IA et développement web : comment se fabrique un projet en 2026
Retrouvez chaque mois sur notre blog : des astuces, des bonnes pratiques, des conseils et des retours d’expérience sur la mise en place de votre stratégie digitale.
En 2026, une bonne partie du code d’un projet web n’est plus tapée à la main.
Ce qui fait la qualité d’un site n’a pas disparu pour autant : le travail s’est déplacé, en amont vers la spécification, en aval vers la vérification.
Développer est devenu plus facile ? Pas vraiment.
Le temps gagné à écrire du code se reperd ailleurs si vous ne changez pas vos méthodes de travail : la manière de cadrer un projet, de le découper, de vérifier ce qui est produit, de le maintenir dans la durée.
Cet article décrit ce changement de l’intérieur, étape par étape, de la conception à la maintenance. Il s’appuie sur des études publiées jusqu’à l’automne 2026.
1. Le contexte en chiffres
L’IA est devenue l’outil par défaut des développeurs, mais son rendement réel reste mal mesuré, et ce sont les débutants qui en paient le prix sur le marché de l’emploi.
Une adoption quasi totale
Le rapport DORA 2025 de Google, réalisé auprès de près de 5 000 professionnels, chiffre l’usage de l’IA au travail à 90 % des développeurs, en hausse de 14 % sur un an. Seuls 24 % lui font franchement confiance, et 30 % peu ou pas du tout (Google, CGNet).
L’enquête Stack Overflow 2026, publiée le 6 octobre, confirme la tendance. Seuls 17,2 % des répondants n’utilisent aucun outil d’IA. Parmi les utilisateurs d’assistants de code, 73 % s’en servent chaque jour, et 66 % travaillent dans des agents. Mais seulement 6,6 % confieraient une décision importante à l’IA (Stack Overflow, IT Brief).
Chez les géants du secteur, le basculement est encore plus net. En avril 2026, Sundar Pichai a indiqué que 75 % du nouveau code de Google était généré par l’IA puis validé par des ingénieurs, contre 25 % en 2024 et 50 % à l’automne 2025 (Semafor).
Des gains réels, mais mal mesurés
La seule mesure rigoureuse du gain de vitesse est un essai randomisé de l’organisme de recherche METR. Début 2025, sur 246 tâches réelles, des développeurs expérimentés ont été 19 % plus lents avec l’IA, alors qu’ils s’estimaient 20 % plus rapides (METR, 2025).
La reprise de l’étude fin 2025 (57 développeurs, plus de 800 tâches) penche vers une accélération. Mais METR juge lui-même ce résultat peu fiable : de plus en plus de développeurs refusent de travailler sans IA, même rémunérés, ce qui biaise l’échantillon (METR, février 2026). Une enquête complémentaire auprès de 349 profils techniques fait état d’un gain ressenti médian de 1,4 à 2 fois, que METR invite à prendre avec prudence (METR, mai 2026).
METR, essais randomisés de juillet 2025 et février 2026 · 5 estimations
La mesure de fin 2025 penche vers un gain, mais son intervalle va d’un ralentissement à une accélération nette : personne ne peut aujourd’hui chiffrer sérieusement le gain moyen.
Au niveau des équipes, le constat est plus net. Faros a analysé la télémétrie de plus de 10 000 développeurs répartis dans 1 255 équipes. Les développeurs produisent beaucoup plus, mais aucun gain n’apparaît à l’échelle de l’entreprise : la vérification absorbe tout (Faros, 2025).
Le rapport DORA aboutit à la même conclusion par un autre chemin : l’IA amplifie l’organisation existante. Sur sept profils d’équipes, seuls deux augmentent leur débit sans dégrader la stabilité en production (InfoQ, analyse de Rob Bowley).
