Une étude révèle que le « tokenmaxxing » nuit à la productivité des développeurs

Il existe un adage classique en matière de gestion : « Ce qui est mesuré est géré ». Et en général, on finit par obtenir davantage de ce que l'on suit.

Les ingénieurs en logiciel débattent depuis des décennies des indicateurs de productivité, à commencer par le nombre de lignes de code. Mais alors que la nouvelle génération d’assistants de codage basés sur l’IA produit plus de code que jamais, ce que leurs responsables devraient mesurer devient de moins en moins clair.

Les budgets de jetons colossaux — c'est-à-dire essentiellement la quantité de puissance de traitement IA qu'un développeur est autorisé à utiliser — sont devenus un symbole de statut social parmi les développeurs de la Silicon Valley. Cependant, c'est une façon étrange d'envisager la productivité. Mesurer un intrant du processus n'a guère de sens lorsque l'on se soucie vraisemblablement davantage du résultat. Cela pourrait être logique si l'on cherche à encourager une plus grande adoption de l'IA (ou à vendre des jetons), mais pas si l'objectif est de gagner en efficacité.

Examinons les données provenant d’une nouvelle catégorie d’entreprises dans le domaine de l’« analyse de la productivité des développeurs ». Elles constatent que les développeurs utilisant des outils tels que Claude Code, Cursor et Codex génèrent nettement plus de code accepté qu’auparavant. Mais elles découvrent également que les ingénieurs doivent revenir sur ce code accepté pour le réviser bien plus fréquemment, ce qui remet en cause les affirmations d’une productivité accrue.

Alex Circei, PDG et fondateur de Waydev, met en place une couche d'intelligence pour suivre ces dynamiques. Son entreprise travaille avec 50 clients différents qui emploient plus de 10 000 ingénieurs logiciels. (Circei a déjà contribué à TechCrunch par le passé, mais ce journaliste ne l'avait jamais rencontré auparavant.)

Il explique que les responsables techniques constatent des taux d’acceptation du code de 80 % à 90 % — c’est-à-dire la part de code généré par l’IA que les développeurs approuvent et conservent. Cependant, ils ne tiennent pas compte du taux de rejet qui survient lorsque les ingénieurs doivent réviser ce code dans les semaines suivantes, ce qui ramène le taux d’acceptation réel et durable entre 10 % et 30 %.

L'essor des outils de codage IA a conduit Waydev, fondée en 2017 pour fournir des analyses aux développeurs, à remanier complètement sa plateforme au cours des six derniers mois afin de répondre à la prolifération des outils de codage rapide. Aujourd'hui, l'entreprise lance de nouveaux outils qui suivent les métadonnées générées par les agents IA, offrant des analyses sur la qualité et le coût de leur code afin de fournir aux responsables techniques une vision plus approfondie tant de l'adoption de l'IA que de son efficacité.

Si les sociétés d'analyse ont tout intérêt à mettre en avant les problèmes qu'elles détectent, de plus en plus d'éléments indiquent que les grandes organisations cherchent encore à déterminer comment utiliser efficacement les outils d'IA. Les grandes entreprises en prennent bonne note : Atlassian a racheté DX, une autre start-up spécialisée dans l'intelligence d'ingénierie, pour 1 milliard de dollars l'année dernière afin d'aider ses clients à comprendre le retour sur investissement des agents de codage.

Les données provenant de l'ensemble du secteur dressent un tableau cohérent : on écrit davantage de code, mais une part disproportionnée de celui-ci n'est pas conservée.

GitClear, une autre entreprise du secteur, a publié en janvier un rapport indiquant que les outils d’IA augmentaient la productivité. Cependant, ses données ont également montré que « les utilisateurs réguliers d’IA présentaient un taux de rotation du code en moyenne 9,4 fois plus élevé que leurs homologues n’utilisant pas l’IA » — soit plus du double des gains de productivité apportés par ces outils.

Faros AI, une plateforme d’analyse d’ingénierie, s’est appuyée sur deux ans de données clients pour son rapport de mars 2026. Conclusion : le taux de renouvellement du code (lignes de code supprimées par rapport aux lignes ajoutées) avait augmenté de 861 % en cas d’adoption intensive de l’IA.

Jellyfish, qui se présente comme une plateforme d'intelligence pour l'ingénierie intégrant l'IA, a collecté des données sur 7 548 ingénieurs au premier trimestre 2026. L'entreprise a constaté que les ingénieurs disposant des budgets de jetons les plus importants produisaient le plus grand nombre de pull requests (modifications proposées à une base de code partagée), mais que l'amélioration de la productivité n'était pas proportionnelle. Ils ont atteint un débit deux fois plus élevé pour un coût en jetons dix fois plus élevé. En d'autres termes, ces outils génèrent du volume, pas de la valeur.

Ce type de statistiques se vérifie lorsque l'on discute avec des développeurs, qui constatent que la charge liée à la révision du code et la dette technique s'accumulent, même s'ils apprécient les nouvelles capacités de ces outils. Une constatation courante concerne la différence entre les ingénieurs seniors et juniors, ces derniers acceptant beaucoup plus de code généré par l'IA et devant par conséquent gérer un volume plus important de réécriture.

Pourtant, même si les développeurs s'efforcent de comprendre exactement ce que font leurs assistants IA, ils ne prévoient pas de faire marche arrière de sitôt.

« C'est une nouvelle ère du développement logiciel, et il faut s'y adapter. Les entreprises sont obligées de s'y adapter », a déclaré M. Circei à TechCrunch. « Ce n'est pas une tendance passagère. »