Apprendre à coder à l'ère de l'IA : ce qu'il faut encore savoir faire soi-même

Une IA de code peut t’écrire une fonction en quelques secondes. Est-ce que ça veut dire que tu n’as plus besoin d’apprendre à coder toi-même ? Trois études, publiées entre 2025 et 2026, apportent des réponses précises, et pas toujours celles qu’on attend.

Une étude qui casse une intuition : plus vite ne veut pas dire plus vite

En juillet 2025, l’organisation de recherche METR publie les résultats d’une expérience contrôlée menée avec 16 développeurs open source expérimentés (5 ans d’ancienneté en moyenne sur les projets étudiés), qui ont traité 246 tâches réelles, tantôt avec l’aide d’outils d’IA (principalement Cursor Pro avec Claude 3.5 et 3.7 Sonnet), tantôt sans. Résultat : autoriser l’IA a en réalité rallongé le temps nécessaire de 19 %, pas raccourci.

Le plus intéressant n’est pas là. Avant de commencer, ces développeurs expérimentés prévoyaient que l’IA leur ferait gagner 24 % de temps. Et après avoir terminé, alors que l’IA les avait réellement ralentis, ils estimaient encore qu’elle leur avait fait gagner 20 % de temps. Autrement dit : même des développeurs chevronnés se trompent sur leur propre rapidité quand l’IA est dans la boucle, dans un sens qui ne se corrige pas tout seul avec l’expérience. Juger correctement si une IA t’aide vraiment demande déjà, en soi, une compétence solide.

Ce que montre une étude sur les débutants : plus rapide tout de suite, mais moins retenu

Une étude publiée en 2026 à l’ICER, une conférence de référence en recherche sur l’enseignement de l’informatique, compare 22 débutants codant en Python pendant des sessions de 20 minutes, une fois avec un binôme humain, une fois avec GitHub Copilot. Sur le moment, les résultats avec Copilot sont meilleurs : performance significativement supérieure, charge mentale plus faible. Mais l’émotion ressentie est moins positive qu’avec un binôme humain, et surtout, une semaine plus tard, en retestant les mêmes participants sans aide, la baisse de performance est plus marquée du côté de ceux qui avaient utilisé l’IA. Les auteurs recommandent explicitement aux enseignants de continuer à faire une place à la programmation en binôme humain, en complément de l’IA, pas à sa place.

Autrement dit : ce que tu produis vite avec une IA ne s’imprime pas forcément dans ta mémoire aussi bien que ce que tu as dû construire avec un effort réel.

Ce qui se passe dans ton cerveau quand tu délègues tout

En juin 2025, une équipe du MIT Media Lab publie une étude qui a suivi 54 participants (18 d’entre eux sur une quatrième session), répartis en trois groupes pour rédiger des dissertations : sans aucun outil, avec un moteur de recherche, ou avec un assistant IA, tout en portant un casque qui mesure l’activité électrique du cerveau (EEG). Résultat : le groupe qui n’utilisait aucun outil a montré l’activité cérébrale la plus forte et la plus distribuée ; le groupe utilisant l’IA a montré la connectivité la plus faible des trois. Les chercheurs ont proposé le terme de « dette cognitive » pour désigner cet écart. Détail notable : quand les participants habitués à l’IA devaient ensuite écrire sans aucune aide, leur activité cérébrale restait plus basse que celle du groupe qui n’avait jamais utilisé l’IA, comme si l’habitude laissait une trace après coup.

Ces trois études ne portent pas sur exactement la même chose (productivité perçue, rétention à une semaine, activité cérébrale), et aucune ne dit qu’il faut arrêter d’utiliser l’IA : les développeurs de l’étude METR restent, malgré le ralentissement, probablement plus efficaces sur d’autres tâches que l’étude ne mesure pas, et les débutants de l’étude ICER 2026 ont quand même mieux réussi leur tâche immédiate avec Copilot. Ce qu’elles montrent ensemble, c’est plus précis que « l’IA est mauvaise » : ce qui est produit vite avec une IA n’est pas automatiquement compris, retenu, ou maîtrisé, et le sentiment d’avoir progressé ne suffit pas à prouver qu’on a vraiment progressé.

Ce qu’il faut donc continuer à savoir faire soi-même

• Lire du code que tu n’as pas écrit. La documentation officielle de GitHub Copilot le formule sans détour : valide toujours ce qui est suggéré, et comprends-le avant de l’utiliser. Si tu ne sais pas lire ce que l’IA vient de produire, tu ne peux pas juger si c’est correct.
• Déboguer. Comprendre un message d’erreur, remonter à sa cause, plutôt que copier-coller le message dans l’IA et accepter la première correction proposée sans savoir ce qu’elle a changé.
• Tester. Savoir écrire (ou au minimum lire et comprendre) un test qui prouve qu’une fonctionnalité marche, plutôt que de te fier à l’impression que « ça a l’air bon ».
• Versionner ton travail. Utiliser Git pour comprendre ce qui a changé, quand, et pourquoi, plutôt que de perdre la trace des versions successives.
• Comprendre les bases. Comment une donnée est structurée, pourquoi un programme est lent : ce sont ces bases qui te permettent de repérer qu’une réponse de l’IA ne tient pas la route, même quand elle est formulée avec assurance.

Aucune de ces cinq compétences ne s’apprend en regardant l’IA travailler à ta place : elles s’apprennent en les pratiquant, y compris quand c’est plus lent, exactement comme le suggère l’étude ICER 2026 sur la programmation en binôme.

Utiliser l’IA comme un tuteur, pas comme un stylo qui écrit à ta place

La bonne nouvelle, c’est que ces mêmes études ne concluent jamais qu’il faut éviter l’IA. Elles montrent plutôt qu’il y a une différence entre lui demander une réponse toute faite et lui demander de t’expliquer un point que tu ne comprends pas. Demande-lui de justifier son choix, de te faire deviner l’erreur avant de te la révéler, ou de te poser des questions sur ce que tu viens d’écrire plutôt que d’écrire à ta place. Garde aussi des moments, comme le suggère l’étude ICER 2026, où tu résous un problème sans aide : c’est cet effort-là qui laisse une trace une semaine plus tard.

Les règles de ton école

Utiliser l’IA pour apprendre à coder est une chose ; l’utiliser sur un rendu noté en est une autre, encadrée différemment selon les établissements. Avant de t’en servir pour un devoir ou un projet évalué, vérifie les règles d’usage de l’IA propres à ton établissement : ce qui est toléré, ce qui doit être signalé, ce qui est interdit varie beaucoup d’une école à l’autre.

À retenir

• Une étude METR de juillet 2025, menée sur 16 développeurs expérimentés, a mesuré que l’IA les ralentissait de 19 %, alors qu’eux-mêmes pensaient avoir gagné du temps.
• Une étude ICER 2026 sur 22 débutants a montré une meilleure performance immédiate avec l’IA, mais une baisse de rétention plus marquée une semaine plus tard.
• Une étude du MIT Media Lab (juin 2025, 54 participants, mesures EEG) a mesuré une connectivité cérébrale plus faible chez les utilisateurs d’IA, un effet qui persistait même une fois l’IA retirée.
• Lire du code, déboguer, tester, versionner et comprendre les bases restent des compétences que l’IA ne peut pas exercer à ta place.
• Pour un travail noté, vérifie toujours les règles d’usage de l’IA de ton établissement avant de t’en servir.

Pour t’entraîner à lire et comprendre un message d’erreur avant de le donner à une IA, la skill lire-une-erreur propose une méthode pas à pas.