L’assistance au codage peut laisser les développeurs moins bien comprendre ce qu’ils viennent de programmer, selon une expérience d’Anthropic : pour les directions informatiques, la qualité du logiciel et les compétences de maintenance appellent des évaluations distinctes.
Les optimisations annoncées par Google DeepMind éclairent l’autre versant du problème : mesurer une amélioration du code ne revient pas à mesurer l’apprentissage humain.
Une compréhension immédiate plus faible avec assistance
Anthropic a réparti aléatoirement 52 développeurs, majoritairement juniors, entre deux groupes chargés de programmer deux fonctionnalités avec Trio, une bibliothèque qu’ils découvraient.
Ces participants utilisaient Python au moins chaque semaine depuis plus d’un an.
Au questionnaire suivant l’exercice, le groupe assisté obtient 50 % en moyenne, contre 67 % sans assistance.
L’écart est statistiquement significatif ; les quelque deux minutes gagnées avec l’IA ne le sont pas.
Le questionnaire porte notamment sur le débogage, la lecture du code et la compréhension conceptuelle.
Cette expérience mesure toutefois une compréhension immédiate sur un petit échantillon, sans établir une dégradation durable des compétences.
L’assistance passait par une interface latérale ayant accès au code : le résultat ne décrit donc pas directement l’usage d’un agent comme Claude Code.
La performance du code appelle une mesure séparée
Avec AlphaEvolve, Google DeepMind décrit un dispositif qui propose des programmes, puis les exécute et les évalue automatiquement.
L’entreprise annonce une accélération de 23 % d’un noyau de calcul de Gemini, pour une réduction de 1 % du temps d’entraînement.
Le gain du composant et celui du système correspondent à deux périmètres différents.
Le rapprochement invite à distinguer trois critères : performance du code, temps de réalisation et compréhension du développeur.
Un programme terminé ne démontre pas, à lui seul, la capacité à diagnostiquer ses erreurs.
Ces publications ne chiffrent cependant aucun effet sur les coûts de maintenance : elles éclairent les critères d’évaluation, sans établir un rendement économique global.
Sources
Anthropic — AI assistance and coding skills, publication du 29 janvier 2026.
Google DeepMind — AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms, publication du 14 mai 2025.
Photo : Preply.com Images — CC BY 2.0 (image adaptée)
