Google : plus d’un quart du nouveau code est généré par l’IA

Le développement logiciel entre dans une phase où l’intelligence artificielle ne se contente plus de suggérer quelques lignes dans l’éditeur de texte. Chez Google, elle participe désormais à une part significative de la production interne. Lors de la présentation des résultats trimestriels d’Alphabet, le 29 octobre 2024, son directeur général Sundar Pichai a déclaré que plus de 25 % du nouveau code de l’entreprise était généré par l’IA, avant d’être revu et accepté par des ingénieurs.

Le chiffre est marquant, mais il mérite d’être lu avec précision. Il ne signifie ni que Google a automatisé un quart de tous les métiers de l’ingénierie, ni que des logiciels sont mis en service sans intervention humaine. Il décrit la part de nouveau code pour laquelle l’IA a joué un rôle de production, dans un processus qui conserve une validation par des personnes. À l’échelle d’un groupe qui développe un très grand nombre de services et d’outils, cette annonce donne surtout la mesure de la rapidité avec laquelle les assistants de programmation sont devenus des instruments de travail quotidiens.

Plus de 25 % du nouveau code, une annonce à interpréter précisément

Sundar Pichai a fait cette déclaration dans le cadre des résultats du troisième trimestre 2024 d’Alphabet, maison mère de Google. La formulation compte : il est question de nouveau code généré par l’IA, puis « revu et accepté » par des ingénieurs. Google ne communique pas, à cette occasion, le pourcentage exact au-delà du seuil de 25 %, le nombre de développeurs concernés, ni la répartition entre ses différents produits et équipes.

Cette transparence partielle impose de ne pas tirer de conclusions hâtives. Un même projet logiciel comporte par exemple de nombreuses tâches : comprendre un besoin, imaginer une architecture, écrire du code, relire celui des collègues, tester les comportements attendus, traiter des incidents et décider des évolutions du produit. Le chiffre de Google porte sur la génération de code, pas sur toutes ces activités.

La distinction est essentielle pour comprendre l’annonce. Une suggestion de l’IA peut être une fonction entière, une série de tests, une correction localisée ou une ébauche que l’ingénieur modifie ensuite en profondeur. Ces situations n’ont ni la même valeur technique ni le même impact sur le temps de travail.

Comment l’IA générative aide-t-elle à écrire du code ?

Les assistants de programmation reposent sur des modèles capables d’analyser une instruction en langage naturel, le contexte d’un fichier ou les éléments déjà écrits dans un projet. Ils peuvent proposer la suite d’une fonction, générer une structure de programme, expliquer un fragment complexe ou produire une première version d’un test. L’objectif n’est pas nécessairement d’écrire tout un logiciel en une demande, mais d’accélérer les étapes répétitives et de réduire le temps passé à partir d’une page blanche.

Pour un développeur, le bénéfice potentiel tient souvent à la vitesse de démarrage. Une tâche courante, comme créer une fonction à partir de règles déjà définies, peut être amorcée en quelques secondes. L’ingénieur garde cependant la responsabilité de vérifier que la proposition répond réellement au besoin, fonctionne avec le reste du logiciel et ne crée pas d’effet indésirable.

Cette dernière étape ne relève pas du détail administratif. Le code informatique est exécuté dans un environnement concret, avec des données, des utilisateurs, des contraintes de sécurité et des dépendances techniques. Une réponse qui semble convaincante dans une fenêtre de discussion peut contenir une erreur de logique, mal interpréter une règle métier ou suggérer une solution inadaptée au contexte précis d’un produit. La capacité à produire rapidement du texte informatique ne dispense donc pas de l’expertise nécessaire pour l’évaluer.

Google présente ainsi l’IA comme un moyen d’augmenter les capacités de ses ingénieurs, plutôt que comme un substitut annoncé à leur jugement. Cette approche correspond à la promesse généralement associée à ces outils : libérer du temps sur certaines tâches de rédaction afin de le consacrer à la conception, à la résolution de problèmes plus complexes et à l’amélioration des fonctionnalités.

La validation humaine reste le point de contrôle central

Le passage le plus important de l’annonce de Sundar Pichai est peut-être le moins spectaculaire : le code généré par l’IA est revu et accepté par des ingénieurs. Dans le développement logiciel, une ligne de code n’a de valeur que si elle s’intègre correctement dans un ensemble. La revue humaine permet de contrôler l’intention derrière une proposition, sa lisibilité, sa maintenance future et son adéquation avec les exigences du projet.

Ce contrôle est aussi une question de responsabilité. Lorsqu’un service rencontre une panne, expose une donnée ou produit un résultat erroné, ce n’est pas l’assistant qui prend les décisions de correction ou qui rend des comptes. Les équipes de développement doivent pouvoir comprendre le code intégré, le modifier et en assumer les conséquences. Plus l’IA intervient dans la rédaction, plus la qualité de cette relecture devient déterminante.

L’enjeu ne consiste donc pas seulement à produire davantage de code. Un volume plus élevé de suggestions peut être utile si les équipes disposent du temps, des compétences et des méthodes nécessaires pour les évaluer. À l’inverse, accepter trop vite une proposition simplement parce qu’elle est bien formulée créerait un risque de dette technique : un code difficile à comprendre ou à faire évoluer plus tard.