Les juniors en première ligne
Partout, le recul de l’emploi passe par le ralentissement des embauches en début de carrière, pas par des licenciements de profils expérimentés.
| Source | Périmètre | Constat | Période |
|---|---|---|---|
| Insee | Activités informatiques, France | Emploi des 15-29 ans (hors alternants) : -7,4 % sur un an ; emploi total du secteur : -3 % sur deux ans, alors que la valeur ajoutée continue de croître | T4 2025 |
| Apec | Recrutements de cadres en informatique, France | 71 920 en 2023, 57 000 en 2025, soit -21 % | 2023-2025 |
| Apec | Prévision cadres informatique, France | 61 160 recrutements attendus (+4 %), l'informatique reste la fonction la plus recherchée | 2026 |
| Maddyness, d'après l'Apec | Cadres de moins de 6 ans d'expérience | Recrutements en hausse de seulement 1 % | 2026 |
| HelloWork | Offres d'emploi IT en ligne, France | -28 % (environ 230 000 offres), contre -9,8 % tous métiers | 2025 |
| Stanford Digital Economy Lab | Développeurs de 22 à 25 ans, États-Unis | Emploi en baisse de près de 20 % par rapport au pic de fin 2022 ; stable ou en hausse pour les plus expérimentés | 2022-2025 |
Deux nuances s’imposent. L’Insee juge impossible d’attribuer cette baisse à la seule IA : le ralentissement économique et la réduction des aides à l’alternance pèsent aussi. Et les chercheurs de Stanford ont précisé qu’après contrôle des autres facteurs, l’effet lié à l’IA n’apparaît nettement qu’à partir de 2024 (Stanford, février 2026).
2. Cadrage et conception : la spécification redevient le livrable central
Un agent d’IA exécute ce qu’on lui décrit, vite et sans état d’âme. Une ambiguïté dans le cahier des charges devient du code en quelques minutes.
Ce qui a changé
Avant, un cahier des charges approximatif se rattrapait pendant le développement. Le développeur comblait les trous avec son jugement et ses allers-retours avec le client. Ce filet de sécurité s’est réduit depuis qu’une partie de l’écriture est déléguée à une machine qui ne doute pas.
D’où le retour en force d’une discipline ancienne, rebaptisée spec-driven development : on écrit la spécification, on en tire un plan technique, on le découpe en tâches vérifiables, puis seulement on implémente. GitHub a outillé cette démarche avec Spec Kit, un kit open source compatible avec une trentaine d’agents de code (GitHub Spec Kit). La spécification n’est plus un document Word dans un dossier partagé : elle vit avec le code, en Markdown, et sert de contexte à chaque tâche confiée à l’IA.
Ce qui reste indispensable
Avant la première ligne de code, il est primordial de rédiger un document de cadrage qui décrit :
- les objectifs du site et les parcours utilisateurs (demande de devis, achat, prise de rendez-vous) ;
- les règles métier : TVA, statuts de commande, droits d’accès, cas d’erreur ;
- les contraintes techniques : hébergement, extensions existantes, outils à connecter ;
- ce qui ne doit pas changer : contenus optimisés pour le SEO, identité visuelle, habitudes d’édition du client.
Ce qui est devenu obsolète
La maquette figée validée, puis réellement découverte trois mois plus tard 🙂 . Un prototype fonctionnel coûte désormais quelques heures. On peut montrer des parcours cliquables très tôt, ce qui fait remonter les vraies questions avant que le budget ne soit engagé.
Pour le client, la conséquence est contre-intuitive : la phase de cadrage pèse plus lourd dans un projet qu’il y a trois ans, pas moins. C’est la phase du projet que l’on appelle assistance à maîtrise d’ouvrage.
3. Développement : du code écrit au code dirigé
Un développeur passe désormais moins de temps à taper du code et plus de temps à découper, contextualiser, arbitrer et relire.
Trois générations d’outils en quatre ans
- L’autocomplétion (2022-2023) : l’outil propose la fin de la ligne ou de la fonction en cours.
- L’assistant conversationnel (2024) : on décrit un besoin, il propose un bloc de code à copier.
