Une accélération de 55 %, puis un ralentissement de 19 %
En 2022, GitHub a recruté 95 développeurs professionnels et les a répartis au hasard entre deux groupes. Leur tâche consistait à écrire un serveur HTTP en JavaScript. Le groupe avec Copilot a terminé en moyenne en 1 heure 11 minutes, contre 2 heures 41 minutes sans l’outil, soit 55 % plus vite selon GitHub. Le taux d’achèvement atteignait 78 % avec Copilot et 70 % sans lui. La tâche était commune à tous, encadrée par les mêmes instructions et évaluée automatiquement. En 2025, METR a étudié 16 développeurs expérimentés sur 246 tâches réelles provenant de grands projets libres qu’ils connaissaient depuis plusieurs années. Cette fois, l’accès aux outils d’IA a allongé le temps de réalisation de 19 %. Avant l’étude, les participants prévoyaient un gain de 24 %. Après coup, ils croyaient encore avoir gagné 20 %. Ces résultats ne s’annulent pas : ils mesurent des personnes, des tâches, des outils et des contextes différents.
Le contexte de la tâche change ce que signifie être rapide
Une tâche courte et bien définie récompense la production immédiate. Le résultat attendu est clair, les critères peuvent être automatisés et l’utilisateur n’a pas à comprendre des années de décisions accumulées. Dans un dépôt mature, le code n’est qu’une partie du travail. Il faut retrouver l’intention derrière une fonction, respecter des conventions locales, anticiper les effets secondaires et choisir une solution que l’équipe pourra maintenir. Une réponse plausible peut donc déplacer le travail plutôt que l’éliminer. Le même mécanisme existe hors programmation. Rédiger dix descriptions de produits est différent de corriger un avis juridique, même si les deux sorties sont du texte. Classer des reçus réguliers diffère d’enquêter sur une facture inhabituelle. Notre interprétation est que la productivité d’un outil d’IA dépend moins de sa vitesse de génération que de la proportion du travail qui peut être vérifiée vite et sans ambiguïté. Les études citées appuient ce besoin de contexte, mais elles ne mesurent pas tous les métiers.
Le vrai calcul commence après la première réponse
Une mesure utile additionne au moins quatre blocs : préparation de la demande, génération, vérification et reprise. Prenons un exemple hypothétique. Une tâche exige normalement 10 heures. Avec l’IA, le premier brouillon arrive en 4 heures, mais la vérification en prend 5 et les corrections, 3. Le total atteint 12 heures : la génération semble 60 % plus rapide, alors que le processus complet est 20 % plus lent. Si la vérification tombe à 2 heures et les corrections à 1 heure, le total descend à 7 heures, soit un gain réel de 30 %. Ce calcul doit aussi inclure les erreurs qui échappent au premier contrôle. Une correction faite plus tard par un collègue, un retour du client ou une donnée à restaurer appartient au coût du système. Le NIST recommande justement de documenter les bénéfices attendus, les coûts monétaires et non monétaires liés aux erreurs, ainsi que les processus de surveillance humaine. Un tableau de bord qui compte seulement les minutes avant le brouillon favorise donc la mauvaise étape.
Mesurer le résultat acceptable, pas l’impression de vitesse
Une petite organisation peut tester un outil sans laboratoire complexe. Choisissez vingt tâches représentatives, dont quelques cas ambigus et quelques cas à risque. Pour chacune, mesurez le temps jusqu’à un résultat réellement acceptable : préparation, production, vérification, correction et intégration. Alternez des tâches avec et sans IA lorsque c’est possible, puis utilisez les mêmes critères de qualité. Notez aussi les reprises dans les sept jours suivants. Cette méthode ne produit pas une vérité universelle, mais elle révèle où le temps se déplace. Il faut résister aux sondages fondés seulement sur le ressenti. Dans l’étude de METR, les développeurs se croyaient plus rapides malgré le ralentissement observé. Cela ne signifie pas que leur perception ne vaut rien : un outil peut réduire la fatigue ou rendre le travail plus agréable. Cela signifie que satisfaction et débit sont deux mesures différentes. Une équipe devrait les conserver séparément, avec la qualité, le risque et le coût, au lieu de fabriquer un seul score de productivité.
Réduire la vérification vaut souvent plus que générer davantage
La meilleure occasion n’est pas toujours la tâche où l’IA produit le plus. C’est souvent celle où l’organisation sait déjà reconnaître une bonne réponse. Des règles claires, des exemples validés, des champs structurés et des tests automatiques raccourcissent la vérification. À l’inverse, un domaine où seul un expert rare peut confirmer chaque détail risque de créer une file d’attente au contrôle, même si la machine génère cent brouillons par heure. Le goulot se déplace vers la personne qui signe. La limite de cette analyse est importante : les modèles et les interfaces évoluent rapidement, et deux études en programmation ne prédisent pas le rendement d’une clinique, d’un commerce ou d’une municipalité. Elles montrent toutefois pourquoi un chiffre promotionnel ne suffit pas. Avant d’acheter plus de licences ou d’automatiser davantage, il faut chronométrer le parcours complet et identifier qui absorbe les reprises. Une IA utile ne fait pas seulement apparaître une réponse plus tôt; elle réduit le temps nécessaire pour arriver à un résultat auquel l’équipe peut faire confiance.
