TL;DR. « Apprenez à coder » et « le code est mort » sont deux affirmations fausses, car elles traitent quatre décisions comme une seule. Le Bureau of Labor Statistics américain prévoit une croissance de 10 % des développeurs de logiciels entre 2025 et 2035 (174 700 emplois de plus), tandis que les programmeurs informatiques reculent de 7 %. Les jeunes diplômés en informatique affichaient un taux de chômage de 7,0 % dans le dernier tableau par filière de la Fed de New York, contre 4,2 % pour l’ensemble des filières, mais aussi l’un des taux de sous-emploi les plus bas et un salaire médian de début de carrière de 87 000 $. Sur les six études consacrées au codage assisté par IA alignées ci-dessous, deux montrent des gains nets de vitesse ou de production, une montre des développeurs expérimentés mettant 19 % de temps en plus, une montre un code moins sûr, et une montre un score inférieur de 17 % à un quiz de compétences chez les personnes ayant appris une nouvelle bibliothèque avec l’IA. Le geste du CEO : décider lequel des quatre niveaux vous est nécessaire et ce dont vous y serez responsable. Le geste de l’étudiant : apprendre à lire, tester et vérifier le code avant d’apprendre à le taper.
Cet article fait partie du cluster CEOtudent consacré à la littératie en IA. L’article pilier, L’ingénierie de prompts ne suffit pas, cartographie toute la pile de compétences ; La nouvelle littératie technique couvre ce que les équipes non techniques doivent comprendre des systèmes d’IA ; et la matrice de décision à 4 facteurs est l’outil général pour choisir sa prochaine compétence. Ce texte relève de l’information générale, pas d’un conseil de carrière ou financier personnalisé.
Pourquoi « faut-il apprendre à coder » est-elle la mauvaise question ?
La question cache trois variables.
Quel métier. Les statistiques officielles ne connaissent pas de catégorie « codeur ». Elles distinguent les développeurs de logiciels, qui conçoivent des applications et des systèmes ; les programmeurs informatiques, qui, selon les termes du Bureau of Labor Statistics, « transforment les conceptions créées par les développeurs et ingénieurs logiciels en instructions qu’un ordinateur peut suivre » ; et les développeurs web. Les projections font évoluer ces trois métiers dans des directions différentes.
Quelle personne. Les débutants et les travailleurs expérimentés ne vivent pas la même année.
Quel objectif. Écrire un logiciel dont dépendent des clients, construire un petit outil pour sa propre équipe et lire ce qu’un agent d’IA a produit sont trois compétences, avec trois coûts. L’enquête 2025 de Stack Overflow retient pour le vibe coding la définition « le processus consistant à générer du logiciel à partir de prompts de LLM ». Cette pratique a ouvert le deuxième et le troisième objectif à presque tout le monde. Elle n’a pas rendu le premier plus facile d’accès.
Une réponse utile est un test de tri, pas un oui ou un non.
Que disent les chiffres officiels de l’emploi sur ceux qui écrivent du code ?
L’Occupational Outlook Handbook intègre désormais les salaires de mai 2025 et les projections 2025-2035 publiées le 27 août 2026.
Tableau 1. Les métiers du code dans l’Occupational Outlook Handbook du BLS (chiffres tels que publiés)
| Métier (code SOC) | Emploi, 2025 | Emploi projeté, 2035 | Variation, 2025-2035 | Salaire annuel médian, mai 2025 |
|---|---|---|---|---|
| Développeurs de logiciels (15-1252) | 1 717 800 | 1 892 600 | +10 % (+174 700) | 135 980 $ |
| Analystes et testeurs en assurance qualité logicielle (15-1253) | 187 600 | 198 200 | +6 % (+10 600) | 104 300 $ |
| Programmeurs informatiques (15-1251) | 110 800 | 102 700 | -7 % (-8 100) | 100 390 $ |
| Développeurs web (15-1254) | 87 400 | 90 600 | +4 % (+3 300) | 92 650 $ |
| Concepteurs web et d’interfaces numériques (15-1255) | 132 700 | 140 800 | +6 % (+8 000) | 104 000 $ |
Source : U.S. Bureau of Labor Statistics, Occupational Outlook Handbook. Le BLS arrondit l’emploi à la centaine la plus proche, de sorte qu’une variation publiée peut différer de 100 d’une simple soustraction. À titre de comparaison, l’emploi total aux États-Unis devrait progresser de 3,5 %, et le salaire annuel médian de l’ensemble des travailleurs était de 50 980 $ en mai 2025.