- L’agent (2025-2026) : il lit le projet entier, exécute des commandes, lance les tests, corrige ses erreurs et soumet une modification complète. Plusieurs agents peuvent travailler en parallèle sur des tâches différentes.
Ce troisième stade change la nature du poste. Faros observe que, dans les équipes très équipées, chaque développeur intervient chaque jour sur 47 % de demandes de modification en plus (Faros). METR note de son côté qu’il devient difficile de mesurer le temps passé par tâche quand un développeur pilote plusieurs agents à la fois (METR).
Là où l’IA fait gagner un temps considérable
- Le code répétitif : structures d’extension, formulaires, appels d’API standards.
- Les migrations mécaniques : montée de version PHP, changement de bibliothèque, renommages en masse. Google cite une migration interne menée six fois plus vite qu’un an plus tôt (Semafor).
- La lecture de code inconnu : comprendre en quelques minutes une extension écrite par quelqu’un d’autre il y a cinq ans.
- Les scripts ponctuels : import de données, conversion de formats, nettoyage d’une base.
Là où elle ne remplace rien
- Le contexte non écrit. METR l’identifie comme l’une des causes du ralentissement observé en 2025 : sur un projet mature, l’essentiel des règles est dans la tête de ceux qui le connaissent, pas dans le code.
- Les arbitrages : performance contre lisibilité, rapidité de livraison contre maintenabilité, sur-mesure contre extension existante.
- La décision de ne pas coder. La meilleure ligne de code reste celle qu’on n’écrit pas parce qu’un outil existant fait déjà le travail.
Ce que ça change dans nos projets WordPress
Le coût d’écriture d’une extension sur mesure a fortement baissé. Là où l’on empilait trois extensions génériques pour obtenir une fonctionnalité, il devient souvent plus raisonnable d’écrire un module léger, adapté au besoin, que nous maîtrisons de bout en bout.
En revanche, nous gardons une règle : les pages restent construites avec les modules natifs, pour que le client retrouve un environnement d’édition normal. Un site plus vite livré mais que son propriétaire ne peut plus modifier seul n’est pas un progrès.
4. Revue et tests : le nouveau goulot d’étranglement
Quand l’écriture du code devient presque gratuite, la capacité à vérifier ce code devient la ressource rare d’un projet.
C’est le principal enseignement des données de Faros : le code est produit beaucoup plus vite, mais le relecteur, lui, lit toujours à la même vitesse (Faros).
Les demandes de modification sont plus nombreuses et beaucoup plus volumineuses. Le gain de production est absorbé par la file d’attente de relecture, et les bugs augmentent.
Le code généré se trompe autrement
Un développeur débutant fait des erreurs visibles : code brouillon, noms maladroits, structure confuse. Le code généré par IA est propre, bien commenté, cohérent en apparence. Ses erreurs sont ailleurs : un cas limite oublié, une règle métier mal comprise, une dépendance qui n’existe pas. Il faut le relire avec plus d’attention, pas moins.
Les développeurs l’ont compris. Dans l’enquête Stack Overflow 2026, près de la moitié déclarent faire confiance à l’IA uniquement quand ils peuvent vérifier sa réponse (IT Brief).
Les tests changent de statut
L’IA écrit des tests en quelques secondes. C’est un gain réel, avec un piège : un agent qui écrit à la fois le code et ses tests peut produire des tests qui valident son propre bug. Les tests deviennent donc le contrat du projet, et ce contrat doit venir de la spécification, pas du code.
Notre règle de travail :
- les cas de test sont définis à partir du cadrage, par un humain, avant l’implémentation ;
- les agents écrivent le code qui doit passer ces tests, et peuvent compléter les tests techniques ;
- tout ce qui touche au paiement, aux données personnelles et aux droits d’accès est relu ligne à ligne ;
- chaque modification passe par un environnement de préproduction et un contrôle dans un vrai navigateur avant la mise en ligne.
