GitHub : les agents IA initient désormais plus de 40% des pull requests

Sur GitHub, plus de 40% des pull requests sont désormais initiées avec l’aide d’un agent IA. Ce chiffre, annoncé par Thomas Dohmke, CEO de GitHub, lors de la conférence Microsoft Build 2025, illustre mieux qu’un long discours à quelle vitesse les pratiques de développement logiciel sont en train de se transformer. Ce n’est plus une tendance émergente : c’est déjà la réalité quotidienne de millions de développeurs.

Un agent IA qui code, teste et propose, sans qu’on lui demande chaque étape

Pour comprendre ce que cela change concrètement, imaginez un développeur qui doit corriger un bug dans une application web. Avant, il lisait le code, identifiait le problème, écrivait le correctif, vérifiait que rien d’autre n’était cassé, puis soumettait sa pull request pour relecture.

Aujourd’hui, avec un agent IA comme GitHub Copilot Workspace, le développeur décrit le problème en langage naturel. L’agent analyse le dépôt entier, identifie les fichiers concernés, propose des modifications, génère les tests associés et ouvre une pull request commentée, prête pour relecture humaine. Le développeur n’a plus à écrire chaque ligne : il valide, corrige si besoin, et approuve.

Ce n’est pas de l’autocomplétion améliorée. C’est un processus autonome qui enchaîne plusieurs étapes de raisonnement sans intervention manuelle à chaque micro-décision. C’est exactement ce qui distingue un agent IA d’un simple assistant.

GitHub et les agents IA : ce que dit vraiment le chiffre des 40%

Le seuil des 40% mérite qu’on s’y arrête. Il ne signifie pas que 40% du code sur GitHub est écrit entièrement par une machine. Il signifie que dans 4 pull requests sur 10, un agent IA a joué un rôle actif dans le démarrage du travail : analyse du contexte, proposition de code, structuration de la tâche.

C’est une nuance importante. Le développeur humain reste dans la boucle. Il relit, valide ou rejette. Mais le point de départ n’est plus un curseur qui clignote devant une page vide. C’est une proposition déjà structurée, argumentée, testée.

GitHub a également indiqué que Copilot peut désormais gérer des tâches en arrière-plan, comme un collaborateur à qui l’on confie un ticket et qui revient avec un travail accompli. Ce modèle de délégation totale, même partielle, change profondément la façon dont les équipes s’organisent.

Ce que ça change vraiment pour les équipes de développement

Le premier effet visible, c’est la vitesse. Des tâches répétitives qui prenaient une heure, comme écrire des tests unitaires sur du code existant ou mettre à jour une documentation technique, peuvent être déléguées à un agent en quelques minutes.

Mais l’impact le plus profond est ailleurs. Les développeurs juniors gagnent en autonomie. Un développeur qui débute peut s’appuyer sur un agent pour comprendre une base de code complexe, générer une première version fonctionnelle, puis apprendre en lisant les explications fournies. L’agent devient un tuteur autant qu’un exécutant.

À l’inverse, les développeurs seniors changent de rôle. Ils passent moins de temps à écrire du code et plus de temps à définir les contraintes, relire les propositions et garantir la qualité globale. C’est un glissement vers un rôle d’architecte et de validateur, plus que d’exécutant.

Pour aller plus loin sur le fonctionnement de ces systèmes autonomes, notre article sur les meilleurs modèles IA pour piloter des agents autonomes en 2026 explore en détail quels moteurs alimentent ces outils et comment choisir le bon selon ses besoins.

Les limites à ne pas ignorer

Ce tableau ne serait pas complet sans évoquer les zones de friction. Un agent IA peut produire du code qui compile et passe les tests, mais qui reste difficile à maintenir, mal nommé, ou qui ne respecte pas les conventions internes d’une équipe. La qualité perçue peut masquer des problèmes de fond que seul un oeil humain expérimenté détecte.

Il y a aussi la question de la sécurité. Un agent qui a accès à un dépôt entier peut, si mal configuré ou mal supervisé, introduire des dépendances vulnérables ou exposer des données sensibles présentes dans le code. Les équipes qui adoptent ces outils doivent mettre en place des processus de relecture rigoureux, et pas uniquement fonctionnels.

Enfin, la dépendance à ces outils soulève une question de fond : que se passe-t-il quand un développeur n’a plus l’habitude de démarrer un projet sans assistance ? La compétence de raisonnement autonome risque de s’atrophier si elle n’est pas entretenue délibérément.

Vers un développement où l’humain supervise plus qu’il n’exécute

Le chiffre de 40% sur GitHub n’est probablement qu’une étape. La trajectoire est claire : les agents IA vont prendre en charge une part croissante des tâches d’exécution dans le développement logiciel, pendant que les humains se concentrent sur la direction, la validation et la créativité architecturale.

Ce n’est pas la fin du métier de développeur. C’est une redéfinition de ce qui constitue la valeur ajoutée humaine dans ce métier. Ceux qui apprendront à bien travailler avec ces agents, à les cadrer, les superviser et les corriger, auront une longueur d’avance significative.

Le développement assisté par agent IA sur GitHub n’est plus une expérimentation pour early adopters. C’est le nouveau standard. Et 40% n’est que le début.