Les développeurs et l’IA en 2025 : ce que nous apprend le rapport de Google

Google vient de publier son rapport annuel DevOps Research and Assessment (DORA), qui vise à comprendre comment les équipes de développement adoptent l’intelligence artificielle et identifier les pratiques, capacités et conditions organisationnelles qui influencent leur performance. Le document repose sur une méthodologie mixte, combinant près de 5 000 réponses à une enquête mondiale auprès de professionnels du logiciel et des analyses statistiques croisées avec des entretiens qualitatifs. Tour d’horizon.

Une adoption massive mais ambivalente de l’IA

L’adoption massive de l’IA par les développeurs ne fait plus de doute, et la courbe n’a pas décéléré sur l’année écoulée : 90 % des répondants déclarent utiliser l’IA dans leur travail en 2025, soit une hausse de 14,1 % par rapport à 2024. Et cet usage semble loin d’être ponctuel : plus de la moitié des répondants déclarent passer 2h ou plus par jour sur des outils d’IA. Une utilisation qui semble se transformer en réflexe : 6 répondants sur 10 affirment avoir recours à l’intelligence artificielle lorsqu’ils rencontrent un problème et 7 % indiquent que cette démarche est systématique.

À l’usage, la grande majorité des répondants semble satisfaite des apports de l’IA : pour 80 % d’entre eux elle améliore la productivité, tandis que 59 % estiment qu’elle impacte positivement la qualité de leur code.

L’IA accentue les points forts et révèle les faiblesses

« La recherche révèle une vérité fondamentale : le rôle principal de l’IA dans le développement logiciel est celui d’un amplificateur. Elle amplifie les forces des organisations très performantes et les dysfonctionnements de celles qui sont en difficulté », écrit Google en préambule de son rapport. Pour étayer cette idée, l’étude dresse sept archétypes d’équipes de développement (voir image ci-dessous) :

1. Foundational challenges : équipes en mode survie, instabilité forte et burnout élevé.
2. Legacy bottleneck : systèmes anciens et contraignants, moral et performance affectés.
3. Constrained by process : procédures lourdes, stabilité présente mais efficacité faible.
4. High impact, low cadence : résultats de valeur, mais livraisons rares et instables.
5. Stable and methodical : travail fiable et durable, mais cadence plus lente.
6. Pragmatic performers : cadence rapide et stabilité, engagement perfectible.
7. Harmonious high-achievers : équilibre rare entre performance, stabilité et bien-être.

Ces clusters permettent de comprendre que l’impact de l’IA n’est pas uniforme : elle renforce les pratiques saines dans les environnements performants et accentue les difficultés dans les contextes fragiles. De manière plus concrète, le rapport montre que l’IA augmente la cadence de livraison mais accroît également l’instabilité des déploiements. Ainsi, seuls les archétypes 6 et 7 (Pragmatic performers et Harmonious high-achievers) seraient en mesure de pleinement tirer parti des outils d’IA. Cela représente, selon Google, environ 40 % des répondants.

Comment adopter efficacement l’IA ?

Pour la première fois, Google décide d’aller plus loin dans son rapport, en apportant ses recommandations dans l’implémentation d’outils IA. Voici les 7 conseils établis par Google pour que l’IA produise des effets positifs plutôt que de générer du chaos (voir image de une) :

1. Politique claire sur l’IA : le rapport souligne qu’une organisation doit définir des règles explicites pour encadrer l’usage de l’intelligence artificielle. Ces règles précisent les responsabilités des équipes et fixent les limites acceptables.
2. Écosystème de données sain : Google recommande aux entreprises d’assurer la qualité, la fiabilité et l’accessibilité de ses données. Cette approche évite les silos d’information et garantit la cohérence des sources.
3. Plateforme interne de qualité : selon le rapport, une organisation doit développer une infrastructure technique robuste pour soutenir ses équipes. Cette plateforme doit être conçue comme un produit interne et fait l’objet d’améliorations continues.
4. Orientation utilisateur : le document précise qu’une équipe doit placer les besoins des développeurs et des clients au centre de ses choix. L’impact concret de l’IA sur l’expérience et sur la valeur créée est évalué systématiquement.
5. Travail en petits lots : le rapport recommande de fragmenter les tâches afin de limiter les risques liés à l’automatisation. En privilégiant des cycles courts et des livraisons fréquentes, les équipes renforcent l’efficacité et la résilience des projets intégrant l’IA.
6. Contrôle de version et intégration continue : Google rappelle qu’une équipe doit appliquer des standards rigoureux pour encadrer la production logicielle. Le code généré par l’IA fait l’objet de tests et d’un suivi strict.
7. Culture d’expérimentation et d’apprentissage : le rapport insiste sur la nécessité de favoriser des boucles de retour rapides et une curiosité technique. Cela permet notamment de valoriser les initiatives.