Cette confiance s'effondre dès que le code est livré en production. Le rapport révèle une « déconnexion structurelle », une contradiction directe entre la manière dont le code est noté pendant la revue et son comportement réel face aux charges de production .

• 81 % des dirigeants technologiques d'entreprise signalent une augmentation directe des incidents de production liés au code généré par l'IA .
• 78 % des répondants signalent une augmentation globale des incidents .
• 86 % signalent une augmentation du temps passé par le personnel senior à corriger ce code .
• 74 % déclarent qu'au moins 25 % du code généré par IA nécessite une reprise après déploiement .

Ce schéma porte un nom mis en avant par le rapport : le « codage par intuition » (vibe coding). Cette pratique, qui consiste à générer et à livrer du code en se fiant largement à la confiance, s'est généralisée, et cette confiance non vérifiée provoque une crise en production . On pourrait parler d'un dangereux excès de confiance, un peu comme si l'on validait une recette de cuisine uniquement sur sa photo, sans jamais la goûter.

Au-delà de New Relic : un problème qui se généralise dans l'industrie

New Relic n'est pas la seule à tirer la sonnette d'alarme. D'autres rapports sectoriels de 2026 dressent le même tableau.

• Le rapport « Lightrun's 2026 State of AI-Powered Engineering Report » a révélé que 43 % des modifications de code IA nécessitent un débogage manuel en production, même après avoir passé avec succès les tests d'assurance qualité et de pré-production. Aucun répondant n'a déclaré pouvoir vérifier une correction suggérée par IA en un seul cycle de redéploiement ; 88 % ont eu besoin de deux à trois cycles .
• Le rapport « Faros AI's 2026 Engineering Report » montre que le nombre de bugs par développeur a augmenté de 54 % et que le ratio incidents/PR (demandes de tirage) a plus que triplé. La relation entre l'adoption de l'IA et la qualité en production se dégrade, au lieu de se stabiliser .
• L'enquête « Sonar's 2026 State of Code Developer Survey » indique que l'IA représente déjà 42 % du code livré, un chiffre qui devrait atteindre 65 % d'ici 2027. Pourtant, 96 % des développeurs ne font pas entièrement confiance au code IA, et seulement 48 % le vérifient systématiquement avant de le livrer .
• L'analyse par CodeRabbit de 470 PR open source a montré que les PR générées par l'IA contiennent environ 1,7 fois plus de problèmes, concentrés sur les erreurs de logique, les lacunes de gestion d'erreur et les failles de sécurité. Au 90e centile, les PR d'IA cumulaient 26 problèmes contre 12,3 pour les PR humaines .

Le problème sous-jacent n'est pas que l'IA écrit du mauvais code. C'est que la génération s'effectue à une vitesse 5 à 10 fois supérieure à celle d'un humain, alors que la vérification, elle, reste à une vitesse humaine . Les processus de revue de code, conçus pour une cadence humaine, ne peuvent pas suivre le volume produit par l'IA. Il en résulte un goulet d'étranglement de la vérification qui laisse la non-fiabilité s'infiltrer en production sans être détectée.

La réponse : New Relic AI Coding Observability

Le 8 juin 2026, New Relic s'est directement attaqué à cette déconnexion en annonçant le développement de New Relic AI Coding Observability, une solution d'observabilité open source conçue spécifiquement pour le développement logiciel assisté par IA . La sortie de cette fonctionnalité est prévue pour le 23 juin 2026 et sera disponible sans coût supplémentaire pour les clients de New Relic .

Une couche de télémétrie indépendante des fournisseurs

L'architecture est importante. New Relic a délibérément construit AI Coding Observability sur deux standards ouverts : OpenTelemetry (OTel) et le Model Context Protocol (MCP) . Cela signifie que les équipes ne sont pas enfermées dans le schéma de télémétrie de New Relic ni dans un assistant de codage IA unique. Tout assistant qui expose une télémétrie compatible MCP — GitHub Copilot, Cursor, Claude Code, et d'autres — peut alimenter la même couche d'observabilité . Dans un marché où l'outil de codage dominant en 2027 n'est peut-être pas celui d'aujourd'hui, la neutralité vis-à-vis des fournisseurs est une nécessité pratique.

