Les ingénieurs juniors face à un marché qui se rétrécit malgré l'IA

Un débat s'intensifie sur la question de savoir si le codage agentique, des systèmes d'IA qui écrivent, testent et corrigent du code avec une aide humaine limitée, est sur le point de remplacer les ingénieurs logiciels juniors, ou s'il ne fait que remplacer les tâches que les entreprises leur confiaient jusqu'ici. Selon MarkTechPost, la question est généralement posée à l'envers : on raisonne directement d'un score de référence en hausse à une conclusion sur le marché du travail, en sautant chaque étape qui devrait pourtant être vérifiée entre les deux.

Les repères mesurent moins qu'ils ne le prétendent

MarkTechPost cite les travaux de METR sur « l'horizon temporel », qui chronomètrent la durée d'une tâche pour un humain compétent puis mesurent la longueur de tâche à laquelle un modèle d'IA réussit une fois sur deux. Cet horizon a environ doublé tous les sept mois depuis 2019, et MarkTechPost rapporte que ce doublement s'est accéléré entre 2024 et 2026, les systèmes de pointe se mesurant désormais en heures plutôt qu'en minutes. Mais la barre des 50 % de réussite n'est pas une barre sur laquelle un employeur peut fonder ses effectifs : à un seuil de fiabilité de 80 %, note MarkTechPost, les modèles de pointe sont quasi parfaits sur des tâches qu'un humain termine en moins de quatre minutes et réussissent moins d'une fois sur dix sur des tâches de plus de quatre heures. Les tâches de METR sont elles-mêmes délibérément autonomes et bien délimitées, écrit MarkTechPost, soit l'inverse des premiers mois réels d'un ingénieur junior, largement consacrés à absorber du contexte : quelle équipe possède quel service, pourquoi telle vieille abstraction existe encore, à qui poser la question.

Le tableau s'assombrit pour un second chiffre largement cité. En février 2026, OpenAI a cessé de publier ses scores sur SWE-bench Verified et a recommandé aux autres laboratoires de faire de même, selon le compte-rendu que fait MarkTechPost de cette annonce du laboratoire. Un audit portant sur 27,6 % du jeu de données a révélé qu'au moins 59,4 % des problèmes audités comportaient des cas de test défaillants qui rejetaient des solutions pourtant fonctionnellement correctes, en plus d'indices de contamination des données d'entraînement. Sur des jeux de données plus difficiles et non contaminés comme SWE-bench Pro, rapporte MarkTechPost, les scores des modèles de pointe chutent nettement par rapport aux chiffres de Verified que les entreprises citent au lancement de leurs produits.

La vérification est le vrai goulot d'étranglement, pas l'écriture du code

La preuve la plus nette sur le coût vient d'un essai contrôlé randomisé mené par METR auprès de 16 développeurs open source expérimentés, sur 246 tâches réelles dans leurs propres dépôts, cité par MarkTechPost. Avec l'usage de l'IA autorisé ou non de façon aléatoire, les développeurs avaient anticipé un gain de vitesse de 24 % et, après coup, estimaient avoir été 20 % plus rapides — mais les enregistrements d'écran ont montré qu'ils avaient en réalité été 19 % plus lents. MarkTechPost signale les limites de cet essai : des outils datant du début 2025, et un petit groupe de développeurs expérimentés travaillant sur des bases de code qu'ils connaissaient déjà bien. Malgré cela, MarkTechPost retient l'écart entre productivité perçue et productivité mesurée comme le résultat le plus solide de l'essai — et c'est précisément le genre de divergence qu'il faut énoncer clairement plutôt que de la lisser.