Le commentaire du Bureau compte autant que les chiffres. Pour les programmeurs, il indique que « de nombreuses entreprises devraient tirer parti de technologies, dont l’intelligence artificielle (IA), pour automatiser les tâches de programmation répétitives » et que certaines tâches de programmation plus qualifiées passeront probablement aux développeurs de logiciels. Pour les développeurs, il anticipe une forte demande portée par les logiciels destinés à l’IA, à l’Internet des objets, à la robotique et à d’autres formes d’automatisation. Pour les développeurs web, il prévient que les outils d’IA « pourraient atténuer la croissance de l’emploi » et pourraient « permettre à certains travailleurs d’autres professions d’effectuer des tâches élémentaires de développement web ». Cette dernière phrase est la version officielle de l’histoire du vibe coding.
Tableau 2. Les trois métiers côte à côte (analyse CEOtudent des données de l’Occupational Outlook Handbook du BLS)
| Indicateur | Développeurs de logiciels | Programmeurs informatiques | Développeurs web |
|---|---|---|---|
| Salaire médian en multiple de la médiane de l’ensemble des travailleurs (50 980 $) | 2,67x | 1,97x | 1,82x |
| Écart de salaire avec les développeurs de logiciels | – | 35 590 $ de moins | 43 330 $ de moins |
| Croissance projetée comparée à l’ensemble des professions (3,5 %) | 2,9 fois la moyenne | en recul | 4 %, légèrement au-dessus de la moyenne |
| Développeurs par programmeur, 2025 | 15,5 | – | – |
| Développeurs par programmeur, 2035 (projection) | 18,4 | – | – |
| Variation nette projetée sur les trois métiers | +169 900 emplois (+174 700, -8 100 et +3 300) |
Source : calculs CEOtudent à partir du tableau 1.
Le marché verse déjà une prime de 35,5 % au métier qui décide quoi construire par rapport à celui qui traduit une conception en code, et les projections creusent l’écart, de 15,5 développeurs par programmeur à 18,4. Un métier qui rétrécit n’est pas un métier fermé : environ 4 400 postes de programmeur à pourvoir par an restent projetés, tous liés au remplacement de travailleurs qui partent. Les catégories d’exposition à l’IA du Bureau et leurs réserves sont traitées dans l’article CEOtudent sur les carrières résilientes aux licenciements.
Qu’arrive-t-il aux nouveaux diplômés en informatique ?
La Federal Reserve Bank of New York publie les résultats de 73 filières universitaires à partir de l’American Community Survey. Le tableau actuel, publié le 4 février 2026, repose sur les données de 2024.
Tableau 3. Jeunes diplômés par filière (Fed de New York, chiffres arrondis à une décimale à partir du fichier de données publié)
| Filière | Taux de chômage | Taux de sous-emploi | Salaire médian, début de carrière | Salaire médian, milieu de carrière |
|---|---|---|---|---|
| Informatique (computer science) | 7,0 % | 19,1 % | 87 000 $ | 120 000 $ |
| Génie informatique (computer engineering) | 7,8 % | 15,8 % | 90 000 $ | 131 000 $ |
| Toutes filières | 4,2 % | 39,4 % | 58 000 $ | 87 000 $ |
Source : Federal Reserve Bank of New York, The Labor Market for Recent College Graduates. Les taux concernent les diplômés âgés de 22 à 27 ans ; les salaires concernent les travailleurs à temps plein titulaires uniquement d’un bachelor (milieu de carrière : 35 à 45 ans). Le sous-emploi est la part de ceux qui occupent des emplois n’exigeant généralement pas de diplôme universitaire.
