Dario Amodei estime que l’IA écrira 90 % du code d’ici six mois

Le développement logiciel est en passe de devenir l’un des premiers grands métiers intellectuels profondément remodelés par l’IA générative. Le 14 mars 2025, une déclaration de Dario Amodei, PDG d’Anthropic, nourrit cette perspective : selon lui, l’intelligence artificielle pourrait produire 90 % du code traditionnellement écrit par des développeurs dans un délai de trois à six mois. Une projection qui frappe par sa rapidité, mais qui mérite d’être lue avec précision.

Le code est au cœur des services numériques, des applications mobiles, des sites web, des logiciels de gestion et d’une grande partie des infrastructures des entreprises. Si des modèles capables de comprendre une consigne en langage courant peuvent écrire une part croissante de ce code, les effets peuvent être considérables. Pourtant, écrire des lignes de programme n’est qu’une facette du métier : il faut aussi comprendre un besoin, faire des choix d’architecture, tester, sécuriser, documenter et maintenir un produit dans la durée.

Ce que Dario Amodei prévoit exactement

Dario Amodei dirige Anthropic, l’entreprise à l’origine de Claude, une famille de modèles d’IA générative concurrents de ChatGPT. Dans sa prédiction, le dirigeant ne dit pas que les entreprises n’auront plus besoin de développeurs dans quelques mois. Il avance que les systèmes d’IA pourraient prendre en charge une très grande partie de la production du code qui, jusqu’ici, était rédigé manuellement.

La nuance est importante. Un logiciel ne se résume pas à une quantité de lignes écrites dans un langage informatique. Entre la demande initiale d’un client et la mise en service d’un outil fiable, un projet traverse de nombreuses étapes : clarification du problème, définition des règles métier, choix techniques, intégration avec des systèmes existants, contrôles de sécurité, tests, déploiement et suivi des incidents.

La formule de 90 % est donc une estimation ambitieuse sur la part du travail de rédaction susceptible d’être automatisée, non une mesure détaillée de l’autonomie complète des IA. La déclaration ne précise notamment pas comment cette proportion serait calculée : nombre de lignes de code, nombre de fonctionnalités réalisées, temps de travail économisé ou part des projets réellement livrés.

Pourquoi l’IA progresse si vite en programmation

La programmation est un terrain particulièrement favorable aux modèles de langage. Le code repose sur des règles formelles, des structures répétitives et une abondante documentation technique. Lorsqu’un développeur formule une demande précise, par exemple créer une fonction, corriger une erreur ou transformer un morceau de programme d’un langage à un autre, une IA peut proposer une réponse utilisable en quelques secondes.

Les assistants de code actuels peuvent notamment :

• générer une première version d’une fonction à partir d’une description ;
• expliquer du code existant et aider à comprendre un programme ancien ;
• proposer des tests automatisés ;
• repérer certaines incohérences ou erreurs simples ;
• rédiger de la documentation technique ;
• convertir des instructions entre plusieurs langages de programmation.

Anthropic a placé le code parmi les usages majeurs de ses modèles Claude. Cette orientation s’inscrit dans une compétition intense entre les grandes entreprises d’IA pour proposer des assistants capables de travailler sur des projets de plus en plus complexes, avec plusieurs fichiers, des consignes longues et des outils de test.

Toutefois, un modèle d’IA ne comprend pas un logiciel comme un ingénieur responsable de ses conséquences. Il prédit des séquences de texte et de code à partir de vastes quantités d’exemples. Cette capacité peut être impressionnante, mais elle peut aussi produire une solution plausible qui ne respecte pas une contrainte essentielle, invente une fonction inexistante ou introduit une dépendance inadaptée.

Que signifie vraiment « écrire 90 % du code » ?

Dans de nombreux projets, les développeurs consacrent déjà une part notable de leur temps à des tâches répétitives : créer des formulaires semblables, connecter une application à une base de données, produire des tests ou adapter du code à une nouvelle interface. Ce sont précisément les domaines dans lesquels l’IA peut apporter un gain de vitesse immédiat.

En revanche, les problèmes difficiles ne sont pas toujours des problèmes de syntaxe. Une entreprise peut avoir besoin de décider quelles données elle est autorisée à collecter, quelles personnes peuvent accéder à un dossier, comment son logiciel doit fonctionner lors d’une panne, ou comment relier un nouveau service à un système vieux de plusieurs années. Ces arbitrages dépendent du contexte, des contraintes juridiques, des objectifs commerciaux et de la connaissance du terrain.

L’enjeu ne consiste donc pas seulement à compter les lignes produites par une machine. Une même application peut contenir beaucoup de code standard, facilement générable, et quelques décisions cruciales dont dépend sa fiabilité. Dans cette configuration, l’IA pourrait rédiger une très grande quantité de code tout en laissant aux humains les choix les plus déterminants.