Trois capacités fondamentales

L'annonce de New Relic décrit trois piliers principaux pour AI Coding Observability :

1. Visibilité — Suivre comment les assistants de codage IA sont utilisés pendant le développement : quels outils, à quelle fréquence et ce qu'ils produisent. L'objectif est de transformer une utilisation fragmentée et non surveillée de l'IA en une pratique d'ingénierie gouvernée et mesurable.
2. Contrôle des coûts — Prédire et contrôler les dépenses de codage IA grâce à des alertes budgétaires. Cela répond directement à un angle mort signalé par les équipes FinOps, qui reçoivent régulièrement des factures mensuelles opaques pour l'utilisation d'outils de codage IA sans en comprendre la valeur générée .
3. Gouvernance — Garder les requêtes et la génération de code sécurisées et auditables, y compris un mode « zéro sortie » qui conserve les données sensibles au sein du réseau de l'organisation .

Relier le développement à la production

Le pari stratégique repose sur la corrélation. AI Coding Observability est conçu pour normaliser la télémétrie entre les différents assistants et la corréler de manière transparente avec l'infrastructure de production existante . L'idée est de créer un tableau de bord unifié où les équipes peuvent retracer une modification générée par l'IA depuis l'IDE jusqu'au déploiement en production, et voir ensuite si cette modification est corrélée à un pic d'incidents quelques heures ou quelques jours plus tard.

Pourquoi cela marque un tournant pour la direction technique

Les DSI et directeurs techniques ont consacré les années 2024-2025 à l'adoption et aux gains de productivité des assistants de codage IA. Les données de New Relic, Lightrun, Faros, Sonar et d'autres montrent clairement que la prochaine phase doit se concentrer sur la vérification, la fiabilité et la responsabilité des coûts.

Le taux de confiance de 94 % lors de la revue de code n'est pas intrinsèquement mauvais — l'IA produit en effet souvent un code propre, lisible et syntaxiquement correct qui passe l'analyse statique. Le mode de défaillance est environnemental : le code généré par IA fonctionne bien dans le bac à sable restreint d'une demande de tirage, mais se brise face à la complexité des données de production, du comportement réel des utilisateurs et des interactions système qu'aucune revue de code ne peut entièrement simuler.

Sans une observabilité couvrant les deux phases, les organisations notent sur une courbe que la production refuse d'honorer. La solution AI Coding Observability de New Relic représente une tentative directe de boucler la boucle, faisant passer l'industrie du « faites confiance à la revue » au « vérifiez en production ».

Cette confiance s'effondre dès que le code est livré en production. Le rapport révèle une « déconnexion structurelle », une contradiction directe entre la manière dont le code est noté pendant la revue et son comportement réel face aux charges de production .

• 81 % des dirigeants technologiques d'entreprise signalent une augmentation directe des incidents de production liés au code généré par l'IA .
• 78 % des répondants signalent une augmentation globale des incidents .
• 86 % signalent une augmentation du temps passé par le personnel senior à corriger ce code .
• 74 % déclarent qu'au moins 25 % du code généré par IA nécessite une reprise après déploiement .

Ce schéma porte un nom mis en avant par le rapport : le « codage par intuition » (vibe coding). Cette pratique, qui consiste à générer et à livrer du code en se fiant largement à la confiance, s'est généralisée, et cette confiance non vérifiée provoque une crise en production . On pourrait parler d'un dangereux excès de confiance, un peu comme si l'on validait une recette de cuisine uniquement sur sa photo, sans jamais la goûter.

Au-delà de New Relic : un problème qui se généralise dans l'industrie

New Relic n'est pas la seule à tirer la sonnette d'alarme. D'autres rapports sectoriels de 2026 dressent le même tableau.

• Le rapport « Lightrun's 2026 State of AI-Powered Engineering Report » a révélé que 43 % des modifications de code IA nécessitent un débogage manuel en production, même après avoir passé avec succès les tests d'assurance qualité et de pré-production. Aucun répondant n'a déclaré pouvoir vérifier une correction suggérée par IA en un seul cycle de redéploiement ; 88 % ont eu besoin de deux à trois cycles .
• Le rapport « Faros AI's 2026 Engineering Report » montre que le nombre de bugs par développeur a augmenté de 54 % et que le ratio incidents/PR (demandes de tirage) a plus que triplé. La relation entre l'adoption de l'IA et la qualité en production se dégrade, au lieu de se stabiliser .
• L'enquête « Sonar's 2026 State of Code Developer Survey » indique que l'IA représente déjà 42 % du code livré, un chiffre qui devrait atteindre 65 % d'ici 2027. Pourtant, 96 % des développeurs ne font pas entièrement confiance au code IA, et seulement 48 % le vérifient systématiquement avant de le livrer .
• L'analyse par CodeRabbit de 470 PR open source a montré que les PR générées par l'IA contiennent environ 1,7 fois plus de problèmes, concentrés sur les erreurs de logique, les lacunes de gestion d'erreur et les failles de sécurité. Au 90e centile, les PR d'IA cumulaient 26 problèmes contre 12,3 pour les PR humaines .