Un second agent peut servir de premier relecteur : il repère bien les incohérences évidentes. Il ne remplace pas la relecture humaine, qui reste la seule à engager la responsabilité de l’agence.
5. Maintenance : la dette de compréhension
Un site vit cinq à dix ans. Le code généré vite se paie au moment où quelqu’un doit le comprendre, le modifier ou le réparer.
Plus de code, moins de rangement
GitClear a analysé 211 millions de lignes de code modifiées entre 2020 et 2024. En 2024, les blocs de code dupliqués ont été multipliés par huit, le code réorganisé (signe de refactorisation) a reculé, et la part de code réécrit peu après sa création a augmenté (DevClass). GitClear ne prouve pas que chaque ligne dupliquée vient d’une IA, mais la corrélation avec l’adoption des assistants est nette.
Un code dupliqué fonctionne. Le problème arrive à la première correction : on la fait à un endroit, on oublie les quatre autres.
Personne ne l’a vraiment écrit
Le risque le plus sérieux est humain. Un essai randomisé publié par Anthropic montre que des développeurs qui apprennent une nouvelle bibliothèque avec l’aide de l’IA obtiennent 17 % de moins à un test de compréhension que ceux qui codent à la main. Ceux qui délèguent tout comprennent le moins ; ceux qui utilisent l’IA pour poser des questions et se faire expliquer le code conservent leur niveau (Anthropic).
Appliqué à un projet, cela donne une dette de compréhension : un code qui marche, mais que personne dans l’équipe n’est capable d’expliquer. Elle ne se voit pas le jour de la livraison. Elle se voit le jour de la panne.
Les dépendances inventées
Les modèles de langage inventent parfois des noms de bibliothèques. Une étude présentée à USENIX Security 2025 a analysé 576 000 extraits de code produits par 16 modèles : 19,7 % des paquets recommandés n’existaient pas, et 43 % de ces noms inventés revenaient à l’identique quand on reposait la même question (USENIX). Des attaquants enregistrent ces noms et y placent du code malveillant : c’est le slopsquatting. Les modèles récents se trompent moins souvent, mais le risque n’est pas nul.
S’y ajoute le cas des agents qui exécutent eux-mêmes des commandes. Un agent qui a accès aux identifiants d’un serveur de production peut être détourné par une instruction cachée dans un fichier ou une page web.
L’IA aide aussi la maintenance
L’IA ne fait pas que créer de la dette. Elle accélère nettement le diagnostic : lecture de journaux d’erreurs, analyse d’une extension inconnue, préparation d’une montée de version PHP. Sur un parc d’une centaine de sites WordPress, ce gain se cumule mois après mois.
La maintenance n’est donc pas devenue moins nécessaire. Elle est devenue plus technique, et son enjeu principal est de garder un code que quelqu’un comprend. C’est le sens de notre offre de maintenance. Si votre site présente déjà des signes de faiblesse, notre diagnostic WordPress gratuit en donne un premier état.
6. Organisation des équipes : moins de mains, plus de têtes
L’IA ne supprime pas les équipes de développement : elle en change la forme, en réduisant la base de la pyramide et en élargissant le rôle de ceux qui restent.
Le problème est différé. Les seniors de 2035 sont les juniors qu’on ne recrute pas en 2026. Plusieurs observateurs, dont Maddyness, pointent déjà la tension sur les postes d’architecte, de lead développeur et d’expert sécurité.
Les frontières entre métiers bougent
- Produit et développement se rapprochent. Écrire une bonne spécification devient une compétence de développeur, et un chef de projet capable de prototyper gagne en autonomie.
- La qualité devient une fonction centrale. Revue, tests, sécurité, outillage : c’est là que se concentre la valeur ajoutée humaine.
- De nouveaux profils apparaissent. Gartner prévoit que 80 % des ingénieurs logiciels devront se former d’ici 2027 et annonce l’essor de l’« AI engineer », capable d’intégrer des modèles d’IA dans des applications (ITPro).
