Linux Foundation alerte sur le tri du code généré par IA

Enquête publiée le 26 octobre La Linux Foundation a interrogé 234 contributeurs et mainteneurs de projets de code ouvert. Dans les projets comptant plus de 50 contributeurs, les répondants estiment que près d’un tiers des changements reçus sont de faible qualité ou générés par IA. Cette proportion atteint environ un changement sur quatre pour l’ensemble des projets. Chaque demande de fusion doit être lue par une personne avant son intégration ou son rejet. Cette charge revient aux mainteneurs, qui consacrent alors davantage de temps à examiner les contributions. Les grands projets déclarent aussi la progression la plus rapide du nombre de soumissions.

La taille augmente la pression Les grands projets signalent le plus de contributions indésirables et le plus de plaintes concernant l’allongement des revues. La qualité du code reste la principale préoccupation des petits projets face au travail assisté par IA. Dans les grands projets, l’épuisement professionnel arrive désormais en tête des inquiétudes. La plupart des mainteneurs déclarent recevoir davantage de contributions depuis l’essor de l’IA générative. Cette hausse alimente les files d’attente de revue, car chaque demande doit être examinée avant une décision. L’enquête relie ainsi la multiplication des soumissions à une pression accrue sur les personnes chargées de maintenir ces projets.

Les projets fixent peu de règles

Les politiques restent minoritaires Environ un tiers des projets disposent d’une règle formelle autorisant les contributions assistées par IA. Un projet sur dix les interdit. Les autres projets n’ont pas encore de règle écrite ou travaillent à son élaboration. Quand une politique existe, elle demande généralement de déclarer l’utilisation d’une IA et de vérifier soi-même le travail produit. En l’absence de règle, les mainteneurs s’appuient sur leur connaissance des contributeurs ou relisent directement le code. Environ un quart des projets n’applique aucun contrôle spécifique. Trois mainteneurs sur quatre utilisent toutefois des outils d’IA pour résumer une modification ou rechercher des erreurs de logique.

Les contributeurs vérifient davantage Six contributeurs sur dix déclarent examiner ligne par ligne le code produit par une IA et le tester entièrement avant l’envoi. Très peu disent soumettre ce code sans vérification. La déclaration de l’usage reste moins régulière, puisque près d’un contributeur sur cinq ne le signale jamais. Le noyau Linux demande déjà une ligne « Assisted-by: » dans les messages de commit. Cette ligne doit identifier l’outil et le modèle d’IA utilisés. Les utilisateurs d’IA estiment aussi réduire environ de moitié le temps d’écriture du code et de plus de 40 % celui des revues. Sur les tâches les plus complexes, environ un développeur sur cinq affirme toutefois que l’IA le ralentit.

curl améliore ses signalements

Le projet curl observe une amélioration En 2025, Daniel Stenberg, responsable du projet curl, décrivait le projet comme submergé par des signalements de vulnérabilités générés par IA. En avril 2026, il déclarait que curl avait cessé de recevoir ces signalements indésirables. Il indiquait aussi recevoir une quantité croissante de bons signalements de sécurité, presque tous réalisés avec l’aide d’une IA. La même enquête estime que l’IA facilite l’arrivée de nouveaux contributeurs dans les projets de code ouvert. Plus de la moitié des mainteneurs déclarent toutefois qu’elle n’a rien changé à la confiance dans leur communauté. Les nouveaux contributeurs demandent plus souvent un accompagnement supplémentaire qu’un accompagnement réduit.

Les mainteneurs restent sollicités L’accompagnement des nouveaux venus revient aux mêmes mainteneurs qui traitent déjà des files d’attente plus importantes. Les chiffres de l’enquête décrivent donc une tension entre réduction du temps de production et augmentation du travail de contrôle. Les règles de déclaration peuvent donner un repère aux projets, tandis que la ligne « Assisted-by: » du noyau Linux fournit un exemple concret. Le cas de curl montre aussi une évolution des résultats observés par un projet après une période de signalements indésirables. Lire l’article complet de Help Net Security et consulter le lien complémentaire fourni avec l’article.