Le « Rapport sur la responsabilité en matière d’IA » est une enquête mondiale commandée par GitLab et réalisée par The Harris Poll auprès de 1 528 professionnels DevSecOps, dans six pays d’Amérique du Nord, d’Europe et d’Asie-Pacifique, dont la France (voir la méthodologie en bas de page). Son ambition : dresser un état des lieux de l’IA dans le développement logiciel, de l’adoption des outils jusqu’aux questions de traçabilité et de gouvernance du code généré.
La définition de la responsabilité en matière d'IA, selon GitLab
Le rapport définit la responsabilité en matière d’IA comme « la capacité organisationnelle et technique à répondre à trois questions sur les workflows agentiques dans le cycle de vie logiciel : d’où vient le code ? Qu’est-il censé faire ? Qui en est responsable une fois qu’il est en production ? » C’est autour de cette définition que s’articule l’ensemble du rapport.
91 % des organisations utilisent activement au moins deux outils de codage alimentés par l’IA, et 54 % en ont trois ou plus en production simultanément. Ces chiffres témoignent d’une intégration qui dépasse largement le stade de l’expérimentation. Ces outils ne coexistent plus en silo, ils s’inscrivent désormais dans des workflows partagés, à travers plusieurs équipes.
Le retour sur investissement est au rendez-vous. 60 % des professionnels indiquent que le ROI a dépassé leurs attentes, et seuls 9 % jugent le résultat décevant. 78 % déclarent que les développeurs et les développeuses de leur organisation écrivent et valident du code plus rapidement depuis l’adoption de ces outils, et 73 % notent une amélioration de la qualité globale du code en production.
C’est l’enseignement central du rapport, et le plus contre-intuitif. Si l’IA a bel et bien accéléré la phase d’écriture du code, au point que les participants déclarent n’y consacrer plus que 16 % de leur temps, ce gain n’a pourtant pas profité à l’ensemble du cycle de développement logiciel. 79 % des répondants s’accordent à dire que la productivité individuelle des développeurs s’est améliorée, mais que le processus global de livraison n’a pas progressé au même rythme. Le rapport nomme ce décalage le « paradoxe de l’IA ».
La raison est structurelle. 85 % des professionnels interrogés estiment que l’IA a déplacé le point de friction de l’écriture du code vers sa revue et sa validation. Les étapes où l’impact de l’IA sur la productivité est le plus faible sont précisément celles qui viennent après la génération :
84 % considèrent que le principal défi lié au code généré par l’IA réside dans la maîtrise de ce qui advient de ce code après sa création.
Ce paradoxe a une conséquence directe sur la maintenabilité à long terme. 73 % des professionnels se disent en effet préoccupés par la capacité des équipes à maintenir le code généré par l’IA dans la durée, et 82 % estiment qu’il risque de créer une nouvelle forme de dette technique que de nombreuses organisations ne sont pas encore prêtes à gérer.
La traçabilité permet de savoir d’où vient chaque ligne de code généré par l’IA, à quoi elle sert et qui en est responsable. Dans son rapport, GitLab met en évidence un décalage entre la confiance affichée et la réalité opérationnelle. Les obstacles sont avant tout d’ordre technique, avec 43 % des répondants qui déclarent ne pas pouvoir distinguer de manière fiable le code généré par l’IA du code écrit par des humains dans leur propre base de code. Autre chiffre marquant : seuls 28 % d’entre eux indiquent que leurs outils de développement sont entièrement intégrés avec des données et des workflows partagés.
Ce manque de visibilité se traduit concrètement lors des incidents : 87 % des professionnels sont convaincus que leur équipe pourrait déterminer en moins de 24 heures si du code généré par l’IA a contribué à un incident en production. Pourtant, parmi les organisations ayant subi un incident au cours des 12 derniers mois, 34 % n’ont pas été en mesure de conclure avec certitude si le code généré par l’IA était impliqué.
La définition de la traçabilité, selon GitLab
La traçabilité est « la possibilité de suivre un segment de code, en amont comme en aval, tout au long du cycle de développement logiciel : de l’exigence métier qui l’a fait naître, en passant par les personnes et les outils qui l’ont façonné, jusqu’à son lieu et son mode d’exécution en production ».
Sur la gouvernance, le rapport dresse le même constat. 80 % des répondants reconnaissent avoir adopté des outils alimentés par l’IA plus rapidement qu’ils n’ont élaboré les politiques pour les encadrer. 92 % des professionnels interrogés signalent des problèmes de gouvernance liés au code généré par l’IA. La prochaine phase d’investissement est pourtant clairement identifiée : 85 % estiment que la prochaine étape de l’IA dans le développement logiciel sera moins axée sur la génération de code et davantage sur sa gouvernance, et 91 % envisagent d’investir dans des outils dédiés dans les 12 prochains mois.
La définition de la gouvernance, selon GitLab
La gouvernance correspond aux « politiques, processus et contrôles qui définissent la manière dont le code généré par l’IA est passé en revue, approuvé, déployé et maintenu, ainsi que les responsabilités à chaque étape ».
Méthodologie : l’enquête a été conduite par The Harris Poll pour le compte de GitLab, auprès de 1 528 professionnels DevSecOps, entre le 6 et le 21 avril 2026. Les répondants travaillent dans les opérations informatiques, la sécurité informatique ou le développement logiciel. Ils sont répartis dans six pays : États-Unis (17 %), Allemagne (17 %), Royaume-Uni (17 %), France (16 %), Japon (17 %) et Australie (17 %), pour trois régions couvertes (Amérique du Nord, Europe, Asie-Pacifique). L’échantillon est composé à parts égales de développeurs et d’acheteurs de technologies.
Integer iaculis ultrices velit nec tempor. Pellentesque aliquet est massa, sit amet tempor mi auctor nec. Mauris a nibh sed libero fermentum aliquet. Quisque sit amet faucibus magna. Do purus mi, commodo id commodo vel, im perdiet ut mauris. Ut ultricies arcu risus, males uada efficitur orci euismod in. Proin ele est risus, ac sodales nulla mollis vel. .
Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat.
In nec libero luctus, aliquet turpis at, vehicula nisi. Cras eget mauris in nisl tempus lobortis.
Neque porro quisquam est, qui is dolor emr ipsum quia dolor sit amet the consec tetur is adipisci velit, sed Neque porro.