Ce que les LLM nous apprennent sur l'innovation
Le RCT de METR, le rapport DORA 2025 et les essais Copilot disent la même chose : l'IA amplifie le système déjà en place. Ton goulot d'étranglement n'a jamais été la production d'idées.
Seize développeurs open source expérimentés, 246 tâches réelles dans leurs propres dépôts, un tirage au sort. Avec l'IA autorisée, ils ont mis 19 % de temps en plus — et après coup, ils étaient persuadés d'avoir accéléré de 20 %.
Ce résultat du essai contrôlé de METR publié en juillet 2025 m'a servi de boussole pendant quatorze mois d'usage intensif des LLM sur mes projets. Il ne dit pas que ces modèles sont inutiles. Il dit que l'innovation ne se joue pas là où tout le monde regarde.
L'innovation n'a jamais été un problème de production d'idées
J'ai chronométré mes phases de divergence avant et après l'arrivée des LLM dans mon flux de travail. La recherche d'idées a fondu : une après-midi remplace trois semaines de notes éparses. Sur les quatre pistes que j'ai retenues à la fin, trois existaient déjà dans un document vieux de huit mois.
Le premier enseignement est brutal. Un modèle est excellent pour reformuler ce que tu sais déjà, décliner un concept en dix variantes, écrire la note de cadrage que tu repousses depuis lundi. Il ne va pas chercher le client à ta place et il ne tranche pas entre deux marchés.
La valeur ajoutée reste dans le tri, et le tri ne s'automatise pas. Un LLM qui produit quarante idées en trois minutes ne fait que déplacer le travail vers l'étape que la plupart des équipes négligent : décider ce qu'on abandonne.
Un amplificateur, pas un moteur
Le rapport DORA 2025 a le mérite de la clarté : l'IA est un amplificateur. Elle magnifie les forces et les faiblesses d'une organisation existante, et la même enquête observe simultanément une hausse du débit de livraison et une hausse de l'instabilité.
Concrètement, une équipe dont la suite de tests échoue une fois sur trois ne se met pas à livrer mieux parce qu'elle génère ses tests plus vite. Elle produit plus de merges fragiles, plus vite. J'ai vu ce scénario se dérouler sur un dépôt où le taux d'échec de CI était déjà de 30 % avant l'arrivée de l'assistant de code.
Les chiffres de DORA vont dans le même sens que mon ressenti, et c'est justement le problème. Sur les 90 % de professionnels de la tech qui utilisent l'IA au quotidien, plus de 80 % se déclarent plus productifs, tandis que 30 % font peu ou pas confiance au code généré. Perception et réalité divergent, presque toujours dans le même sens.
L'objection sérieuse : les gains de débit sont réels
On m'oppose toujours la même étude, et elle est solide. Trois essais contrôlés menés chez Microsoft, Accenture et une entreprise du Fortune 100, 4 867 développeurs, accès à GitHub Copilot tiré au sort : +26 % de tâches terminées pour le groupe traité.
L'objection tient, mais elle ne parle pas d'innovation. Ce que ces essais mesurent, c'est du débit sur des tâches déjà cadrées : écriture de code, commits, builds. Les gains se concentrent d'ailleurs sur les profils juniors, entre +27 % et +39 %, contre +8 % à +13 % pour les seniors.
La logique est simple à suivre. Plus ton travail consiste à produire du code et moins à décider de ce qu'il faut produire, plus l'IA te profite. L'innovation se trouve du mauvais côté de cette frontière, celui où le goulot d'étranglement est le jugement, pas la frappe.
Le coût invisible se déplace vers la vérification
Le débit d'un auteur se paie par la charge d'un relecteur. Une équipe de cinq personnes qui produit trois fois plus de code garde la même capacité de relecture, et c'est précisément là que le pipeline casse.
Un ingénieur interrogé dans le travail de DORA le formule mieux que moi : relire le code de quelqu'un d'autre est nettement plus difficile que de l'écrire soi-même. Ce transfert de charge est la face cachée des indicateurs de vélocité.
La mise à jour de METR de février 2026 montre que le décor bouge vite. Sur les mêmes développeurs, le ralentissement de 19 % s'est transformé en gain de vitesse estimé à 18 %, alors que les nouveaux recrutés ne gagnent presque rien. Ce n'est pas seulement le modèle qui a progressé, c'est la manière dont ces équipes l'ont intégré à leur boucle de travail.
La différenciation part dans l'orchestration
Si le modèle est disponible pour tout le monde au même prix, il n'est pas un actif différenciant. Ce qui le devient, c'est le système autour : tes données, tes tests, ton évaluation, ta boucle de feedback.
Un RAG branché sur tes propres post-mortems d'incidents ne raconte pas la même chose qu'un assistant généraliste, et cette différence est la seule qui survive en production. J'ai détaillé la partie concrète dans comment démarrer avec une évaluation RAG.
Le coût d'inférence, lui, reste une contrainte de conception et pas un détail d'optimisation. Je l'ai mesuré sur mon propre déploiement dans ce retour d'expérience sur vLLM, et la conclusion est banale : le débit et la latence dictent l'architecture bien plus que la taille du modèle.
La leçon la plus inconfortable
Les LLM ne rendent pas une organisation innovante. Ils rendent une organisation déjà innovante plus rapide, et une organisation médiocre plus bruyante.
Pendant quatorze mois, la seule chose que j'ai vraiment apprise de ces modèles, c'est qu'ils fonctionnent comme un révélateur. Là où ton process était flou, tu obtiens du flou à haute fréquence. Là où ton process était clair, tu obtiens des semaines de travail en quelques heures.
Le prochain avantage concurrentiel ne sera pas de savoir quel modèle utiliser. Il sera de savoir ce que tu lui fais faire, avec quelles données, et comment tu vérifies ce qu'il rend.