Le problème sous-jacent n'est pas que l'IA écrit du mauvais code. C'est que la génération s'effectue à une vitesse 5 à 10 fois supérieure à celle d'un humain, alors que la vérification, elle, reste à une vitesse humaine . Les processus de revue de code, conçus pour une cadence humaine, ne peuvent pas suivre le volume produit par l'IA. Il en résulte un goulet d'étranglement de la vérification qui laisse la non-fiabilité s'infiltrer en production sans être détectée.

La réponse : New Relic AI Coding Observability

Le 8 juin 2026, New Relic s'est directement attaqué à cette déconnexion en annonçant le développement de New Relic AI Coding Observability, une solution d'observabilité open source conçue spécifiquement pour le développement logiciel assisté par IA . La sortie de cette fonctionnalité est prévue pour le 23 juin 2026 et sera disponible sans coût supplémentaire pour les clients de New Relic .

Une couche de télémétrie indépendante des fournisseurs

L'architecture est importante. New Relic a délibérément construit AI Coding Observability sur deux standards ouverts : OpenTelemetry (OTel) et le Model Context Protocol (MCP) . Cela signifie que les équipes ne sont pas enfermées dans le schéma de télémétrie de New Relic ni dans un assistant de codage IA unique. Tout assistant qui expose une télémétrie compatible MCP — GitHub Copilot, Cursor, Claude Code, et d'autres — peut alimenter la même couche d'observabilité . Dans un marché où l'outil de codage dominant en 2027 n'est peut-être pas celui d'aujourd'hui, la neutralité vis-à-vis des fournisseurs est une nécessité pratique.

Trois capacités fondamentales

L'annonce de New Relic décrit trois piliers principaux pour AI Coding Observability :

1. Visibilité — Suivre comment les assistants de codage IA sont utilisés pendant le développement : quels outils, à quelle fréquence et ce qu'ils produisent. L'objectif est de transformer une utilisation fragmentée et non surveillée de l'IA en une pratique d'ingénierie gouvernée et mesurable.
2. Contrôle des coûts — Prédire et contrôler les dépenses de codage IA grâce à des alertes budgétaires. Cela répond directement à un angle mort signalé par les équipes FinOps, qui reçoivent régulièrement des factures mensuelles opaques pour l'utilisation d'outils de codage IA sans en comprendre la valeur générée .
3. Gouvernance — Garder les requêtes et la génération de code sécurisées et auditables, y compris un mode « zéro sortie » qui conserve les données sensibles au sein du réseau de l'organisation .

Relier le développement à la production

Le pari stratégique repose sur la corrélation. AI Coding Observability est conçu pour normaliser la télémétrie entre les différents assistants et la corréler de manière transparente avec l'infrastructure de production existante . L'idée est de créer un tableau de bord unifié où les équipes peuvent retracer une modification générée par l'IA depuis l'IDE jusqu'au déploiement en production, et voir ensuite si cette modification est corrélée à un pic d'incidents quelques heures ou quelques jours plus tard.

Pourquoi cela marque un tournant pour la direction technique

Les DSI et directeurs techniques ont consacré les années 2024-2025 à l'adoption et aux gains de productivité des assistants de codage IA. Les données de New Relic, Lightrun, Faros, Sonar et d'autres montrent clairement que la prochaine phase doit se concentrer sur la vérification, la fiabilité et la responsabilité des coûts.

Le taux de confiance de 94 % lors de la revue de code n'est pas intrinsèquement mauvais — l'IA produit en effet souvent un code propre, lisible et syntaxiquement correct qui passe l'analyse statique. Le mode de défaillance est environnemental : le code généré par IA fonctionne bien dans le bac à sable restreint d'une demande de tirage, mais se brise face à la complexité des données de production, du comportement réel des utilisateurs et des interactions système qu'aucune revue de code ne peut entièrement simuler.

Sans une observabilité couvrant les deux phases, les organisations notent sur une courbe que la production refuse d'honorer. La solution AI Coding Observability de New Relic représente une tentative directe de boucler la boucle, faisant passer l'industrie du « faites confiance à la revue » au « vérifiez en production ».