La guerre des IDE IA transforme la façon dont les développeurs écrivent du code — et l'écart de fonctionnalités se réduit rapidement

Quand GitHub a lancé Copilot en 2021, la réaction s'est scindée en deux camps. La moitié des développeurs étaient émerveillés qu'un modèle de langage puisse suggérer du code syntaxiquement correct et contextuellement plausible à partir d'un commentaire. L'autre moitié a passé beaucoup d'énergie à affirmer que les suggestions étaient plagiées, non sécurisées ou tout simplement trop souvent erronées pour être utiles. Les deux camps avaient raison.

Ce débat semble aujourd'hui désuet. GitHub Copilot compte 1,8 million d'abonnés payants. Cursor — un fork de VS Code construit de zéro autour de l'assistance IA — a levé 400 millions de dollars pour une valorisation de 2,5 milliards fin 2024. L'enquête Stack Overflow Developer Survey 2025 révèle que 76 % des développeurs professionnels utilisent des outils de codage IA. La question n'est plus de savoir si l'IA a sa place dans l'IDE, mais quel type d'IA, pour quel type de travail, et qui y arrivera en premier.

Comment nous en sommes arrivés là

La première génération d'outils de codage IA — Copilot, Tabnine, Kite — était essentiellement un excellent autocomplete. Ils prédisaient le prochain token ou les prochaines lignes en se basant sur le fichier courant. Utiles pour le code répétitif, les motifs courants, les API qu'on utilise une fois par an et qu'on n'arrive jamais à mémoriser. Agacants quand ils se trompent, et ils se trompent assez souvent pour nécessiter une vérification constante.

La deuxième génération a déplacé le paradigme de l'autocomplete vers la conversation. GitHub Copilot Chat, Amazon CodeWhisperer (maintenant Q Developer) et des outils similaires permettent aux développeurs de poser des questions sur leur base de code, de demander des explications sur du code inconnu ou de décrire les changements souhaités en langage naturel. Toujours mono-fichier, toujours réactif — mais davantage comme un binôme programmeur capable de lire et d'écrire du code plutôt que de simplement suggérer des complétions.

La génération actuelle construit quelque chose de plus ambitieux : des agents capables de comprendre un dépôt entier, de planifier une modification en plusieurs étapes, de l'exécuter sur de nombreux fichiers et de vérifier le résultat. La fonction Composer de Cursor, Copilot Workspace et le mode agent de Zed sont des versions précoces de cette capacité. Cela fonctionne parfois. Cela échoue de manière prévisible. Cela s'améliore rapidement.

Cursor : le fork de VS Code qui a mangé la part de VS Code

Cursor est le produit le plus discuté dans ce domaine parmi les développeurs professionnels. Construit comme un fork de VS Code — ce qui signifie qu'il hérite de tout l'écosystème d'extensions et de l'interface familière — l'équipe de Cursor a passé deux ans à intégrer des capacités IA qui semblent natives plutôt que greffées.

Sa complétion "Tab" est nettement plus intelligente que les suggestions monolignes de Copilot : elle prédit les modifications multi-lignes, peut compléter un refactoring en cours d'exécution et apprend des modifications effectuées dans la session. Composer, la fonction d'édition multi-fichier, permet aux développeurs de décrire un changement en langage naturel et de regarder Cursor le planifier et l'exécuter dans toute la base de code, avec des diffs affichés pour révision avant application.

L'idée architecturale clé chez Cursor est de traiter l'ensemble du codebase comme contexte — pas seulement le fichier ouvert. En indexant le dépôt et en utilisant la recherche sémantique pour récupérer le contexte pertinent au moment de la requête, Cursor peut répondre à des questions sur du code qui n'est pas actuellement ouvert et effectuer des modifications nécessitant la compréhension des relations entre fichiers. La fenêtre de contexte est le nouveau fossé concurrentiel.