Google n’a pas détaillé publiquement les mécanismes internes appliqués à chaque suggestion d’IA. Il serait donc abusif d’en déduire un protocole uniforme pour l’ensemble de ses produits. La donnée connue est plus simple et plus solide : l’entreprise affirme maintenir une étape d’examen et d’acceptation par ses ingénieurs.

Une course industrielle qui dépasse Google

L’annonce s’inscrit dans un mouvement plus vaste parmi les grands groupes technologiques américains. Meta, Amazon et Microsoft voient eux aussi dans l’IA générative un levier pour transformer la manière de concevoir des logiciels et, plus largement, pour renforcer leurs offres destinées aux entreprises et aux développeurs.

Microsoft dispose à ce titre d’un acteur particulièrement visible : GitHub, la plateforme de partage et de gestion de code. Son assistant GitHub Copilot vise à accompagner les programmeurs pendant l’écriture et l’évolution de leurs projets. En octobre 2024, GitHub a fait évoluer son offre afin que Copilot puisse notamment s’appuyer sur plusieurs modèles, dont Claude 3.5, o1-preview et Gemini 1.5 Pro.

GitHub a également présenté Spark, un outil conçu pour créer des micro-applications à partir d’instructions formulées en langage naturel. L’idée est d’abaisser une partie de la barrière technique entre une intention et un premier prototype fonctionnel. Ces outils ne recouvrent toutefois pas exactement le même usage : Copilot assiste principalement le travail de programmation, tandis que Spark se focalise sur la création plus intuitive de petites applications.

Cette dynamique élargit l’accès à certaines étapes de la création logicielle, mais elle ne rend pas les questions techniques secondaires. Une application, même obtenue rapidement à partir d’une consigne, doit toujours être pensée, vérifiée et maintenue. Plus l’interface de création devient simple, plus il faut savoir distinguer un prototype convaincant d’un outil prêt pour un usage réel.

Les résultats d’Alphabet éclairent l’investissement dans l’IA

L’essor de l’IA dans les processus internes de Google intervient alors qu’Alphabet affiche une croissance soutenue. Pour le troisième trimestre 2024, le groupe a publié un chiffre d’affaires de 88,3 milliards de dollars. Les activités de Google, incluant notamment la publicité, ont représenté 76,5 milliards de dollars. De son côté, Google Cloud a atteint 11,4 milliards de dollars de revenus.

Il serait imprudent d’attribuer directement ces résultats financiers à la génération de code par IA. Les chiffres décrivent des activités économiques très différentes, dominées par les services de Google et la publicité. Ils montrent néanmoins le contexte dans lequel le groupe déploie ses outils : Alphabet possède les ressources financières et l’infrastructure nécessaires pour investir simultanément dans ses modèles, ses services cloud et ses usages internes.

Pour Google Cloud, l’enjeu est double. L’entreprise cherche à proposer des capacités d’IA à ses clients, mais aussi à démontrer que ces technologies peuvent améliorer ses propres opérations. L’usage interne du code généré par IA devient alors un signal stratégique : Google veut se placer à la fois comme fournisseur d’outils d’intelligence artificielle et comme utilisateur de ces mêmes outils à grande échelle.

Ce que cela change pour le métier de développeur

La progression de l’IA de codage ne réduit pas le métier de développeur à la simple rédaction de lignes de programme. Elle en déplace plutôt le centre de gravité. Lorsque l’outil prend en charge une première ébauche, l’ingénieur peut davantage se concentrer sur la formulation du problème, la cohérence de la solution, les compromis techniques et la vérification du résultat.

Cette évolution réclame de nouvelles habitudes. Il faut apprendre à donner un contexte suffisamment clair à l’assistant, à repérer ses erreurs, à ne pas confondre rapidité de production et qualité, et à conserver une compréhension complète du logiciel. Savoir utiliser l’IA peut devenir un avantage, mais savoir la contredire lorsqu’elle se trompe reste tout aussi important.

La formation joue donc un rôle majeur. La publication d’origine évoque l’investissement de 50 millions de dollars annoncé par Salesforce pour former une nouvelle génération d’experts de l’IA. Au-delà d’un acteur particulier, le signal est clair : l’adoption de ces outils pose une question de compétences. Les entreprises devront accompagner les équipes, tandis que les formations devront articuler les fondamentaux de l’informatique avec l’usage critique d’assistants génératifs.

Ce qu’il faut surveiller

Le chiffre annoncé par Google est appelé à nourrir le débat sur la place de l’IA dans le travail qualifié. La première question à suivre sera celle de la mesure : d’autres entreprises publieront-elles une part comparable de code généré, et préciseront-elles comment ce chiffre est calculé ? Sans méthode commune, les comparaisons entre groupes resteront délicates.

La deuxième concerne la qualité. À mesure que les assistants sont utilisés plus souvent, les organisations devront maintenir des contrôles adaptés afin que la vitesse ne prenne pas le pas sur la fiabilité, la sécurité et la capacité à faire évoluer les logiciels. La validation humaine annoncée par Google est, de ce point de vue, un principe central.

Enfin, l’enjeu est aussi social et organisationnel. Les développeurs les plus expérimentés pourraient consacrer davantage de temps à la conception et à la revue, tandis que les débutants devront apprendre à ne pas dépendre aveuglément de propositions toutes faites. L’IA générative transforme déjà la production de code. La manière dont les entreprises encadreront cette transformation déterminera si elle devient un véritable gain de capacité ou une nouvelle source de fragilité technique.