Un nouveau rapport de la Fondation Linux a révélé que l'intelligence artificielle accélère la production de code, mais compromet sa qualité.
Selon l'étude, l'IA réduit de 52 % le temps nécessaire pour écrire du code, bien que un quart des demandes d'intégration de modifications (pull requests) générées par cette technologie soient considérées comme de qualité médiocre, un phénomène que les développeurs appellent « déchets d'IA » ou « AI slop ».
Le travail analyse l'impact des outils génératifs sur les communautés de logiciels open source, où les mainteneurs de projets examinent et approuvent les contributions des développeurs.
La proportion de code de faible qualité augmente dans les plus grands projets
La recherche a déterminé que 25 % des demandes d'intégration de modifications reçues sont classées comme de faible qualité. Ce chiffre s'élève à 31 % dans le cas des projets open source de plus grande taille, où le volume de contributions est plus difficile à gérer pour les équipes de maintenance.
59 % des mainteneurs ont indiqué avoir constaté une augmentation des contributions depuis la popularisation des outils d'IA générative. Parmi les grands projets, ce pourcentage atteint 69 %. Cependant, l'augmentation du volume de code ne se traduit pas nécessairement par un logiciel plus utilisable, ce qui met particulièrement sous pression les projets qui dépendent de bénévoles ou de petits groupes de mainteneurs pour évaluer chaque contribution.
Les gains de temps ne se répercutent pas sur la revue du code
Tandis que les développeurs génèrent du code plus rapidement, les mainteneurs doivent vérifier sa qualité et sa sécurité, ce qui implique d'affronter un volume de revues humaines plus élevé qu'auparavant. L'IA a démontré son utilité dans la revue de tâches simples, mais 21 % des personnes interrogées ont affirmé que son utilisation augmente le temps nécessaire pour les tâches plus complexes.
Les rapports générés par l'IA ont également produit des faux positifs et des soumissions en double, ce qui consomme du temps des réviseurs humains. Le concept d'épuisement du développeur, fréquent il y a quelques années, se déplace désormais vers l'épuisement du mainteneur.
S'ajoute à cela une difficulté supplémentaire dans le transfert des responsabilités entre celui qui écrit le code et celui qui le révise. Seuls trois sur cinq des personnes interrogées, soit 61 %, ont affirmé effectuer des revues détaillées et des tests fonctionnels complets avant de soumettre le code, et tous les développeurs n'informent pas les responsables suivants dans la chaîne qu'ils ont utilisé l'IA pour le générer.
Les développeurs consacrent le temps économisé à d'autres tâches
Le rapport documente également des avantages concrets de l'utilisation de l'IA générative dans le développement. En moyenne, la technologie a réduit le temps de rédaction du code de 52 % et le temps consacré aux discussions sur les propositions de 19 %. 66 % des sondés ont utilisé le temps économisé pour traiter la dette technique, 63 % l'ont affecté à la création de nouvelles fonctionnalités et 58 % l'ont investi dans l'apprentissage et l'amélioration des compétences.
Malgré ces avancées, des lacunes en matière de gouvernance persistent. Seuls 35 % des projets open source disposent de politiques formelles autorisant explicitement l'utilisation de l'IA générative, tandis que 32 % n'ont aucune politique à ce sujet et ne prévoient pas d'en développer une. Ce manque de règles génère une incertitude quant à la personne chargée de vérifier le code généré par l'IA avant son envoi.
La confiance au sein des communautés a également été affectée : bien que 71 % des mainteneurs s'accordent à dire que l'IA a abaissé les barrières à l'entrée pour la participation aux projets open source, 53 % ne considèrent pas que la technologie ait amélioré la confiance au sein de leurs communautés. De plus, 46 % des mainteneurs estiment que l'IA générative a accru le besoin de mentorat envers les nouveaux développeurs, contre 32 % qui pensent le contraire.