Leur critique met en lumière un décalage croissant entre le discours très optimiste de certaines entreprises technologiques et l’expérience de nombreux ingénieurs seniors sur le terrain.

« Du code médiocre » : la question de la qualité

La critique la plus fréquente concerne la fiabilité du code produit par les systèmes d’IA.

Bjarne Stroustrup a averti que ces outils génèrent souvent des résultats de faible qualité qui doivent ensuite être vérifiés et corrigés par des ingénieurs expérimentés. Selon des propos rapportés dans la presse, il a même qualifié une partie du code généré par l’IA de « rubbish code » — autrement dit du code médiocre ou inutilisable.

Le problème n’est pas que l’IA écrive lentement — au contraire. Elle peut produire des milliers de lignes très rapidement. Mais ces lignes ne respectent pas toujours les bonnes pratiques d’architecture logicielle, de sécurité ou de maintenabilité à long terme.

Au final, ce travail revient souvent aux développeurs seniors qui doivent revoir, corriger et maintenir ce code.

Linus Torvalds : l’IA reste un outil

Linus Torvalds, figure emblématique du logiciel libre et créateur de Linux, s’oppose lui aussi à l’idée que l’IA puisse déjà écrire la majorité des logiciels.

Il a expliqué qu’il s’irritait lorsqu’il entend des développeurs affirmer que « 99 % » de leur code serait écrit par l’IA. Selon lui, ces outils peuvent être utiles, mais ils doivent rester des assistants et non des remplaçants des ingénieurs.

Torvalds estime que l’IA peut changer la manière dont les programmeurs travaillent, mais qu’elle ne modifie pas les fondements du développement logiciel : comprendre un système, concevoir une architecture solide et prendre des décisions techniques complexes.

Des gains de productivité plus faibles qu’annoncé

L’auteur et expert Java Vlad Mihalcea met en avant un autre point : même lorsque l’IA produit du code fonctionnel, le gain de productivité net peut rester limité.

La raison est simple : écrire du code ne représente qu’une partie du travail d’un ingénieur logiciel. Il faut aussi :

• vérifier que le programme fonctionne correctement
• corriger les cas limites
• intégrer le code dans un système plus large
• garantir la sécurité et la maintenabilité

Lorsque l’IA fournit une solution « presque correcte », les développeurs doivent passer du temps à la valider et à la corriger. Une partie du temps gagné lors de la génération est donc perdue dans la phase de vérification.

Certaines données confirment cette frustration. Dans l’enquête 2025 de Stack Overflow auprès des développeurs, 66 % déclarent passer plus de temps à corriger du code généré par l’IA qui est presque correct mais pas tout à fait.

D’autres travaux ont même observé que des développeurs expérimentés pouvaient finir certaines tâches environ 19 % plus lentement lorsqu’ils utilisaient des outils d’IA, malgré l’impression subjective d’aller plus vite.

Le discours des entreprises technologiques

Pendant que de nombreux ingénieurs expérimentés soulignent ces limites, plusieurs dirigeants de grandes entreprises mettent plutôt en avant le potentiel transformateur de l’IA.

Les géants technologiques investissent massivement dans les assistants de programmation et l’automatisation. Le PDG de Meta, Mark Zuckerberg, a par exemple déclaré que l’entreprise travaillait sur des systèmes capables d’effectuer un travail comparable à celui d’un ingénieur logiciel de niveau intermédiaire.

Plus largement, plusieurs dirigeants de la tech affirment que l’IA pourrait bientôt écrire une grande partie du code produit dans l’industrie, ce qui alimente les spéculations sur l’automatisation des tâches confiées aujourd’hui aux développeurs juniors.

Amazon, de son côté, investit fortement dans l’intelligence artificielle et estime qu’elle transformera profondément les produits numériques et les expériences utilisateurs, selon son PDG Andy Jassy.

Le vrai désaccord : comment mesurer la productivité

Au fond, le débat ne porte pas tant sur l’utilité de l’IA que sur la manière de mesurer son impact.

Les entreprises mettent souvent en avant la vitesse de production : combien de code peut être généré, ou combien de fonctionnalités peuvent être livrées rapidement.

Les ingénieurs expérimentés évaluent plutôt la productivité sur l’ensemble du cycle de vie du logiciel :

• conception du système
• fiabilité et exactitude
• sécurité
• tests et débogage
• maintenance à long terme

Si l’on inclut tous ces éléments, produire du code rapidement ne signifie pas forcément que le travail global est plus efficace.

Un terrain d’entente probable

La plupart des développeurs expérimentés ne considèrent pas l’IA comme inutile. Beaucoup la voient au contraire comme un assistant puissant pour générer du code répétitif, créer des prototypes ou rédiger de la documentation.

Mais ils rappellent que l’ingénierie logicielle ne se résume pas à écrire des lignes de code. L’architecture, le jugement technique, la compréhension des systèmes et le débogage restent des compétences profondément humaines.

Pour l’instant, le consensus qui émerge chez de nombreux programmeurs expérimentés est clair : l’IA change la façon de programmer, mais elle ne remplace pas les ingénieurs.

