36 Kr rapporte que Claude Code a dominé GitHub Copilot dans l'enquête auprès des développeurs 2026 de JetBrains

Que s'est-il passé

36Kr rapporte que l'enquête 2026 sur l'écosystème des développeurs de JetBrains Research a révélé une croissance rapide de l'utilisation des agents de codage d'IA parmi plus de 15 000 développeurs professionnels dans le monde. Environ 90 % d’entre eux auraient utilisé un agent de programmation d’IA au travail au moins une fois par semaine, tandis que 68 % en utilisaient un quotidiennement. L'enquête comprenait des développeurs et des ingénieurs de logiciels ainsi que des rôles d'IA/ML, DevOps, d'architecture, de données et d'assurance qualité.

36Kr rapporte que JetBrains Research a interrogé plus de 15 000 développeurs professionnels dans le monde pour son enquête sur l'écosystème des développeurs de 2026, avec environ 90 % des répondants décrits comme des développeurs, des programmeurs ou des ingénieurs logiciels. La période d'enquête rapportée s'étend de mai à juillet 2026. La source indique que l'enquête a également porté sur les ingénieurs IA/ML, les ingénieurs DevOps, les architectes, les ingénieurs de données et les ingénieurs QA, de sorte que ses principaux résultats décrivent un large public technologique professionnel plutôt que uniquement des programmeurs d'applications conventionnels.

Selon 36Kr, environ 90 % des développeurs professionnels utilisaient des agents de programmation d’IA au travail au moins une fois par semaine, et 68 % les utilisaient quotidiennement. La définition rapportée par JetBrains d'un agent incluait les agents exécutés localement et basés sur le cloud. La source présente ces chiffres comme la preuve que les agents vont au-delà de l'achèvement occasionnel de code ou de la réponse à des questions vers la participation à des tâches de développement plus vastes.

36Kr rapporte que l’adoption de Claude Code sur le lieu de travail est passée d’environ 18 % en janvier 2026 à 39 % en mai-juillet. Aux États-Unis, le chiffre rapporté était de 47 %. La part désignant Claude Code comme l’outil de codage d’IA principal ou le plus couramment utilisé était de 31 %. L’adoption de GitHub Copilot sur le lieu de travail a été signalée à 21 % en mai-juillet, contre environ 29 % à 31 % entre mi-2025 et début 2026. La source indique que les deux produits avaient une notoriété de 79 %. Il rapporte également que l'adoption de OpenAI, de Codex, est passée de 3 % à 16 %, que Cursor a diminué de 18 % à 12 %, que l'OpenCode open source atteint 7 %, que l'antigravité Google atteint 6 % et que les propres outils de JetBrains atteignent environ 9 %.

Détails de la source: eu.36kr.com ↗

Pourquoi c'est important

Les chiffres suggèrent que les outils de codage de l’IA font désormais partie du travail logiciel de routine, bien que l’enquête n’établisse pas la quantité de travail productif effectué par les agents ni la fiabilité de leur production. Le récit de 36Kr décrit également une évolution de la concurrence sur le marché, passant d'une assistance basée sur un éditeur à des outils capables de gérer des tâches de développement plus larges, notamment des modifications de la base de code, des tests et des exécutions répétées.

Le classement publié est important car il indique que le marché du développement de logiciels assisté par l’IA pourrait se fragmenter autour de différentes formes d’assistance. 36Kr décrit Claude Code et Codex comme des agents capables d’opérer au-delà d’un environnement de développement intégré traditionnel, tandis que le déclin signalé de Cursor est présenté parallèlement à une croissance continue de la notoriété. Si la tendance est représentative, la reconnaissance d’un outil et son utilisation répétée sur le lieu de travail deviennent des mesures distinctes de la force concurrentielle.

Les taux d'utilisation hebdomadaires et quotidiens signalés indiquent également un changement possible dans la manière dont les équipes logicielles répartissent le travail. Les agents peuvent être utilisés pour la navigation dans le référentiel, la modification du code, l'exécution de tests, le débogage et d'autres tâches en plusieurs étapes plutôt que uniquement pour générer des extraits de code. Cela pourrait affecter les flux de travail des développeurs, les pratiques de révision, l'intégration et la demande d'outils gérant les autorisations, les tests, le contrôle des versions et les pistes d'audit. La source ne montre cependant pas que les agents accomplissent ces tâches avec succès de manière indépendante ou qu’ils réduisent le temps de développement.

Pour les acheteurs et les travailleurs, les chiffres d’adoption constituent à eux seuls un guide incomplet. L'enquête telle que décrite ne fournit pas de taux d'erreur, d'incidents de sécurité, de mesures de la qualité du code, de coût total, de répartition des tâches ou de preuve qu'un produit produit de meilleurs résultats qu'un autre. Elle ne précise pas non plus si les répondants pouvaient sélectionner plusieurs outils, comment « l’utilisation » a été mesurée, comment l’échantillon a été recruté ou pondéré, ou si les résultats se généralisent aux petites entreprises, aux lieux de travail non techniques ou aux développeurs en dehors de la population interrogée. Ces limites rendent les chiffres utiles comme instantané d’adoption, et non comme verdict de productivité.

Que regarder ensuite

Les principales questions sont de savoir si Claude Code peut maintenir son avance signalée, si OpenAI Codex continue de gagner en adoption et si GitHub Copilot ou Cursor inversent leurs déclins signalés. Des preuves plus utiles incluraient la méthodologie, la pondération de l’échantillon, la productivité au niveau des tâches, les taux d’erreur, les coûts, les contrôles de sécurité et des comparaisons indépendantes des performances réelles des outils.

La prochaine évolution à surveiller est de savoir si l’écart signalé persiste dans les enquêtes ultérieures. L’évolution de Claude Code de 18 % à 39 % dans les chiffres de la source est substantielle, mais une seule période d’enquête ne peut pas montrer si l’augmentation reflète une adoption durable, une expérimentation temporaire, des changements dans la formulation des questions ou des différences dans la population interrogée. Un suivi utilisant les mêmes questions et la même méthode d’échantillonnage faciliterait l’interprétation de la tendance.

Codex, GitHub Copilot et Cursor seront des points de comparaison importants. 36Kr rapporte une forte croissance pour Codex, une baisse pour Copilot et une baisse pour Cursor malgré une plus grande notoriété pour Cursor. Les futurs rapports devraient distinguer la disponibilité sur le lieu de travail du statut d'outil principal, de la fréquence d'utilisation, de l'utilisation payante et de l'utilisation du code de production consécutif. Ces distinctions pourraient changer le sens du classement actuel.

Les preuves les plus conséquentes proviendraient de déploiements et d’évaluations mesurant les tâches accomplies plutôt que l’utilisation déclarée. Les indicateurs utiles incluraient les taux de réussite audités de manière indépendante, la charge de révision, les régressions, les performances des tests, les protections de sécurité et de confidentialité, les contrôles d'autorisation, la latence et le coût par tâche terminée. La source ne rend pas compte de ces mesures et ne confirme pas de manière indépendante les résultats de l’enquête sous-jacente de JetBrains Research. En attendant que de telles preuves soient disponibles, la conclusion la plus claire est que 36Kr fait état d’une utilisation large et croissante des agents de codage de l’IA, parallèlement à un remaniement de l’adoption des outils. Pris ensemble, les chiffres décrivent l’adoption et la sensibilisation sur le lieu de travail, et non un classement définitif des capacités techniques. Leur valeur est plus grande lorsqu’on les lit en parallèle avec la portée de l’enquête, la période indiquée et les questions méthodologiques qui restent sans réponse dans le récit disponible.

Guides et quiz associés