Tableau 4. Le rang des deux filières informatiques parmi 73 filières (analyse CEOtudent des données de la Fed de New York)
| Indicateur | Informatique | Génie informatique |
|---|---|---|
| Rang selon le taux de chômage (1 = le plus élevé) | 4e plus élevé | 2e plus élevé |
| Rang selon le taux de sous-emploi (1 = le plus bas) | 9e plus bas | 4e plus bas |
| Rang selon le salaire médian de début de carrière (1 = le plus élevé) | 2e plus élevé | 1er |
| Écart de chômage avec l’ensemble des filières | +2,8 points | +3,6 points |
| Écart de sous-emploi avec l’ensemble des filières | -20,2 points | -23,5 points |
Source : calculs CEOtudent à partir du fichier de données de la Fed de New York ; les écarts utilisent les valeurs non arrondies.
Le schéma est celui d’une file d’attente, pas d’un effondrement. Les diplômés de ces filières comptent parmi les plus susceptibles d’être au chômage. Ceux qui travaillent ont beaucoup moins de chances d’occuper un emploi qui n’exige pas de diplôme, et ils perçoivent les salaires de départ les plus élevés du tableau. Une lecture plausible est qu’ils attendent des postes techniques de niveau universitaire alors que la porte d’entrée vers ces postes s’est rétrécie. Le tableau ne peut pas prouver ce mécanisme à lui seul.
Les données de paie vont dans le même sens. La mise à jour d’août 2026 de « Canaries in the Coal Mine? », par Brynjolfsson, Chandar et Chen à Stanford, exploite les registres de paie d’ADP jusqu’en juin 2026. Elle ne trouve aucune preuve de destruction d’emplois à l’échelle de l’économie. Elle constate aussi que l’emploi des 22-25 ans dans les professions exposées à l’IA se situe 19 % en dessous du niveau qu’il aurait atteint s’il avait suivi le rythme de leurs pairs moins exposés, contre 15 % dans les données arrêtées à juillet 2025, alors que les travailleurs expérimentés ne présentent aucun écart comparable. En juin 2026, l’emploi des 22-25 ans du panel était inférieur d’environ 2 % à son niveau de novembre 2022, tandis que celui des 35-40 ans avait progressé de 11 %. La divergence passe surtout par une réduction des embauches, et elle persiste lorsque l’on exclut les métiers de l’informatique et les entreprises technologiques.
Les auteurs qualifient ces faits d’« indicateurs précoces et descriptifs », et non d’estimations causales, et notent que les tendances s’atténuent lorsque l’on tient compte du niveau d’études. Pour cette décision, le sens est étroit mais important : le risque d’une carrière dans le logiciel s’est déplacé vers le point d’entrée.
Les outils de codage par IA rendent-ils plus rapide ou plus lent ?
Les deux, selon la personne et selon la tâche. Le tableau 5 aligne six études, y compris celles où l’effet va dans le mauvais sens.