Des enquêtes plus larges vont dans le même sens. MarkTechPost cite l'enquête 2025 de Stack Overflow menée auprès de plus de 49 000 développeurs, dans laquelle 84 % utilisent ou prévoient d'utiliser des outils d'IA pour coder, tandis que 46 % se méfient activement de la fiabilité des résultats produits, contre 33 % qui leur font confiance ; seuls 3 % déclarent une confiance élevée. L'étude DORA de Google, menée auprès d'environ 5 000 professionnels, a trouvé que 90 % utilisent l'IA au travail et que plus de 80 % pensent qu'elle a amélioré leur productivité, alors que 30 % déclarent peu ou pas confiance dans le code généré par IA — et si le débit de livraison s'est amélioré d'une année sur l'autre, l'instabilité des livraisons, elle, n'a pas bougé. Trois conditions, soutient MarkTechPost, ne sont pas encore réunies pour que des agents puissent remplacer des juniors :

• Une fiabilité constante sur des tâches ayant la durée et le contexte préalable du travail réel d'un junior, et non des tâches de référence autonomes et bien délimitées
• Des scores de référence qui se maintiennent sur des jeux de tests plus difficiles et non contaminés, plutôt que sur des jeux retirés comme SWE-bench Verified
• Un coût de vérification, une fois qu'un senior relit le résultat de l'IA, inférieur au coût qu'il y aurait simplement à déléguer le travail à une personne

Les données d'embauche montrent déjà le basculement

Une quatrième condition, soutient MarkTechPost, ne dépend pas des trois premières : la volonté des entreprises de rompre leur propre filière de formation des ingénieurs juniors vers des postes seniors, que la substitution fonctionne réellement ou non. Le Digital Economy Lab de Stanford, qui suit les données de paie ADP couvrant environ un travailleur américain sur six, a constaté que l'emploi des 22-25 ans dans les métiers les plus exposés à l'IA, dont le développement logiciel, divergeait nettement de celui des travailleurs plus âgés dans les mêmes métiers : un déficit de 15 % au point de données de juillet 2025, s'élargissant à 19 % d'ici juin 2026, tiré principalement par une baisse des embauches plutôt que par des licenciements, rapporte MarkTechPost.

CIO rapporte le même ralentissement côté embauche. Aux États-Unis, les jeunes diplômés en ingénierie informatique affichent un taux de chômage de 7,5 % et ceux en informatique de 6,1 %, selon des projections de la Federal Reserve Bank of New York citées par CIO — bien au-dessus du taux de chômage national de 4,3 % et nettement supérieur à celui des jeunes diplômés en soins infirmiers (1,4 %) ou en génie civil (1 %). Une enquête de Resume.org menée auprès de 1 000 dirigeants d'entreprise américains a trouvé que six entreprises sur dix étaient susceptibles de licencier des employés en 2026, quatre sur dix prévoyant de remplacer une partie de ces salariés par de l'IA, rapporte CIO. « Pourquoi embaucher un junior à 90 000 dollars quand GitHub Copilot en coûte 10 ? », a déclaré à CIO l'ingénieur logiciel senior Chirag Agrawal, décrivant comment son propre poste est passé de l'écriture de code à la validation des résultats produits par l'IA, à la recherche de cas limites et de failles de sécurité. Rachit Gupta, responsable IA au cabinet de conseil Tredence, a expliqué à CIO que l'IA gère désormais une grande partie de la correction de bugs, de l'écriture de tests et du code répétitif sur lesquels les juniors faisaient leurs armes, mais que le jugement en matière d'architecture, de conformité et de sécurité reste l'apanage des ingénieurs expérimentés.

Pour les entreprises, l'enjeu pratique est immédiat : embaucher moins de juniors permet d'économiser en période de ralentissement, mais l'argument de fond de MarkTechPost est que les tâches codifiées, celles qu'un junior sait déjà accomplir en arrivant, sont précisément ce que les agents automatisent, alors que le jugement tacite que détiennent les ingénieurs seniors est ce que ces tâches étaient censées enseigner sur le terrain. Cela laisse aux employeurs une question que peu budgétisent aujourd'hui : qui formera la prochaine génération de relecteurs si les premiers échelons disparaissent. Pour les jeunes diplômés qui entrent aujourd'hui sur le marché du travail, y compris en France et dans les pays francophones où les mêmes outils d'IA de codage se généralisent, la lecture de ces deux textes converge : les postes construits autour de l'écriture de code répétitif se raréfient, tandis que les candidats effectivement recrutés doivent de plus en plus démontrer qu'ils savent questionner, tester et corriger le code produit par l'IA plutôt que simplement en produire davantage.