans elle, et que les adoptants de la revue par IA ont vu des gains de qualité même quand la productivité restait stable (36% contre 17%). Lus ensemble, ces chiffres montrent que le risque se situe dans le code IA non relu, pas dans le code IA en tant que tel. Les lecteurs qui suivent le paysage plus large des menaces peuvent comparer ces chiffres avec nos statistiques de cybersécurité.
| Métrique | Valeur | Source |
|---|---|---|
| Échantillons de code générés par IA ayant échoué aux tests de sécurité (100+ LLM) | 45% | Veracode GenAI Code Security Report 2025 |
| Taux d’échec de sécurité par langage : Java / C# / JavaScript / Python | 72% / 45% / 43% / 38% | Veracode GenAI Code Security Report 2025 |
| Échantillons où l’IA n’a pas su se défendre contre le cross-site scripting (CWE-80) | 86% | Veracode GenAI Code Security Report 2025 |
| Problèmes par PR : co-écrite avec l’IA contre uniquement humaine (470 PR open source) | 10,83 contre 6,45 | CodeRabbit State of AI vs Human Code Generation 2025 |
| Problèmes de sécurité dans les PR co-écrites avec l’IA contre les PR uniquement humaines | Jusqu’à 2,74 fois plus élevés | CodeRabbit State of AI vs Human Code Generation 2025 |
| Améliorations de qualité avec revue par IA contre sans (parmi les équipes rapides) | 81% contre 55% | Qodo State of AI Code Quality 2025 |
| Répondants signalant une influence positive de l’IA sur la qualité du code | 59% | Google DORA 2025 |
| Dépôts avec des alertes CodeQL pour contrôle d’accès défaillant | 151 000+ (+172% sur un an) | GitHub Octoverse 2025 |
Note de contexte : Veracode indique que des modèles plus grands et plus récents n’ont pas produit un code plus sûr, si bien que les mises à niveau de modèles ne remplacent pas la revue. Du côté positif, GitHub Octoverse 2025 rapporte que les délais de correction des vulnérabilités se sont améliorés de 30% sur l’année écoulée et que 26% de dépôts en moins ont reçu des alertes critiques. Faros ajoute une hausse de 9% des bugs par développeur dans les équipes à forte adoption de l’IA. Le résumé du rapport Veracode détaille toute la méthodologie.
6. Gouvernance, défis en entreprise et suite
Les entreprises ont acheté des outils de code IA plus vite qu’elles n’ont écrit de règles pour les encadrer. 80% des répondants disent que leur organisation a adopté les outils d’IA plus vite qu’elle n’a élaboré de politiques pour les gouverner, et 92% signalent une forme de difficulté de gouvernance liée au code généré par IA (GitLab AI Accountability Report 2026). La prochaine phase de la revue automatisée porte donc moins sur la détection de coquilles que sur la provenance : savoir quel code vient d’un modèle, quel outil l’a produit et qui l’a approuvé.
Les chiffres de traçabilité sont les plus préoccupants. 87% se disent certains de pouvoir déterminer en 24 heures si du code généré par IA a contribué à un incident de production, mais 34% des organisations qui ont réellement connu un incident l’an dernier n’ont pas pu le déterminer. Pendant ce temps, la part du code écrit par IA continue d’augmenter, ce qui signifie que le problème de gouvernance s’aggrave à chaque trimestre. Nos statistiques sur l’adoption de l’IA en entreprise couvrent le même schéma de retard des politiques en dehors des équipes logicielles.
| Métrique | Valeur | Source |
|---|---|---|
| Organisations adoptant l’IA plus vite que les politiques de gouvernance / signalant une difficulté de gouvernance | 80% / 92% | GitLab AI Accountability Report 2026 |
| Répondants qui ne peuvent pas distinguer de façon fiable le code généré par IA du code écrit par des humains | 43% | GitLab AI Accountability Report 2026 |
| Répondants estimant que le code IA risque de créer une nouvelle forme de dette technique | 82% | GitLab AI Accountability Report 2026 |
| Répondants estimant que l’IA accroît la complexité de la gestion de la conformité | 70% | GitLab Global DevSecOps Report 2025 |
| Répondants découvrant plus de problèmes de conformité après le déploiement que pendant le développement | 76% | GitLab Global DevSecOps Report 2025 |
| Code commité généré ou assisté par IA : aujourd’hui contre attendu d’ici 2027 | 42% contre 65% | Sonar State of Code Developer Survey 2026 |
| Ingénieurs logiciel en entreprise utilisant des assistants de code IA : début 2024 contre prévision 2028 | Moins de 14% contre 90% | Gartner Top Strategic Trends in Software Engineering 2025 |
Note de contexte : le résultat de 76% sur la conformité après déploiement, tiré du rapport DevSecOps 2025 de GitLab (3 266 professionnels, enquête menée par The Harris Poll), est un argument direct pour déplacer les contrôles vers l’étape de revue (communiqué de presse GitLab, novembre 2025). La prévision de Gartner est rapportée ici via la couverture par DevOps Digest du communiqué Gartner de juillet 2025 ; le même communiqué prévoit qu’au moins 55% des équipes d’ingénierie logicielle développeront des fonctionnalités basées sur des LLM d’ici 2027. Côté retour sur investissement, 60% des répondants de GitLab en 2026 disent que le ROI du code assisté par IA a dépassé les attentes : la pression vise donc à gouverner le code IA, pas à y renoncer.
Résumé : la revue de code par IA en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Part des revues de code GitHub traitées par la revue de code Copilot | Plus d’1 sur 5 | GitHub Blog, 2026 |
| Revues de code Copilot réalisées | 60 millions | GitHub Blog, 2026 |
| Organisations exécutant la revue par IA sur chaque PR (Copilot) | 12 000+ | GitHub Blog, 2026 |
| Utilisateurs de la revue de code Copilot signalant une meilleure efficacité | 72,6% | GitHub Octoverse 2025 |
| Développeurs utilisant surtout l’IA pour commiter et relire du code | 10,2% | Stack Overflow Developer Survey 2025 |
| Développeurs sans intention d’utiliser l’IA pour commiter et relire du code | 58,7% | Stack Overflow Developer Survey 2025 |
| Professionnels de la technologie utilisant l’IA au travail | 90% | Google DORA 2025 |
| Développeurs qui ne font pas entièrement confiance au code généré par IA | 96% | Sonar State of Code 2026 |
| Développeurs qui vérifient toujours le code IA avant de commiter | 48% | Sonar State of Code 2026 |
| Développeurs qui se méfient activement de l’exactitude des résultats de l’IA | 46% | Stack Overflow Developer Survey 2025 |
| L’IA a déplacé le goulot d’étranglement de l’écriture vers la relecture du code | 85% d’accord | GitLab AI Accountability Report 2026 |
| Variation du temps de revue des PR dans les équipes à forte adoption de l’IA | +91% | Faros AI 2025 |
| Variation des PR fusionnées dans les équipes à forte adoption de l’IA | +98% | Faros AI 2025 |
| Améliorations de qualité avec revue par IA contre sans | 81% contre 55% | Qodo State of AI Code Quality 2025 |
| Échantillons de code générés par IA échouant aux tests de sécurité | 45% | Veracode GenAI Code Security Report 2025 |
| Problèmes par PR, co-écrite avec l’IA contre uniquement humaine | 10,83 contre 6,45 | CodeRabbit 2025 |
| Organisations adoptant l’IA plus vite que les politiques de gouvernance | 80% | GitLab AI Accountability Report 2026 |
| Professionnels de la technologie ayant peu ou pas confiance dans le code généré par IA | 30% | Google DORA 2025 |
| Part de l’IA dans le code commité, aujourd’hui contre attente pour 2027 | 42% contre 65% | Sonar State of Code 2026 |
| Ingénieurs en entreprise utilisant des assistants de code IA d’ici 2028 | 90% (prévision) | Gartner, 2025 |
Méthodologie et sources
- Stack Overflow Developer Survey 2025, section IA : adoption, confiance, frustrations et usage de l’IA pour commiter et relire du code (33 662 répondants ont répondu aux questions sur l’usage de l’IA).
- Stack Overflow 2025 Developer Survey for Leaders, adoption de l’IA : comparaison de la confiance d’une année sur l’autre (2024 contre 2025).
- GitHub Octoverse 2025 : efficacité de la revue de code Copilot, volumes de PR et de commits, données CodeQL et délais de correction des vulnérabilités.
- GitHub Blog, 60 millions de revues de code Copilot et ça continue (mars 2026) : volume de revues, part des revues GitHub, nombre d’organisations, taux de retours exploitables.
- Communiqué de presse du GitLab AI Accountability Report 2026 : The Harris Poll, 1 528 développeurs et acheteurs de technologie dans six pays, publié le 23 juin 2026.
- Communiqué de presse du GitLab Global DevSecOps Report 2025 : The Harris Poll, 3 266 professionnels DevSecOps, publié le 10 novembre 2025.
- Google Cloud, Announcing the 2025 DORA Report et synthèse DORA 2025 du Google Blog : près de 5 000 professionnels de la technologie et plus de 100 heures de données qualitatives.
- Sonar State of Code Developer Survey 2026 et analyse de Sonar sur l’écart de confiance envers l’IA : plus de 1 100 développeurs professionnels, publié en janvier 2026.
- Qodo State of AI Code Quality 2025 : 609 développeurs de différentes tailles d’entreprise et régions.
- Veracode 2025 GenAI Code Security Report : plus de 100 LLM testés en Java, Python, C# et JavaScript, publié le 30 juillet 2025.
- CodeRabbit State of AI vs Human Code Generation Report : 470 PR open source (320 co-écrites avec l’IA, 150 uniquement humaines), publié le 17 décembre 2025.
- Faros AI, The AI Productivity Paradox Research Report : télémétrie de plus de 10 000 développeurs répartis dans 1 255 équipes, publié en juillet 2025.
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity : essai contrôlé randomisé, 16 développeurs, 246 tickets.
- JetBrains State of Developer Ecosystem 2025 : 24 534 développeurs dans 194 pays, interrogés d’avril à juin 2025.
- Atlassian State of Developer Experience 2025 : 3 500 développeurs et managers dans six pays.
- Google Research, Resolving code review comments with ML (2023) : modifications suggérées par un modèle de ML interne pour les commentaires de relecteurs.
- Gartner Top Strategic Trends in Software Engineering 2025, via DevOps Digest : le communiqué original de Gartner n’était pas accessible publiquement ; les chiffres sont cités tels que rapportés.
- Zhong et al., From Human-Centric to Agentic Code Review (arXiv, juillet 2026) : analyse de 1,02 million de PR relues issues de 207 projets GitHub, montrant que les revues impliquant des agents sont associées à des décisions plus rapides, mais pas à une meilleure qualité de revue ; utilisé uniquement comme contexte qualitatif.
- Note sur les données : les recherches menées par des éditeurs (GitHub, Sonar, Qodo, CodeRabbit, Faros AI) émanent d’entreprises qui vendent des outils de code ou de revue par IA ; leur cadrage doit donc être pris avec prudence, même lorsque la méthodologie est divulguée. L’échantillon de 470 PR de CodeRabbit et l’essai de METR portant sur 16 développeurs sont de petite taille ; leur orientation concorde avec celle d’enquêtes plus vastes, mais les multiplicateurs exacts ne doivent pas être généralisés. Stack Overflow publie deux chiffres de confiance pour 2025 (29% dans sa synthèse pour dirigeants, 33% sur la page des résultats) en raison de regroupements de réponses différents. Les données de Google sur la revue de code par ML datent de 2023 (données disponibles les plus récentes pour cette étude interne). Nous avons exclu les estimations de taille de marché des outils de revue de code par IA, faute de pouvoir les recouper entre deux cabinets dont la méthodologie est divulguée. Nouvelles données attendues : le Stack Overflow Developer Survey 2026, GitHub Octoverse 2026 et le rapport DORA 2026.
Dernière mise à jour : 3 octobre 2026. Nous actualisons ce panorama chaque trimestre, et la prochaine révision est attendue lorsque GitHub publiera Octoverse 2026.