Tableau 5. Six études sur l’assistance au codage par IA, alignées (analyse CEOtudent des articles cités ; tailles d’effet telles que publiées par les auteurs)
| Étude | Protocole et échantillon | Cadre | Effet rapporté | Direction |
|---|---|---|---|---|
| Peng et al., 2023 (Microsoft, GitHub, MIT) | Expérience contrôlée ; 95 programmeurs professionnels issus d’une plateforme de freelances | Une tâche : un serveur HTTP en JavaScript | 55,8 % plus rapide (intervalle de confiance à 95 % : 21 % à 89 %) ; les développeurs les moins expérimentés ont le plus gagné | Plus rapide, sur une tâche autonome |
| Cui et al., document de travail 2025 | Trois expériences de terrain ; 4 867 développeurs chez Microsoft, Accenture et une entreprise du Fortune 100 | Travail ordinaire avec un assistant de complétion de code | 26,08 % de tâches terminées en plus (erreur type 10,3 %) ; les salariés à faible ancienneté ont gagné 27 % à 39 %, ceux à forte ancienneté 8 % à 13 % (écart non statistiquement significatif) | Plus de production, davantage chez les nouveaux |
| METR, 2025 | Essai randomisé ; 16 développeurs open source expérimentés, 246 tâches | Leurs propres dépôts matures | 19 % de temps en plus lorsque l’IA était autorisée ; ils avaient prévu 24 % de temps en moins et pensaient ensuite avoir gagné 20 % | Plus lent ; écart de perception de 39 à 43 points |
| METR, mise à jour de février 2026 | 57 développeurs, plus de 800 tâches | Projets open source, outils plus récents | Développeurs déjà participants : 18 % de temps en moins (intervalle de 38 % en moins à 9 % en plus) ; nouveaux développeurs : 4 % en moins (15 % en moins à 9 % en plus) | Tendance vers plus rapide, l’intervalle inclut zéro ; METR juge le signal peu fiable |
| Perry et al., 2023 (Stanford) | Étude utilisateurs ; 47 participants, 33 avec un assistant IA, 14 sans | Cinq tâches liées à la sécurité | Tâche SQL : 36 % du groupe IA ont écrit un code vulnérable à l’injection SQL contre 7 % du groupe témoin ; les utilisateurs de l’IA étaient plus enclins à croire leur code sûr | Moins sûr, plus confiant |
| Shen et Tamkin, 2026 (Anthropic, prépublication) | Expérience randomisée ; 52 participants, 26 par groupe | Apprentissage d’une bibliothèque Python inconnue | Score inférieur de 17 % à un quiz de compétences ultérieur (d de Cohen 0,738) ; aucun gain de temps statistiquement significatif | Moins d’apprentissage, pas de gain de vitesse fiable |
Source : les articles cités dans la liste des sources. L’écart de perception est notre calcul : prévision (24) ou croyance (20) plus le ralentissement mesuré (19).
Les gains sont les plus forts quand la tâche est autonome et la personne débutante. Le chiffre de 55,8 % provient d’un seul exercice délimité. Dans le travail ordinaire en entreprise, le gain était de 26,08 % de tâches terminées en plus, avec un avantage pour les salariés à faible ancienneté.
La familiarité peut inverser le signe. Les développeurs de l’étude METR de 2025 connaissaient leurs dépôts en profondeur, et les outils de début 2025 leur ont coûté du temps. Le suivi suggère que les outils plus récents ont changé la donne, mais METR signale que 30 % à 50 % des développeurs ont retenu des tâches qu’ils ne voulaient pas faire sans IA ; l’organisme traite donc la nouvelle estimation comme une preuve faible et revoit le protocole de l’étude.
On évalue mal sa propre vitesse. Les développeurs de l’essai de 2025 s’attendaient à gagner 24 %, ont perdu 19 %, et croyaient encore avoir gagné 20 %. Un bon après-midi avec un outil d’IA n’est pas une mesure.
La vitesse n’est pas le seul résultat. Dans l’étude de Stanford, 67 % des utilisateurs de l’IA ont résolu correctement la tâche de chiffrement contre 79 % du groupe témoin, et les utilisateurs de l’IA étaient plus confiants quant à la sécurité tout en étant moins sûrs. Dans l’étude d’Anthropic, le coût est apparu dans l’apprentissage.
