Lors d’une prise de parole, le président d’OpenAI a affirmé que les outils d’aide à la programmation basés sur l’intelligence artificielle sont passés d’un rôle d’assistance à une contribution beaucoup plus massive au code produit. Selon ses propos, l’IA générerait aujourd’hui une part de plus en plus importante des développements logiciels, tout en restant encadrée par des validations humaines.

De l’assistance à la production : l’ordre de grandeur avancé

Greg Brockman a expliqué que, sur une période relativement courte, ces outils “agentic” (capables d’effectuer des tâches de manière plus autonome) seraient passés d’environ 20% du code écrit par les équipes à environ 80%. L’idée, telle qu’il la formule, est claire : l’IA ne se limiterait plus à suggérer ou compléter des lignes, mais deviendrait progressivement un acteur central dans la production logicielle.

Il en tire une conséquence pour les fondateurs et les équipes techniques : plutôt que de considérer ces systèmes comme un simple outil d’appoint, il serait préférable de s’y appuyer davantage, car la progression des capacités semble rapide.

Un outil qui s’étend au-delà des développeurs

Dans ce même contexte, Brockman indique que Codex, la plateforme de génération de code d’OpenAI, évoluerait d’un usage initialement orienté vers les ingénieurs à un usage plus large. L’objectif sous-entendu est de permettre à un plus grand nombre de personnes, travaillant avec un ordinateur, de déléguer une partie du travail de codage à l’IA.

La validation humaine demeure un principe

Malgré l’augmentation de la contribution de l’IA, le dirigeant rappelle un point de gouvernance : OpenAI maintient l’exigence qu’un humain reste responsable du code avant fusion. Autrement dit, la montée en puissance de la génération automatisée ne signifierait pas l’abandon du contrôle, mais plutôt un changement de répartition des tâches entre l’assistance algorithmique et la validation humaine.

Il souligne également l’intérêt d’éviter deux extrêmes : utiliser l’IA de façon aveugle, ou à l’inverse la rejeter systématiquement. L’enjeu serait de trouver un équilibre pragmatique, adapté aux risques et à la qualité attendue.

Une tendance plus large dans le secteur

Les déclarations d’OpenAI s’inscrivent dans une dynamique plus générale du secteur. D’après les propos relayés autour de Google, une part importante du nouveau code produit en interne serait désormais générée par IA puis relue par des ingénieurs humains.

La même trajectoire est évoquée chez Meta, avec des objectifs internes visant des volumes élevés de code assisté par IA. De son côté, Anthropic a également formulé des projections allant vers une écriture par IA toujours plus dominante, avec des échéances évoquées à relativement court terme.

• La génération automatisée serait de plus en plus intégrée au flux de travail des équipes.
• La revue humaine resterait un verrou de qualité et de conformité.
• Les outils tendraient à se diffuser au-delà du public strictement développeur.

Que faut-il en retenir ?

Ces chiffres, tels qu’ils sont présentés par plusieurs acteurs, suggèrent surtout un changement de paradigme : la programmation assistée par IA devient une méthode de production à part entière. Reste toutefois la question de l’industrialisation : qualité, maintenabilité, sécurité et cohérence des comportements sont des critères qui ne se résument pas à la seule proportion de lignes générées.

Dans la pratique, les équipes sont donc amenées à adapter leurs processus, leurs standards de revue et leurs tests, afin que la vitesse apportée par l’automatisation ne se traduise pas par une augmentation du risque produit.

Pour les équipes qui souhaitent tester ou approfondir une approche “copilote/assistant de code”, des solutions comme un abonnement à un assistant de développement peuvent servir de point d’entrée, selon les offres disponibles et les contraintes de l’organisation. Côté outillage local, un investissement dans un ordinateur portable orienté développement avec mémoire suffisante peut aussi aider à exécuter des environnements, des tests et des analyses de code plus efficacement.