Le rapport « State of AI Code Quality in 2025 » de Qodo, basé sur une enquête auprès de 609 développeurs, explore l'évolution du rôle de l'IA dans le développement logiciel. Il souligne que si les outils IA sont devenus mainstream (82 % d'utilisation quotidienne/hebdomadaire, 59 % utilisent 3 outils ou plus), une confiance profonde dans leurs sorties reste insaisissable. Les outils IA influencent significativement le code de production : 65 % des développeurs déclarent qu'au moins 25 % de leurs commits sont générés ou façonnés par IA.
Productivité vs confiance : le paradoxe
meilleure compréhension contextuelle
Bien que 78 % rapportent des gains de productivité et que 57 % trouvent leur travail plus agréable, une barrière majeure persiste : les hallucinations. 25 % des développeurs estiment qu'une suggestion IA sur cinq contient des erreurs, ce qui pèse fortement sur la confiance et l'adoption. Cette prévalence d'hallucinations crée une confiance faible : 76 % des développeurs confrontés à des hallucinations fréquentes hésitent à livrer du code IA sans vérifications humaines. Même parmi ceux avec de faibles taux d'hallucination, la majorité (75 %) hésite à merger sans vérification manuelle.
Qualité de code et revue IA : catalyseur clé
Contrairement aux craintes, la productivité accrue avec l'IA corrèle souvent avec une meilleure qualité de code. 70 % des développeurs constatant des gains de productivité considérables rapportent aussi une meilleure qualité de code. La revue de code propulsée par l'IA agit comme catalyseur : 81 % des équipes rapides utilisant l'IA pour la revue constatent des améliorations de qualité, contre 55 % sans. Cette validation automatisée permet de maintenir les standards de qualité tout en accélérant la livraison.
Le contexte : facteur fondamental
Le rapport identifie le contexte comme facteur n°1 de la qualité perçue et de la confiance. 65 % des développeurs rapportent que l'IA rate du contexte pertinent pendant le refactoring, problème plus fréquent que les hallucinations elles-mêmes. Des problèmes similaires surgissent en génération de tests et en revue de code. Les développeurs réclament massivement une « meilleure compréhension contextuelle » de leurs outils IA. Le rapport plaide pour un apprentissage du contexte persistant et automatisé sur tout le dépôt, la sélection manuelle de contexte étant inefficace et frustrante.
Le Confidence Flywheel
Le rapport introduit le « Confidence Flywheel » : un cycle auto-renforçant où des suggestions riches en contexte réduisent les hallucinations, menant à du code juste, une confiance accrue des développeurs, une livraison plus rapide et, in fine, de meilleurs exemples réinjectés dans le modèle. Seulement 3,8 % des développeurs vivent actuellement ce scénario idéal, mais ceux-là rapportent des gains de qualité supérieurs et une plus grande confiance.
Tests et confiance
Les développeurs utilisant l'IA pour les tests sont 2x plus confiants dans leurs suites de tests (61 % vs 27 % pour les non-utilisateurs), suggérant qu'une intégration complète de l'IA sur tout le cycle de développement améliore la confiance globale.
Conclusion stratégique
Qodo conclut que libérer toute la valeur business de l'IA générative exige de combler le fossé entre les capacités des LLM et les systèmes existants éprouvés, l'intégration au domaine étant critique. Le rapport plaide pour une plateforme agentique de qualité de code fournissant une conscience profonde du contexte et intégrant l'IA sur tout le cycle de développement pour renforcer la qualité du code et la confiance des développeurs. Cette approche itérative, avec garde-fous techniques, est très efficace mais révèle aussi des limites : l'expertise technique humaine reste essentielle pour repérer les erreurs de l'IA, et les agents manquent de contexte métier.