GitHub Copilot : l'acteur en place qui contre-attaque

Microsoft a réagi agressivement. Copilot propose désormais plusieurs modèles sous-jacents — GPT-4o, Claude Sonnet et Gemini 1.5 Pro sont tous disponibles — permettant aux développeurs de choisir en fonction du type de tâche. Copilot Workspace, en bêta depuis mi-2024, prend une description de tâche à partir d'une issue GitHub et génère un plan, une branche et une implémentation, le tout dans le navigateur. Les Copilot Extensions permettent des intégrations tierces pour les bases de données, les fournisseurs cloud et les outils internes.

L'avantage de GitHub est l'intégration dans l'ensemble du workflow développeur : suivi des issues, pull requests, CI/CD, revue de code et l'éditeur sont désormais tous des propriétés Microsoft. Copilot peut en principe voir non seulement votre base de code mais aussi vos tickets ouverts, votre historique de PR et vos résultats de tests. La question d'exécution est de savoir si Microsoft peut réellement intégrer tout cela de manière cohérente.

Zed : la vitesse d'abord, l'IA ensuite

Zed adopte une philosophie différente. Écrit en Rust avec un moteur de rendu accéléré par GPU, il s'ouvre instantanément et reste réactif quelle que soit la taille du fichier — répondant aux plaintes de performance qui suivent les éditeurs basés sur Electron comme VS Code depuis des années. Les fonctionnalités IA sont intégrées mais présentées comme un complément à une expérience d'édition rapide et précise, plutôt que comme la proposition de valeur principale.

Le modèle de threading de Zed permet l'édition collaborative en temps réel sans transformations opérationnelles, et son intégration LLM est conçue pour fonctionner avec n'importe quel modèle via une API ouverte. L'éditeur est open-source ; l'équipe monétise via des fonctionnalités de collaboration hébergées. Il a un public fidèle parmi les développeurs qui trouvent le poids de VS Code insupportable et veulent des fonctionnalités IA sans les inconvénients.

Les autres : JetBrains, Amazon, Google

JetBrains, dont les IDE basés sur IntelliJ dominent le développement Java, Kotlin et Python en entreprise, a lancé JetBrains AI Assistant avec une intégration profonde dans l'analyse à l'échelle du projet qu'IntelliJ a toujours bien maîtrisée. Les fonctionnalités de refactoring et d'inspection de code — déjà les meilleures de leur catégorie — sont désormais augmentées par des suggestions LLM. Pour les équipes déjà dans l'écosystème JetBrains, le coût de migration est nul.

Amazon Q Developer (anciennement CodeWhisperer) a une forte intégration avec les services AWS et est gratuit pour les développeurs individuels. Project IDX et Firebase Genkit de Google ciblent les cas d'utilisation du développement web et cloud-native où l'infrastructure propre de Google offre des avantages contextuels. Aucun n'a percé en tant que leader de catégorie en dehors de leurs écosystèmes cloud respectifs.

Ce qui importe vraiment aux développeurs

Les benchmarks sur les tâches de codage — HumanEval, SWE-Bench, LiveCodeBench — montrent qu'une IA capable peut résoudre une fraction significative de tâches de programmation réalistes de manière autonome. Mais les développeurs expérimentés notent que les parties les plus difficiles du génie logiciel ne consistent pas à écrire du code "greenfield". Il s'agit de comprendre les systèmes existants, d'apporter des modifications sans rien casser, d'écrire des tests qui détectent réellement les régressions et de relire le travail des autres.

Les outils qui gagnent en pratique sont ceux qui réduisent la charge cognitive liée à la navigation dans de grandes bases de code et accélèrent les modifications courantes — pas ceux qui écrivent du code entièrement de manière autonome. "Autocomplete sous stéroïdes" ne rend pas justice à ce que font les meilleurs outils aujourd'hui, mais "développeur autonome" reste un langage marketing, pas une réalité produit. La fenêtre entre ces deux descriptions est l'espace où se déroule la véritable compétition.