La gouvernance a pris du retard
Selon l’enquête Stack Overflow 2026, seuls 24 % des employeurs ont publié une liste d’outils autorisés ou une politique d’usage de l’IA. Pour près de 30 % des développeurs, l’usage est laissé à l’appréciation de chacun (IT Brief). Concrètement, du code client et parfois des données personnelles partent vers des services tiers sans règle écrite.
Et dans une agence comme la nôtre
Une petite équipe peut aujourd’hui livrer ce qui demandait hier une équipe plus large. C’est une réalité, et elle profite à nos clients en délais et en budget. La contrepartie est une responsabilité plus concentrée : chaque personne relit, valide et répond de davantage de code.
7. Compétences : ce qui perd de la valeur, ce qui en gagne
La valeur d’un développeur se déplace de la production de code vers le jugement : savoir quoi construire, comment le découper, et si ce qui a été produit est juste.
| Compétence | Tendance | Pourquoi |
|---|---|---|
| Rédiger une spécification claire et testable | ▲▲ En forte hausse | C'est la matière première des agents. Une ambiguïté devient du code. |
| Relire et évaluer du code qu'on n'a pas écrit | ▲▲ En forte hausse | La revue est devenue le goulot d'étranglement des projets. |
| Concevoir des tests à partir des besoins | ▲▲ En forte hausse | Les tests sont le contrat qui empêche l'IA de valider ses propres erreurs. |
| Architecture et découpage en tâches | ▲ En hausse | Un agent exécute bien une tâche bornée, mal un projet flou. |
| Sécurité applicative et dépendances | ▲ En hausse | Nouveaux risques : paquets inventés, agents détournés, fuite de données. |
| Connaissance métier du client | ▲ En hausse | Le contexte non écrit est ce que l'IA ne peut pas deviner. |
| Débogage en profondeur | ● Stable, mais plus rare | Indispensable le jour de la panne, et moins pratiqué au quotidien. |
| Maîtrise d'un langage et de ses fondamentaux | ● Stable | Sans elle, impossible de juger le code produit. |
| Mémoriser la syntaxe et les API par cœur | ▼ En recul | L'outil la fournit instantanément. |
| Écrire du code répétitif rapidement | ▼ En recul | Tâche presque entièrement absorbée par l'IA. |
| Traduire une maquette en code ligne à ligne | ▼ En recul | Largement automatisable quand le design est clair. |
| Chercher une solution sur les forums | ▼ En recul | L'agent est désormais le premier réflexe : 70 % des développeurs lui posent leurs questions (Stack Overflow). |
7. Les risques
Aucun de ces risques n’est une raison de renoncer à l’IA. Chacun est une raison de l’encadrer.
- L’illusion de productivité. Les développeurs surestiment systématiquement leur gain : dans l’étude METR de 2025, l’écart entre ressenti et mesure dépassait 39 points. Une équipe peut se sentir rapide et livrer moins bien.
- L’instabilité en production. Plus de code, plus gros, plus vite : sans tests ni revue à la hauteur, les incidents augmentent. DORA et Faros observent tous deux ce phénomène.
- La dette technique silencieuse. Duplication, code jamais refactorisé, architecture décidée par défaut. Elle ne coûte rien à la livraison et beaucoup à la troisième évolution.
- La chaîne d’approvisionnement logicielle. Dépendances inventées, paquets malveillants, agents qui exécutent des commandes sans contrôle.
- La perte de compétences. Une équipe qui délègue tout comprend de moins en moins son propre produit, et ne sait plus réparer quand l’outil se trompe.
- Le vivier de talents. Moins de juniors recrutés aujourd’hui, c’est moins d’experts disponibles dans dix ans, y compris pour relire le code des machines.
- La confidentialité. Code source, accès et données clients transmis à des services tiers, souvent sans politique écrite. Le RGPD s’applique à ces flux comme aux autres.