Les développeurs semblent l’avoir intégré. La Developer Survey 2025 de Stack Overflow, une enquête d’entreprise à participation volontaire, indiquait que 84 % des répondants utilisaient ou prévoyaient d’utiliser des outils d’IA, alors qu’ils étaient plus nombreux à se méfier de l’exactitude des résultats (46 %) qu’à s’y fier (33 %). La première frustration, citée par 66 %, était « des solutions d’IA presque justes, mais pas tout à fait ». Dans l’édition 2026, 73 % utilisent chaque jour des assistants et des agents de codage, et 48 % disent faire confiance à l’IA lorsqu’ils peuvent facilement valider les réponses. Un usage intensif coexiste avec une confiance conditionnelle, et la condition est la capacité de vérifier.
Apprendre à programmer fait-il mieux réfléchir ?
C’est le plus vieil argument en faveur de l’apprentissage du code, quelle que soit la carrière. Il existe une source solide : une méta-analyse de Scherer, Siddiq et Sanchez Viveros dans le Journal of Educational Psychology, portant sur 105 études et 539 tailles d’effet. Elle rapporte un effet de transfert global modéré (g = 0,49), un effet fort pour le transfert proche (g = 0,75) et un effet modéré pour le transfert lointain (g = 0,47), les résultats scolaires et la littératie étant ceux qui en bénéficient le moins. Crossref ne recense aucun correctif en novembre 2026.
Trois limites s’appliquent. Les effets étaient significativement plus importants dans les études à groupes témoins non traités que dans celles à témoins actifs, et plus importants dans les études publiées que dans la littérature grise, de sorte que le chiffre phare flatte probablement l’effet réel. Le résumé situe la question chez des élèves en milieu scolaire, pas chez des professionnels adultes. Et l’article est antérieur aux assistants d’IA. Apprendre à programmer améliore sans doute quelque peu la résolution structurée de problèmes. Cela le justifie comme entraînement mental, pas comme décision de carrière.
De quel niveau avez-vous besoin ? Le Code Level Test de CEOtudent
Les données répartissent les lecteurs en quatre niveaux. Le tableau est un cadre éditorial CEOtudent, pas un instrument validé, et les noms des niveaux sont les nôtres.
Tableau 6. Le Code Level Test de CEOtudent (cadre éditorial CEOtudent)
| Niveau | Vous en êtes là si | Ce que vous apprenez | Ce dont vous êtes responsable | Données sur lesquelles il repose |
|---|---|---|---|---|
| 0. Opérateur | Les problèmes qui appellent du code apparaissent rarement dans votre travail | La littératie en IA, pas la programmation | La qualité de vos propres livrables | BLS : la construction élémentaire glisse vers d’autres professions, mais elle reste facultative |
| 1. Lecteur-directeur | Vous spécifiez, commandez ou approuvez des logiciels, des automatisations ou des analyses que d’autres (personnes ou agents) construisent | À lire le code et les flux de données assez bien pour demander ce que cela fait, à quoi cela touche et comment cela a été testé | La spécification et la décision d’acceptation | Stack Overflow 2026 : la confiance dépend de la capacité à valider ; Perry et al. : la confiance a augmenté alors que la sécurité baissait |
| 2. Constructeur d’outils | Un problème récurrent de votre propre travail serait résolu par un petit script ou une application interne que vous ferez tourner et maintiendrez | Un langage à un niveau opérationnel, le contrôle de version, les tests, la sécurité de base | L’outil, ses données et ses défaillances | Peng et al. et Cui et al. : les débutants assistés gagnent le plus sur des tâches délimitées ; Shen et Tamkin : seulement si vous restez impliqué |
| 3. Ingénieur professionnel | Vous voulez être payé pour des logiciels dont d’autres personnes dépendent, et en répondre | Les fondamentaux de l’informatique, la conception de systèmes, les pratiques de production | Les systèmes, la fiabilité et les données d’autrui | BLS : développeurs +10 % avec une prime salariale de 35,5 % sur les programmeurs ; Fed de New York et Stanford : une porte d’entrée étroite |
Passez le test dans l’ordre et arrêtez-vous au premier niveau qui convient.