Le métier de développeur va-t-il disparaître ?

La prédiction de Dario Amodei alimente logiquement les inquiétudes sur l’emploi. Mais aucun chiffre sur la part de code générée par l’IA ne permet, à lui seul, de déduire le nombre de postes qui seraient supprimés ou créés. L’adoption dépendra du niveau de confiance accordé aux outils, du coût de leur intégration, de la sensibilité des données manipulées et des exigences propres à chaque secteur.

Le métier peut néanmoins évoluer rapidement. Au lieu de rédiger chaque élément à partir de zéro, un développeur pourrait consacrer davantage de temps à décomposer un problème, donner des instructions précises à l’assistant, évaluer les propositions, corriger les défauts et organiser l’ensemble du logiciel. La capacité à examiner un résultat généré par l’IA deviendrait alors aussi importante que la capacité à l’obtenir.

Cette évolution peut accroître la productivité de petites équipes et permettre à des personnes moins expérimentées de réaliser des prototypes plus vite. Elle peut aussi relever le niveau d’exigence pour les profils techniques : il faudra être capable de distinguer une réponse convaincante d’une solution réellement robuste.

Les risques : erreurs, failles et dépendance aux outils

L’accélération du développement ne doit pas faire oublier les risques. Un modèle génératif peut reproduire des pratiques de programmation dépassées, proposer une méthode qui expose des données sensibles ou ignorer une règle de sécurité spécifique à une entreprise. Dans le domaine logiciel, une erreur discrète peut rester invisible longtemps avant de provoquer une panne ou d’ouvrir une vulnérabilité.

La revue de code, c’est-à-dire l’examen d’un programme par une autre personne, prend donc une importance accrue. Les entreprises devront aussi conserver des procédures de test rigoureuses. Les tests vérifient que le logiciel réagit correctement aux situations prévues, mais aussi aux cas inhabituels : données incomplètes, erreurs de connexion, tentative d’accès non autorisé ou forte affluence d’utilisateurs.

La question de la confidentialité est également centrale. Pour obtenir de l’aide, un salarié peut être tenté de copier dans un assistant d’IA un extrait de code interne, une configuration technique ou des données liées à un client. Les organisations auront besoin de règles claires sur les informations pouvant être transmises à ces services et sur les outils autorisés.

Enfin, la facilité avec laquelle l’IA produit du code pourrait conduire à multiplier les applications et les fonctions sans contrôle suffisant. Un logiciel plus rapide à fabriquer est aussi plus rapide à complexifier. La documentation, la maintenance et la capacité à reprendre la main sans l’assistant restent des exigences concrètes pour toute équipe technique.

Comment les entreprises peuvent se préparer

Face à des outils qui progressent rapidement, la réponse ne consiste pas nécessairement à automatiser tout ce qui peut l’être. Une stratégie prudente consiste à commencer par des usages où le risque est limité : génération de documentation, aide à l’écriture de tests, explication de code ancien ou prototypes internes. Les résultats peuvent ensuite être comparés à ceux obtenus par les méthodes habituelles.

Les équipes ont aussi intérêt à définir qui valide le code généré, à quels contrôles il doit être soumis et dans quels cas une intervention humaine est obligatoire. Ces garde-fous sont particulièrement importants pour les logiciels qui traitent des données personnelles, soutiennent une activité critique ou touchent directement des utilisateurs.

La formation devra enfin évoluer. Les fondamentaux restent indispensables : comprendre les algorithmes, les données, les réseaux, la sécurité et les règles de conception permet précisément de détecter les erreurs que l’IA peut commettre. Savoir interroger un assistant est utile, mais savoir vérifier son travail le sera davantage encore.

Ce qu’il faut surveiller dans les prochains mois

La projection de Dario Amodei fixe un horizon très court : trois à six mois. Il faudra observer non seulement les démonstrations des fournisseurs d’IA, mais surtout les usages réels dans les entreprises. Les indicateurs les plus pertinents seront la qualité du code livré, le temps effectivement gagné, le nombre de défauts détectés après déploiement et la capacité des équipes à maintenir les logiciels ainsi produits.

L’autre question décisive concerne la répartition du travail. Si l’IA rédige une part toujours plus grande du code standard, les développeurs pourraient devenir davantage des concepteurs, des contrôleurs de qualité et des responsables de systèmes complexes. Ce déplacement ne rend pas leur expertise secondaire : il en change le centre de gravité.

La promesse est celle de logiciels créés plus vite. La condition, pour les entreprises comme pour les utilisateurs, sera de ne pas confondre vitesse de génération et fiabilité. À mesure que le code devient plus facile à produire, le jugement humain sur ce qu’il faut construire, vérifier et protéger pourrait devenir la ressource la plus précieuse.