Prenons un transporteur routier : une équipe interne y développe le logiciel de planification des tournées. Deux développeurs se servent déjà d’un assistant de code, de leur propre initiative, et le responsable de l’équipe demande au comité informatique d’étendre ce développement assisté par IA à tous.
L’expression désigne l’emploi d’assistants fondés sur un grand modèle de langage, qui proposent du code, des tests ou des explications, de la complétion d’une ligne à la réalisation d’une tâche entière par un agent. Avant de généraliser cet emploi, le comité peut instruire, dans l’ordre, les tâches confiées, la relecture, le rôle des tests et de la revue, les données qui sortent, la titularité du code et la manière de juger un essai. Ces questions et leur ordre sont notre proposition ; les sources publiques citées ont été lues le 12 novembre 2026, et aucun gain n’est promis.
Quelles tâches confier à un assistant de code ?
Nous proposons de classer les tâches selon deux critères : l’existence d’un moyen déjà en place pour vérifier le résultat, et le coût d’une erreur passée inaperçue.
Les tâches dont le résultat se vérifie aussitôt se prêtent à l’assistance : code répétitif, conversion d’un format à un autre, explication d’un module inconnu du développeur, ébauche de tests à partir d’une règle écrite.
D’autres reposent sur des raisons et des décisions passées que le contexte transmis à l’outil ne contient pas toujours : le découpage en modules, le modèle de données, une règle de gestion que personne n’a encore écrite. L’assistant peut y proposer des options ; une personne décide et consigne ses raisons.
Une troisième catégorie appelle une relecture renforcée : contrôle d’accès, authentification, chiffrement, calcul d’un montant. Lorsque l’assistant agit comme un agent, la question de ses droits s’ajoute ; elle est traitée dans notre article sur la sécurité des agents IA.
Qui relit ce que l’assistant propose ?
Le développeur qui soumet une modification en rend compte à l’équipe, même lorsque l’outil en a proposé l’essentiel. Une règle d’équipe le traduit : ne soumettre que ce que l’on sait expliquer.
Le Top 10 de l’OWASP pour les applications de LLM et d’IA générative (genai.owasp.org) appuie cette exigence. Sa fiche « Misinformation » (LLM09:2025) décrit la confiance excessive (overreliance) accordée à un contenu généré et cite, parmi ses exemples, la génération de code non sûr : le modèle suggère des bibliothèques non sécurisées ou inexistantes. L’un de ses scénarios met en scène des attaquants qui repèrent les noms de paquets souvent inventés par les assistants, puis publient des paquets malveillants sous ces noms. Toute dépendance nouvelle proposée par l’assistant se vérifie donc avant d’être ajoutée : existence, éditeur, entretien.
La relecture par une seconde personne garde la place que lui donne notre article sur la revue de code. La reprise du code par d’autres, que notre page développement sur mesure traite comme une exigence de conception, ne s’allège pas parce qu’un modèle en a proposé une partie.
Les tests et la revue changent-ils avec le développement assisté par IA ?
Si le nombre ou la taille des modifications soumises augmente, la revue peut devenir le point d’attente de l’équipe. Ses règles de taille et de délai se rappellent avant l’ouverture de l’outil.
Un test que l’assistant tire du code qu’il vient d’écrire vérifie ce code contre lui-même, limite que relève notre page qualité logicielle et tests. Le comportement attendu s’écrit donc d’abord, à partir de la règle ou du critère d’acceptation, par une personne qui connaît le besoin ; l’assistant peut ensuite compléter les cas.
Les contrôles automatiques de la chaîne d’intégration (analyse statique, détection de secrets, analyse des dépendances) s’appliquent au code proposé comme au reste, avant toute relecture humaine.
Quel code et quelles données quittent l’entreprise ?
Pour proposer une suite, l’assistant transmet un contexte au service qui exploite le modèle : selon l’outil, le fichier ouvert, des fichiers voisins, la question posée. Ce contexte peut contenir un algorithme propre à l’entreprise, un mot de passe laissé dans un fichier de configuration, des données personnelles dans un jeu de test. La fiche « Sensitive Information Disclosure » (LLM02:2025) de l’OWASP compte les identifiants de sécurité et les données d’affaires confidentielles parmi les informations sensibles, et recommande des règles claires de conservation, d’usage et de suppression des données.
Le comité demande donc, pour l’outil candidat, ce qui est transmis, où et combien de temps c’est conservé, si les saisies servent à entraîner des modèles et quels sous-traitants interviennent. Les réponses se lisent dans le contrat et la documentation. La documentation de GitHub Copilot (docs.github.com) décrit un réglage qui fait ignorer certains fichiers à l’assistant, et précise qu’il ne constitue pas une frontière de sécurité du système de fichiers. Celle de GitLab Duo (docs.gitlab.com) décrit, dans certains cas d’emploi, le retrait des secrets avant l’envoi du code aux modèles, et indique que ses sous-traitants de modèles ne peuvent pas utiliser les entrées et les sorties pour l’entraînement.
Tant que l’usage passe par des comptes personnels, ces réponses manquent : c’est la situation que nomme le shadow AI. Un modèle hébergé par l’organisation déplace ces questions sans les supprimer, arbitrage que présente notre page IA générative en entreprise. Les règles d’usage (outils autorisés, données interdites de saisie, signalement) relèvent de la charte IA d’entreprise.
À qui appartient le code produit, et sous quelle licence ?
Nous n’énonçons ici aucune règle de droit : ces points se posent aux juristes de l’organisation.
- Un code proposé par un assistant puis retenu par un développeur est-il protégé, et qui en est titulaire entre le salarié, l’entreprise et, le cas échéant, un prestataire ?
- Que prévoient les conditions de l’éditeur sur les contenus produits et sur la réclamation d’un tiers ?
- Une suggestion peut-elle reproduire un code publié sous une licence dont les obligations s’imposeraient au logiciel ?
- Les contrats des prestataires disent-ils si l’usage d’un assistant est admis, et à quelles conditions ?
Sur le troisième point, la documentation de Gemini Code Assist (developers.google.com) indique que les produits Google Cloud utilisant Gemini joignent des informations de citation lorsqu’ils citent directement et longuement une autre source, par exemple un code open source, et que la citation peut mentionner une licence applicable ; un réglage écarte les suggestions correspondant aux sources citées. Celle d’Amazon Q Developer (docs.aws.amazon.com) indique qu’une suggestion peut ressembler à du code public, que des références en donnent alors la source et que ces suggestions peuvent être désactivées. Ces réglages renseignent les juristes sans trancher.
Comment saura-t-on si l’essai est concluant ?
Nous proposons de conduire l’essai comme une expérience bornée : une équipe, une application, une durée fixée d’avance, et des mesures relevées sur la même équipe avant l’ouverture de l’outil.
Les mesures d’entrée décrivent ce qui arrive en revue : nombre de modifications soumises, taille de chacune, part de celles où l’assistant a servi. Les mesures de qualité décrivent ce qu’il en advient : délai de première relecture, allers-retours avant intégration, défauts relevés en revue, défauts découverts en production dans le code concerné. S’y ajoute un relevé écrit des développeurs : les tâches où l’aide a servi, celles où elle a fait perdre du temps.
Aucune de ces mesures ne vaut promesse, et aucune ne sert à évaluer une personne. Le comité écrit avant l’essai ce qui conduirait à étendre l’usage, à en restreindre les tâches ou à l’arrêter. À la date prévue, l’équipe présente le relevé, les incidents de confidentialité éventuels et la liste des tâches qu’elle propose d’ouvrir à l’assistant, de lui fermer ou de garder sous relecture renforcée.