- Récurrence. Au cours d’un mois normal, votre travail produit-il un problème qu’un logiciel résoudrait : manipulation répétitive de données, rapport reconstruit à la main, deux systèmes qui ne se parlent pas ? Si non, niveau 0 pour l’instant.
- Responsabilité. Lorsqu’un tel problème apparaît, votre rôle est-il de le définir et d’accepter le résultat pendant que quelqu’un d’autre le construit ? Si oui, le niveau 1 est une exigence, pas une option.
- Rayon d’impact. Ce que vous construisez ne toucherait-il que vos propres données à faible risque ou celles de votre équipe, avec des erreurs visibles et réversibles ? Si oui, et si vous en assurez la maintenance, niveau 2.
- Revenu. Voulez-vous que la construction de logiciels soit la principale chose pour laquelle vous êtes payé, avec la responsabilité de systèmes sur lesquels d’autres s’appuient ? Si oui, niveau 3, aux conditions ci-dessous.
Quand NE PAS choisir chaque niveau ?
- Pas le niveau 0 si vous approuvez des budgets, des prestataires ou des agents d’IA qui produisent du code. Valider un travail que l’on ne sait pas lire est précisément le schéma contre lequel l’étude sur la sécurité met en garde.
- Pas le niveau 1 seul si vous collez déjà des scripts générés par IA dans des feuilles de calcul, des bases de données ou des sites web en production. C’est du travail de niveau 2 fait sans les compétences du niveau 2.
- Pas le niveau 2 pour tout ce qui traite des données personnelles de clients, des paiements, des identifiants ou des dossiers réglementés, ni pour ce dont d’autres équipes dépendront sans responsable désigné. Confiez cela à des personnes de niveau 3. Le guide du vibe coding pour fondateur solo couvre le processus de construction ; ici se trouve la limite au-delà de laquelle il cesse d’être sûr.
- Pas le niveau 3 si le plan repose sur une formation courte menant tout droit à un premier emploi payé à la médiane du tableau 1. Les médianes décrivent l’ensemble de la profession, les tableaux 3 et 4 décrivent la porte, et le Handbook indique le bachelor comme niveau d’études typique à l’entrée pour les trois groupes de métiers. Traitez le niveau 3 comme une décision sur plusieurs années.
Aucun budget de temps n’est associé à ces niveaux, car aucune de ces sources ne l’a mesuré. La revue CEOtudent des données sur le temps nécessaire pour atteindre la compétence couvre les estimations en heures et leurs limites.
Comment apprendre à coder quand l’IA peut écrire le code ?
L’expérience de Shen et Tamkin est petite, provient d’une entreprise d’IA et n’a testé qu’un seul outil conversationnel sur une seule bibliothèque. Elle reste le protocole le plus pertinent dont on dispose, parce qu’elle a mesuré l’apprentissage et non la production.
Les participants qui ont utilisé l’IA se sont répartis en six modes d’interaction. Trois ont obtenu en moyenne 65 % ou plus au quiz : générer du code puis poser des questions de suivi pour le comprendre, demander le code accompagné d’explications, et ne poser que des questions conceptuelles tout en résolvant les erreurs seul. Trois ont obtenu en moyenne moins de 40 % : déléguer toute l’écriture du code, glisser des questions vers la délégation complète, et demander à répétition à l’IA de déboguer. Un groupe ne comptait que deux personnes, les pourcentages ont donc peu de poids. La direction concorde avec les données de l’échelle d’apprentissage par projet de CEOtudent : l’effort qui paraît plus lent a tendance à s’ancrer.
