Uber et l’IA chez les ingénieurs : 95% utilisent des outils IA et 1 800 modifs/semaine Uber affirme que 95% des ingénieurs utilisent l’IA et qu’un agent interne génère 1 800 modifications par semaine sans intervention humaine.
Les outils d'IA chez Uber gagnent du terrain dans les équipes de développement : selon le directeur technique, 95 % des ingénieurs utilisent désormais des outils d’IA et l’entreprise souligne qu’un agent de codage interne génère des milliers de modifications chaque semaine sans intervention humaine. Cette évolution redéfinit les tâches des développeurs, qui passent moins de temps à écrire du code et plus à orienter les machines pour ce qu’elles doivent produire.
La révélation s’inscrit dans un mouvement plus large d’intégration de l’intelligence artificielle dans le cycle de développement logiciel.
Praveen Neppalli Naga, directeur technique d’Uber, a indiqué sur LinkedIn que 95 % des ingénieurs utilisent des outils d’IA chaque mois et que l’agence interne de codage accomplit environ 1 800 modifications chaque semaine sans intervention humaine.Cette dynamique ne se limite pas à quelques prototypes : elle s’appuie sur des systèmes internes qui orchestrent la génération et la relecture de morceaux de code, avec des mécanismes de surveillance et de validation.
Comment Uber conjugue IA et développement logiciel
Chez Uber, l’intégration de l’IA dans le codage repose sur deux axes complémentaires. D’un côté, des assistants de programmation alimentent les développeurs en suggestions et en compléments de code, ce qui accélère les périodes d’édition et permet de réutiliser des solutions éprouvées. De l’autre, un agent de codage interne agit comme un moteur autonome qui peut modifier le code existant, déployer des tests et proposer des correctifs, le tout sous une supervision humaine plutôt que comme une démarche entièrement automatique.
Cette approche vise à libérer du temps pour les ingénieurs afin de se concentrer sur les aspects complexes et métier du logiciel, plutôt que sur des tâches routinières. Elle s’appuie sur des pipelines de validation et des revues de code qui restent essentielles pour éviter la propagation d’erreurs. En clair, l’IA est perçue comme un accélérateur, pas comme une substitution complète des compétences humaines.
Ce que cela implique pour les équipes et les pratiques
L’utilisation généralisée de l’IA change plusieurs dynamiques autour du développement et de l’ingénierie logicielle :
- Productivité et qualité : l’automatisation des tâches répétitives peut accélérer les livraisons tout en imposant des contrôles qualité plus rigoureux via des tests automatisés et des revues dédiées.
- Gouvernance du code : les plateformes internes nécessitent des protocoles clairs de sécurité, de traçabilité et de gestion des risques, afin d’éviter les régressions et les vulnérabilités.
Contexte, limites et ce qu’on ignore encore
Pour autant, tout n’est pas idyllique. Les systèmes d’IA qui génèrent ou modifient du code introduisent des questions de fiabilité et de sécurité. Le risque de bugs ou de comportements inattendus peut augmenter si les mécanismes de validation ne suivent pas des standards stricts, et l’importance des revues humaines demeure centrale. De plus, la dépendance à des outils d’IA pose des enjeux de connaissance interne : comment préserver l’intelligence des équipes lorsque les machines prennent une part plus active dans l’écrit du code ?
Pour terminer
Ce que montre l’initiative d’Uber, c’est une architecture de développement où l’IA sert à amplifier les compétences humaines tout en imposant une discipline rigoureuse. La vraie question reste : jusqu’où peut-on pousser l’automatisation sans renoncer à la compréhension humaine des systèmes, et quels garde-fous garantiront que la productivité s’accompagne de sécurité et de fiabilité sur le long terme ?
