Selon une nouvelle étude tout juste publiée par la Linux Foundation, environ 25% des nouvelles requêtes de fusion (pull requests) soumises aux projets open source ne sont rien d'autre que du « AI slop », cette fameuse bouillie numérique générée par l'intelligence artificielle, de faible qualité et envoyée sans véritable compréhension ni relecture.
Pourtant, à la lecture des données mises en avant par Michael Larabel, le tableau n'est pas entièrement noir et c'est précisément ce qui rend le phénomène si difficile à analyser. L'étude souligne en effet un paradoxe intéressant. D'un côté, l'intelligence artificielle générative s'impose comme un levier d'efficacité redoutable, capable de réduire de moitié le temps de codage sur l'ensemble des tâches de développement open source. Ce gain de productivité de 50% s'accompagne d'une démocratisation indéniable, puisque 71% des mainteneurs interrogés reconnaissent que ces outils abaissent considérablement les barrières à l'entrée pour les nouveaux venus. De fait, 59% des responsables de projets constatent déjà une hausse nette des contributions appuyées par l'IA.
Mais c'est ici que mon enthousiasme se heurte à la réalité pragmatique de la maintenance logicielle. Si l'IA permet d'écrire du code deux fois plus vite, elle permet aussi de produire du bruit à une échelle industrielle. Ce quart de contributions qualifié de médiocre représente un basculement discret mais dangereux de la charge de travail. D'un point de vue historique, la barrière à l'entrée d'un projet libre servait aussi de filtre naturel. Il fallait lire la documentation, comprendre l'architecture et faire l'effort d'écrire un correctif cohérent avant d'oser solliciter l'attention d'un mainteneur.
Aujourd'hui, cette friction a disparu au détriment de ceux qui font vivre les dépôts au quotidien. À mes yeux, le véritable frein de l'open source n'a jamais été la vitesse de frappe au clavier, mais bien le temps de cerveau disponible pour la revue de code, l'architecture et l'assurance qualité. En inondant les projets avec 25% de requêtes générées à la va-vite par des utilisateurs qui délèguent aveuglément leurs patchs à des grands modèles de langage, on déplace le coût cognitif de l'auteur vers le relecteur. Le mainteneur, souvent bénévole ou déjà sous pression, se retrouve transformé en filtre anti-spam humain, forcé de débusquer des hallucinations subtiles dans du code qui a l'apparence de la propreté mais qui échoue sur le fond.
Ce qui m'inquiète le plus dans cette trajectoire, c'est que ce chiffre de 25% ne constitue probablement qu'un plancher. À mesure que les agents de codage s'intègrent nativement dans nos environnements de développement, la tentation de soumettre des correctifs automatisés pour gonfler de façon artificielle un profil GitHub ou résoudre superficiellement un ticket va continuer de croître. Si la communauté open source veut survivre à cette vague sans épuiser ses piliers, elle va devoir repenser d'urgence ses mécanismes de gouvernance et de filtrage, sous peine de voir les gains de productivité promis par l'IA totalement engloutis par la gestion de ses propres déchets.