- La dépendance aux fournisseurs. Tarifs, conditions d’utilisation et disponibilité des modèles évoluent vite. Un processus de production qui ne fonctionne plus sans un outil donné est un processus fragile.
8. Conclusion : ce que ça change pour vous
Si vous faites développer un site ou une application, l’IA modifie trois choses concrètes dans votre projet.
- Les délais. La production est plus rapide. Le cadrage et la validation, eux, ne se compressent pas, et ils pèsent désormais plus lourd dans le planning.
- Le budget. Moins de temps passé à écrire du code, davantage à spécifier et à vérifier. Des fonctionnalités sur mesure deviennent accessibles là où l’on se contentait autrefois d’empiler des extensions.
- La responsabilité. Le code généré par IA reste sous la responsabilité de celui qui le livre. La qualité d’un prestataire se juge désormais sur sa capacité à vérifier, plus que sur sa vitesse d’exécution.
Cinq questions à poser à votre prestataire
- Qui relit le code généré par l’IA, et selon quelles règles ?
- Comment les tests sont-ils définis, et à partir de quoi ?
- Où partent votre code et vos données quand l’équipe utilise des outils d’IA ?
- Qui sera capable de comprendre et de modifier ce code dans deux ans ?
- Que prévoit la maintenance une fois le site en ligne ?
Si les réponses restent floues, le gain de vitesse affiché risque de se payer plus tard.
Vous préparez une création de site ou une refonte, ou vous voulez sécuriser un site existant avec une maintenance suivie ? Parlons de votre projet : première estimation sous 48 heures, sans engagement.
Sources
Productivité et usages
- METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, juillet 2025
- METR, We are Changing our Developer Productivity Experiment Design, février 2026
- METR, Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity, mai 2026
- Google, How are developers using AI? Inside our 2025 DORA report, septembre 2025
- InfoQ, DORA Report Finds AI Is an Amplifier in Software Development, septembre 2025
- Rob Bowley, DORA 2025 AI assisted dev report: Some Benefit, Most Don’t, octobre 2025
- CGNet, Beyond the Hype: Real-World AI Adoption in Software Teams, octobre 2025
- Faros, The AI Productivity Paradox Report 2025, juillet 2025
- Stack Overflow, The results of the 2026 Developer Survey are here, octobre 2026
- IT Brief, Stack Overflow survey finds developers wary of AI tools, octobre 2026
- Semafor, Google CEO says 75% of company’s new code is AI-generated, avril 2026
- GitHub, Spec Kit
Qualité, sécurité, compétences
- DevClass, AI is eroding code quality states new in-depth report (rapport GitClear 2025), février 2025
- Spracklen et al., We Have a Package for You!, USENIX Security 2025
- Anthropic, How AI assistance impacts the formation of coding skills, 2026
- ITPro, 80% will be forced to upskill by 2027 (prévision Gartner)
Emploi
- Brynjolfsson, Chandar, Chen, Canaries in the Coal Mine?, Stanford Digital Economy Lab, 2025
- Stanford Digital Economy Lab, Canaries, Interest Rates, and Timing, février 2026
- Blog du Modérateur, Les jeunes et l’IA : quels impacts concrets sur le marché du travail ? (note de conjoncture Insee du 24 mars 2026)
- Next, Après 3 ans d’IA générative, un marché de l’emploi des développeurs touché mais pas coulé, 2026
- Apec, Quels sont les cadres qui seront les plus recrutés en 2026 ?, mai 2026
- L’Étudiant, Les recrutements de jeunes cadres encore en baisse en 2025, selon l’Apec, avril 2026
- Maddyness, Si la machine code, à quoi bon recruter des juniors ?, 2026
- Siècle Digital, Emploi IT : 230 000 offres mais un net coup de frein en 2025 (données HelloWork), février 2026
Pour aller plus loin
