Voilà le chiffre qui devrait calmer toute promesse de « productivité × 10 grâce à l'IA ». Une étude économique de 2026, menée sur plus de 100 000 développeurs GitHub, mesure ce que les agents IA changent vraiment. Verdict : ils font bondir le code écrit de 180 %, mais les logiciels réellement livrés n'augmentent que de 30 %. L'écart entre les deux n'est pas un détail. C'est toute la différence entre une promesse commerciale et un ROI réel — et la leçon vaut bien au-delà du code.

1. L'étude, et le chiffre qui dérange

Le travail s'intitule « Writing Code vs. Shipping Code », publié comme working paper du NBER en 2026 par Mert Demirer, Leon Musolff et Liyuan Yang (CEPR/VoxEU). Les chercheurs ont suivi plus de 100 000 développeurs avant et après l'adoption de trois générations d'outils IA, de la simple autocomplétion aux agents autonomes.

La progression des commits est spectaculaire et croissante : l'autocomplétion ajoute 40 %, les agents interactifs 140 %, les agents autonomes 180 %. Mais quand on regarde non plus le code écrit mais le logiciel livré, le gain de 180 % fond à 50 % de projets supplémentaires, et à seulement 30 % de releases réelles.

2. L'entonnoir : du commit à la livraison

Entonnoir de productivité issu de l'étude NBER 2026 sur environ 100 000 développeurs GitHub. Avec les agents IA autonomes, les commits, c'est-à-dire le code écrit, augmentent de 180 pour cent. Mais les projets n'augmentent que de 50 pour cent, et les releases, c'est-à-dire le logiciel réellement livré, de seulement 30 pour cent. Le goulot reste humain : relire, intégrer, tester, empaqueter et déployer plafonnent le gain réel, avec une élasticité IA-humain d'environ 0,25.
Plus on descend vers la livraison réelle, plus le gain s'érode

Source : Demirer, Musolff & Yang, « Writing Code vs. Shipping Code », NBER 2026 (via CEPR).

L'entonnoir raconte tout. Le code écrit explose, mais chaque étape vers la mise en production rabote le gain. C'est le signe d'un système où l'on a accéléré un maillon sans toucher aux autres : le travail s'accumule en amont, sans sortir plus vite en aval.

3. Pourquoi le goulot reste humain

Le point à retenir Les auteurs estiment une élasticité de substitution de 0,25 entre IA et travail humain. En clair : l'IA et l'humain sont des compléments forts, pas des substituts. Verser plus d'IA dans le tuyau ne sert presque à rien si la partie humaine — revue, intégration, tests, déploiement — ne suit pas le rythme.

Produire un logiciel n'est pas seulement écrire des lignes. C'est relire le code, l'intégrer au reste, le tester, l'empaqueter, le déployer, gérer les retours. Ces maillons restent largement humains, et ce sont eux qui fixent la cadence réelle. Accélérer l'écriture sans renforcer la suite, c'est élargir l'entrée d'un entonnoir dont la sortie n'a pas bougé.

Cette dynamique rejoint très exactement ce que nous observions dans le cas Ford : automatiser un maillon sans préparer les autres ne crée pas la performance promise, il déplace le problème.

4. Ce que ça change pour votre investissement IA

Pour un dirigeant, la leçon est directement transposable, et bien au-delà du développement logiciel. Toute fonction que vous « augmentez » avec l'IA — rédaction, support, analyse, ventes — suit la même loi : le gain réel n'est pas dans la vitesse de production d'un maillon, mais dans la fluidité de toute la chaîne jusqu'au résultat livré au client.

Trois réflexes en découlent. Mesurer la sortie, pas le volume. Un agent qui produit trois fois plus de brouillons ne crée de la valeur que si trois fois plus de contenus aboutissent réellement. Identifier votre maillon faible avant d'acheter l'outil. Si votre goulot est la validation, accélérer la production ne fera qu'accroître la file d'attente. Renforcer la chaîne en même temps que l'outil. Le ROI vient du système, pas du logiciel isolé.

C'est aussi pour cela qu'une méthode prudente — un workflow à la fois, mesuré jusqu'à la livraison — bat presque toujours le grand déploiement IA tous azimuts.

Questions fréquentes

Que dit l'étude NBER sur la productivité des agents IA de codage ?

Sur plus de 100 000 développeurs GitHub, les agents autonomes augmentent les commits de 180 %, mais les projets de 50 % et les livraisons réelles de seulement 30 %. L'écriture de code accélère bien plus vite que la livraison.

Pourquoi le gain de productivité de l'IA est-il plafonné ?

Parce que relire, intégrer, tester, empaqueter et déployer restent humains. Accélérer la seule écriture ne fait pas avancer l'ensemble. L'élasticité de substitution estimée, 0,25, indique que IA et humain sont des compléments, pas des substituts.

Quelle conséquence pour une entreprise qui investit dans l'IA ?

Le ROI vient de la fluidité de toute la chaîne, pas de l'outil seul. Investir dans un agent sans renforcer revue, tests et déploiement produit surtout du travail en cours qui s'accumule. Le gain se mesure en livraisons, pas en volume.

Conclusion

Cette étude est un antidote utile au discours ambiant. L'IA accélère réellement une partie du travail, ce n'est pas contestable. Mais transformer cette accélération en valeur livrée suppose de regarder le système entier, pas le seul maillon que l'outil rend spectaculaire.

La vraie question n'est donc pas « combien de fois plus vite l'IA produit-elle », mais « qu'est-ce qui, chez nous, empêche ce surplus d'arriver jusqu'au client ». Répondre à celle-là vaut plus que n'importe quel nouvel outil.