Arvind Narayanan nuance le remplacement des ingénieurs par l’IA

Arvind Narayanan et Sayash Kapoor contestent l’idée d’un remplacement massif des ingénieurs logiciels par l’IA. Dans leur essai publié le 11 juin 2026, les chercheurs analysent le métier où les capacités de l’IA progressent le plus rapidement. Ils observent aussi une adoption particulièrement rapide des agents de programmation. Leur conclusion reste prudente, mais nette : les données ne confirment pas qu’un seuil de capacités provoquerait mécaniquement des licenciements massifs. L’emploi des ingénieurs logiciels continue de progresser aux États-Unis. Sa croissance ralentit toutefois d’environ trois points par an depuis ChatGPT, par rapport à un scénario sans IA étudié par des économistes de la Réserve fédérale.

Les annonces de licenciements associent souvent l’IA à des décisions prises pour d’autres raisons. Block a annoncé en février la suppression de 4 000 postes. Jack Dorsey a invoqué des équipes plus petites et plus horizontales, après une forte progression des effectifs pendant la pandémie. Des témoignages internes ont cependant décrit une pression financière importante et des gains de productivité limités. Snap a supprimé environ 1 000 postes en avril, tandis qu’Evan Spiegel affirmait que l’IA produisait 65 % du nouveau code. Les coupes suivaient aussi une campagne d’investisseur activiste. En mai, Intuit a annoncé 3 000 suppressions, mais son dirigeant a déclaré qu’elles ne concernaient pas l’IA.

Les annonces masquent souvent d’autres coupes

Les enquêtes confirment ce décalage. Cinquante-neuf pour cent des responsables du recrutement américains ont déclaré mettre l’IA en avant pour expliquer des gels d’embauches ou des licenciements. Selon J. P. Gownder, de Forrester, neuf entreprises sur dix préparant des suppressions prétendument liées à l’IA ne disposent pas encore d’une application mature et validée. Une enquête de la Harvard Business Review auprès de plus de 1 000 dirigeants montre que 21 % avaient déjà réduit fortement leurs effectifs en anticipation de l’IA. Seuls 2 % avaient effectué de grandes réductions après une mise en œuvre réelle. À New York, une seule entreprise a coché la case IA des déclarations WARN.

Le code généré ne mesure pas directement la suppression d’emplois. Une étude de 2019 estimait que les développeurs consacraient entre 9 % et 61 % de leur temps au codage, selon les études. Les autres activités incluent notamment les réunions, le débogage, la définition des besoins et la vérification. Une analyse portant sur 100 000 développeurs GitHub apporte un autre repère. Les agents IA ont multiplié par huit le nombre de lignes écrites. Les livraisons n’ont pourtant augmenté que de 30 %. Narayanan et Kapoor interprètent cet écart comme le signe d’obstacles persistants avant et après l’exécution. Le volume de code reste donc distinct du produit livré.

Les agents compressent l’exécution du code

Le modèle proposé décrit le développement comme un sandwich « décider-exécuter-livrer ». La première couche consiste à cadrer le problème, rédiger les spécifications et planifier. La deuxième couvre la conception et l’implémentation. La troisième rassemble les tests, la vérification, l’intégration et la maintenance. L’IA compresse surtout la couche d’exécution. Les équipes doivent toujours décider quoi construire et répondre de ce qui est livré. Cette responsabilité exige une compréhension du code, de l’activité et de l’environnement. Les auteurs estiment que la définition des besoins résiste notamment parce qu’elle mobilise les utilisateurs, les signaux du marché, les priorités internes et parfois les contraintes réglementaires.

Certaines pertes existent sans correspondre au remplacement direct des ingénieurs. Chegg et Stack Overflow ont réduit leurs effectifs après que l’IA a diminué la demande pour leurs services d’aide aux devoirs et d’assistance technique. Dans ces cas, la technologie rend le produit moins nécessaire, sans accomplir directement le travail des salariés concernés. Les entreprises qui vendent de l’IA peuvent aussi réallouer des effectifs de fonctions historiques vers leurs nouvelles offres. IBM et SAP illustrent cette situation selon les auteurs. Pour le développement logiciel, leur conclusion reste donc modérément optimiste sur la demande globale, tout en annonçant un prochain essai consacré aux trajectoires individuelles des ingénieurs.

Lire l’essai complet d’Arvind Narayanan et Sayash Kapoor.

Voir les analyses d’Arvind Narayanan et de Sayash Kapoor.