Tableau 7. Règles d’apprentissage et vérifications avant exécution (cadre éditorial CEOtudent)
| Règle | En pratique | Pourquoi |
|---|---|---|
| Lire avant d’écrire | Expliquer chaque bloc généré avec des mots simples avant de l’exécuter | Les modes les mieux notés impliquaient tous un travail de compréhension |
| Déboguer d’abord soi-même | Lire l’erreur, formuler une hypothèse, la tester, puis demander | Le débogage répété par l’IA était le mode le moins bien noté |
| Tester ce que l’on ne sait pas lire | L’exécuter sur un échantillon sans risque ; garder un contrôle qui révélerait un résultat faux | La confiance des développeurs est conditionnée à la validation |
| Présumer que la sécurité manque | Savoir ce que le code peut lire, modifier, supprimer ou envoyer, et en tenir à l’écart les clés et les données personnelles | Les utilisateurs de l’IA dans l’étude de Stanford étaient moins sûrs et plus confiants |
| Mesurer, ne pas ressentir | Chronométrer une tâche avec et sans assistance | Les développeurs expérimentés se sont trompés d’environ 40 points sur leur vitesse |
Pour le niveau 1, les lignes un, trois et quatre constituent le programme, avec le guide CEOtudent de la littératie des agents. Pour le niveau 2, les cinq s’appliquent. Pour le niveau 3, ce sont des habitudes qui s’ajoutent à un cursus formel. Si deux lignes ou plus ne peuvent pas être respectées pour quelque chose qui compte, la tâche relève du niveau supérieur.
Qu’est-ce que cela signifie pour le CEO et l’étudiant en vous ?
Le geste du CEO est une décision de périmètre. Choisissez le niveau, écrivez ce dont vous êtes responsable à ce niveau, et écrivez ce à quoi vous ne toucherez pas. Au niveau 1, il s’agit de la spécification et de la décision d’accepter. Au niveau 2, il s’agit du script, de ses données et de ses défaillances. Personne ne devrait approuver ou exécuter ce qu’il ne peut pas vérifier.
Le geste de l’étudiant est une décision de méthode. À chaque niveau au-dessus de zéro, la compétence rare est la lecture et la vérification. Taper de la syntaxe, c’est ce que les outils font bien sur des tâches délimitées. Juger si le résultat est correct, sûr et maintenable, c’est ce que, d’après les études, les gens surestiment chez eux-mêmes.
Que ne montrent pas ces données ?
- Ce sont des données américaines, et les projections sont des résultats de modèles, pas des garanties.
- Les outils évoluent plus vite que les études. Tout chiffre de vitesse du tableau 5 peut vieillir rapidement.
- Les échantillons sont petits ou sélectionnés. Des études portant sur 16, 47 et 52 personnes ne peuvent pas être généralisées, et les enquêtes auprès des développeurs reposent sur une participation volontaire.
- Les données sur les diplômés datent de 2024. La série trimestrielle de la Fed de New York, non ventilée par filière, situait le chômage de l’ensemble des jeunes diplômés à 5,2 % au troisième trimestre 2026.
- Le test trie des situations typiques, pas des individus.
Questions fréquentes
Apprendre à coder vaut-il encore la peine en 2026 ?
Pour ceux qui approuvent des logiciels, des automatisations ou la production d’agents d’IA, apprendre à lire et à diriger le code (niveau 1) en vaut la peine. Construire de petits outils en vaut la peine lorsqu’il existe un problème récurrent. L’ingénierie professionnelle reste bien payée, avec un point d’entrée plus difficile.
L’IA va-t-elle remplacer les développeurs de logiciels ?
Les projections officielles ne le disent pas. Le Bureau of Labor Statistics prévoit une croissance de 10 % des développeurs de logiciels de 2025 à 2035 et un recul de 7 % des programmeurs informatiques, et cite l’IA comme facteur dans les deux cas.
Un professionnel non technique doit-il apprendre Python ou se contenter des outils d’IA ?
Les deux ne s’excluent pas. Quiconque construit devrait apprendre assez d’un langage pour lire, tester et limiter ce que l’IA a écrit.
Un diplôme d’informatique est-il encore un bon choix ?