Leur critique met en lumière un décalage croissant entre le discours très optimiste de certaines entreprises technologiques et l’expérience de nombreux ingénieurs seniors sur le terrain.

« Du code médiocre » : la question de la qualité

La critique la plus fréquente concerne la fiabilité du code produit par les systèmes d’IA.

Bjarne Stroustrup a averti que ces outils génèrent souvent des résultats de faible qualité qui doivent ensuite être vérifiés et corrigés par des ingénieurs expérimentés. Selon des propos rapportés dans la presse, il a même qualifié une partie du code généré par l’IA de « rubbish code » — autrement dit du code médiocre ou inutilisable.

Le problème n’est pas que l’IA écrive lentement — au contraire. Elle peut produire des milliers de lignes très rapidement. Mais ces lignes ne respectent pas toujours les bonnes pratiques d’architecture logicielle, de sécurité ou de maintenabilité à long terme.

Au final, ce travail revient souvent aux développeurs seniors qui doivent revoir, corriger et maintenir ce code.

Linus Torvalds : l’IA reste un outil

Linus Torvalds, figure emblématique du logiciel libre et créateur de Linux, s’oppose lui aussi à l’idée que l’IA puisse déjà écrire la majorité des logiciels.

Il a expliqué qu’il s’irritait lorsqu’il entend des développeurs affirmer que « 99 % » de leur code serait écrit par l’IA. Selon lui, ces outils peuvent être utiles, mais ils doivent rester des assistants et non des remplaçants des ingénieurs.

Torvalds estime que l’IA peut changer la manière dont les programmeurs travaillent, mais qu’elle ne modifie pas les fondements du développement logiciel : comprendre un système, concevoir une architecture solide et prendre des décisions techniques complexes.

Des gains de productivité plus faibles qu’annoncé

L’auteur et expert Java Vlad Mihalcea met en avant un autre point : même lorsque l’IA produit du code fonctionnel, le gain de productivité net peut rester limité.

La raison est simple : écrire du code ne représente qu’une partie du travail d’un ingénieur logiciel. Il faut aussi :

• vérifier que le programme fonctionne correctement
• corriger les cas limites
• intégrer le code dans un système plus large
• garantir la sécurité et la maintenabilité

Lorsque l’IA fournit une solution « presque correcte », les développeurs doivent passer du temps à la valider et à la corriger. Une partie du temps gagné lors de la génération est donc perdue dans la phase de vérification.

Certaines données confirment cette frustration. Dans l’enquête 2025 de Stack Overflow auprès des développeurs, 66 % déclarent passer plus de temps à corriger du code généré par l’IA qui est presque correct mais pas tout à fait.

D’autres travaux ont même observé que des développeurs expérimentés pouvaient finir certaines tâches environ 19 % plus lentement lorsqu’ils utilisaient des outils d’IA, malgré l’impression subjective d’aller plus vite.

Le discours des entreprises technologiques

Pendant que de nombreux ingénieurs expérimentés soulignent ces limites, plusieurs dirigeants de grandes entreprises mettent plutôt en avant le potentiel transformateur de l’IA.

Les géants technologiques investissent massivement dans les assistants de programmation et l’automatisation. Le PDG de Meta, Mark Zuckerberg, a par exemple déclaré que l’entreprise travaillait sur des systèmes capables d’effectuer un travail comparable à celui d’un ingénieur logiciel de niveau intermédiaire.

Plus largement, plusieurs dirigeants de la tech affirment que l’IA pourrait bientôt écrire une grande partie du code produit dans l’industrie, ce qui alimente les spéculations sur l’automatisation des tâches confiées aujourd’hui aux développeurs juniors.

Amazon, de son côté, investit fortement dans l’intelligence artificielle et estime qu’elle transformera profondément les produits numériques et les expériences utilisateurs, selon son PDG Andy Jassy.

Le vrai désaccord : comment mesurer la productivité

Au fond, le débat ne porte pas tant sur l’utilité de l’IA que sur la manière de mesurer son impact.

Les entreprises mettent souvent en avant la vitesse de production : combien de code peut être généré, ou combien de fonctionnalités peuvent être livrées rapidement.

Les ingénieurs expérimentés évaluent plutôt la productivité sur l’ensemble du cycle de vie du logiciel :

• conception du système
• fiabilité et exactitude
• sécurité
• tests et débogage
• maintenance à long terme

Si l’on inclut tous ces éléments, produire du code rapidement ne signifie pas forcément que le travail global est plus efficace.

Un terrain d’entente probable

La plupart des développeurs expérimentés ne considèrent pas l’IA comme inutile. Beaucoup la voient au contraire comme un assistant puissant pour générer du code répétitif, créer des prototypes ou rédiger de la documentation.

Mais ils rappellent que l’ingénierie logicielle ne se résume pas à écrire des lignes de code. L’architecture, le jugement technique, la compréhension des systèmes et le débogage restent des compétences profondément humaines.

Pour l’instant, le consensus qui émerge chez de nombreux programmeurs expérimentés est clair : l’IA change la façon de programmer, mais elle ne remplace pas les ingénieurs.