Les données de la Fed de New York montrent les deux faces : le quatrième taux de chômage le plus élevé sur 73 filières (7,0 %) et le deuxième salaire médian de début de carrière le plus élevé (87 000 $). Les données ne peuvent pas dire ce qui vaudra pour un étudiant qui commence aujourd’hui.
Utiliser l’IA en apprenant à coder nuit-il à l’apprentissage ?
Dans la seule expérience randomisée qui l’a mesuré, le groupe IA a obtenu un score inférieur de 17 % à un quiz ultérieur, les dégâts se concentrant chez ceux qui déléguaient. L’étude est petite et attend d’être répliquée.
Sources
- U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Software Developers, Quality Assurance Analysts, and Testers. Salaires de mai 2025, projections 2025-35.
- U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Computer Programmers. Salaires de mai 2025, projections 2025-35.
- U.S. Bureau of Labor Statistics. Occupational Outlook Handbook: Web Developers and Digital Designers. Salaires de mai 2025, projections 2025-35.
- U.S. Bureau of Labor Statistics. Employment Projections: 2025-2035 Summary. Communiqué USDL-26-1422, 27 août 2026.
- Federal Reserve Bank of New York. The Labor Market for Recent College Graduates : résultats par filière (publiés le 4 février 2026, données 2024) et faits saillants 2026:Q3 (publiés le 2 novembre 2026).
- Brynjolfsson, E., Chandar, B., et Chen, R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, version d’août 2026 (données ADP jusqu’en juin 2026).
- Peng, S., Kalliamvakou, E., Cihon, P., et Demirer, M. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590, 2023. Parmi les auteurs figurent des salariés de Microsoft et de GitHub.
- Cui, K. Z., Demirer, M., Jaffe, S., Musolff, L., Peng, S., et Salz, T. The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers. Document de travail, février 2025. Parmi les auteurs figurent des salariés de Microsoft.
- Becker, J., Rush, N., Barnes, B., et Rein, D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, arXiv 2507.09089, juillet 2025.
- Becker, J., Rush, N., Cunningham, T., Rein, D., et Mahamud, K. We are Changing our Developer Productivity Experiment Design. METR, 24 février 2026.
- Perry, N., Srivastava, M., Kumar, D., et Boneh, D. Do Users Write More Insecure Code with AI Assistants? ACM CCS 2023 ; version 3 sur arXiv.
- Shen, J. H., et Tamkin, A. How AI Impacts Skill Formation. arXiv 2601.20245, février 2026. Auteurs affiliés à Anthropic, une entreprise d’IA.
- Scherer, R., Siddiq, F., et Sanchez Viveros, B. The cognitive benefits of learning computer programming: A meta-analysis of transfer effects. Journal of Educational Psychology, 111(5), 764-792, 2019 (résumé uniquement).
- Stack Overflow. 2025 Developer Survey, section IA. Enquête d’entreprise à participation volontaire.
- Stack Overflow. 2026 Developer Survey, section IA. Enquête d’entreprise à participation volontaire.
Les tableaux 2 et 4 sont des analyses CEOtudent recalculées à partir des chiffres du BLS et de la Fed de New York. Le tableau 5 est une mise en regard CEOtudent de résultats publiés ; l’écart de perception est notre calcul. Les tableaux 6 et 7 sont des cadres éditoriaux CEOtudent. Délibérément écartés : l’affirmation largement répétée selon laquelle l’emploi des jeunes développeurs de logiciels aurait chuté d’environ 20 % par rapport à son pic de fin 2022, car l’édition d’août 2026 de l’article de Stanford que nous avons consultée ne publie pas de chiffre propre à cette profession dans son texte principal ; le chiffre phare de 13 % de la première édition de cet article, que les auteurs ont remplacé par la mesure de 19 % ; les estimations en heures pour chaque niveau ; et les chiffres de productivité communiqués par des éditeurs, qui n’ont pas pu être consultés en intégralité.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:













