L'IA triple les PR, mais le dev ralentit : les chiffres Linear

Linear, l'outil de gestion de projet prisé des équipes produit, a publié le 21 août les chiffres d'usage de l'IA sur sa plateforme. Un chiffre domine : l'IA rédige désormais près d'une fiche de travail sur deux. La promesse implicite derrière chaque agent codeur — livrer plus vite — ne se vérifie pourtant pas. Les équipes produisent davantage, mais le temps de développement grimpe. De quoi doucher les dirigeants qui attendaient un raccourci mécanique.

Ce que disent les données de Linear

La source est directe : la page data de Linear, signée Tim Qi, responsable des données de l'entreprise. L'échantillon n'a rien d'anecdotique. 127 000 utilisateurs payants suivis pour l'adoption, 47 900 espaces de travail analysés pour les pull requests, et une cohorte fixe de 6 887 équipes comparées sur deux ans : 4 280 avec un agent codeur connecté, 2 607 sans.

Le basculement est brutal. En juin 2024, moins d'une fiche sur mille était créée par une IA. Deux ans plus tard, on frôle la parité : les agents génèrent environ 2 435 000 tickets par semaine, contre 2 481 000 pour les humains et les intégrations classiques. Côté code, le volume global de pull requests a bondi de 111 % sur la période, avec une accélération marquée tout au long de 2026.

Regardez maintenant les deux groupes séparément. Une équipe qui branche un agent codeur — un Claude Code ou un Codex de ce type — passe de 21 à 65 pull requests hebdomadaires. Une équipe qui reste à la main plafonne : de 8 à 10. En apparence, le dossier est plié. L'IA triple les sorties. Sauf que la sortie n'est pas la livraison.

Le paradoxe : plus de pull requests, un temps de dev en hausse de 17 %

C'est là que l'étude devient inconfortable. Malgré le triplement des PR, le temps de développement global augmente. Linear chiffre à environ 17 % la hausse d'effort d'ingénierie sur la création et le tri des tickets. Le cycle time — le délai entre le début et la fin d'une tâche — ne baisse pas, il monte.

« Le temps passé sur les tâches existantes dans Linear s'est maintenu, tandis que l'usage de l'IA est apparu comme une nouvelle couche de travail. Résultat : le temps global consacré au développement produit augmente au lieu de diminuer. » — Tim Qi, responsable des données de Linear

La formule qui résume le rapport est plus sèche encore : « les agents ont ajouté du travail au lieu d'en retirer ». Autrement dit, une équipe équipée fait plus de choses, elle ne les fait pas plus vite. Et Linear glisse une phrase qui mérite d'être affichée dans toutes les salles de comité : si une équipe, quelque part, a à la fois triplé son débit et raccourci son cycle, ce rapport-là n'a pas encore fait surface.

Pourquoi l'IA ajoute du travail au lieu d'en enlever

Le mécanisme n'a rien de mystérieux quand on l'a vécu. Un agent qui produit trois fois plus de pull requests produit aussi trois fois plus de code à relire, à tester, à intégrer, à corriger. La revue de code, elle, reste humaine — et retombe sur les mêmes ingénieurs. Le goulot d'étranglement se déplace : il quitte l'écriture du code pour se loger dans la coordination, la validation et la dette technique.

Ajoutez le tri. Quand l'IA génère la moitié des tickets, quelqu'un doit décider lesquels sont pertinents, lesquels sont des doublons, lesquels partent à la poubelle. Ce travail de curation n'existait pas à ce volume il y a deux ans. C'est la « nouvelle couche » décrite par Linear : elle se superpose au métier, elle ne le remplace pas.

On retrouve exactement le schéma que Gartner pointait déjà en début d'année. Nous l'avions décortiqué dans notre analyse sur le fait que remplacer des salariés par l'IA ne paie pas : l'IA amplifie une équipe, elle ne la vide pas. Les données de Linear en sont la preuve chiffrée, côté ingénierie.

Ce que ça change pour un dirigeant de PME ou un freelance

Le premier réflexe — « on va coder deux fois plus vite avec deux fois moins de monde » — est démenti par les chiffres. Si votre business plan repose sur cette équation, revoyez-le. Le gain existe, mais il est en volume et en surface couverte, pas en délai de livraison ni en réduction d'effectif.

Le deuxième point est plus stratégique. Produire plus de PR sans capacité de revue supplémentaire, c'est fabriquer un embouteillage. Beaucoup de projets IA meurent précisément à cette marche : nous l'avions montré dans notre dossier sur le fait que neuf pilotes IA sur dix ne passent jamais en production. Le problème n'est presque jamais le modèle. C'est tout ce qu'il y a autour.

Pour un freelance ou une petite structure, la lecture est plus nuancée. Un développeur solo qui branche un agent codeur absorbe lui-même la revue : il peut effectivement couvrir plus de terrain, sortir un CRM interne ou un site complet là où il fallait une équipe. Le paradoxe de Linear s'estompe quand la coordination tient sur une seule tête — c'est le cas où l'IA rend le plus. Dès qu'on est trois, cinq, dix, la couche de coordination réapparaît.

Il y a un livre qui a bien anticipé cette bascule : Co-Intelligence d'Ethan Mollick, professeur à Wharton, qui défend justement l'idée d'une IA « coéquipier » plutôt que « remplaçant ». Pour un dirigeant qui veut cadrer l'usage sans fantasme, Co-Intelligence d'Ethan Mollick ^{· Amazon} reste une des lectures les plus concrètes du sujet.

Les limites de l'étude, à lire avant de conclure

Aucun chiffre n'est neutre, et Linear a le mérite de nommer son biais. Les données ne couvrent que les espaces de travail payants de Linear. Or ces clients penchent lourdement du côté des équipes logicielles, technophiles, qui adoptent tôt les nouveaux outils. Ce n'est pas un échantillon représentatif du tissu économique français, ni même de l'ensemble des développeurs.

Deux conséquences. D'abord, l'adoption de l'IA y est probablement en avance sur la moyenne — le « 50 % de tickets » serait plus bas ailleurs. Ensuite, le paradoxe de productivité pourrait être plus marqué encore dans des organisations moins matures, où la revue de code et le tri sont moins outillés. Autrement dit, le chiffre optimiste (le triplement des PR) est plutôt un plafond, et le chiffre inconfortable (le temps qui monte) plutôt un plancher.

Enfin, mesurer les pull requests, c'est mesurer une activité, pas une valeur. Une PR fusionnée n'est pas un client servi. Le vrai indicateur reste business : chiffre d'affaires, tickets clients résolus, délai de mise en marché. Sur ce terrain-là, Linear ne tranche pas — et personne d'autre non plus, pour l'instant.

Comment mesurer le vrai gain IA chez vous

La leçon actionnable tient en une phrase : ne mesurez pas ce que l'IA produit, mesurez ce qu'elle libère. Le volume de sorties (PR, tickets, brouillons) est trompeur. Suivez plutôt le délai bout-en-bout d'une tâche type, l'effort de revue par personne, et le coût complet — API, infra, temps humain de supervision. C'est exactement la grille que nous détaillons dans notre guide pour mesurer le ROI de l'IA avec des métriques que votre comptable comprend.

Un dernier réflexe : avant d'ajouter un agent, demandez-vous qui absorbera le surplus de travail qu'il va générer. Si la réponse est « les mêmes personnes, en plus », vous n'achetez pas de la vitesse, vous achetez de la charge. Les 17 % de Linear ne sont pas une anomalie : c'est le prix par défaut d'une IA déployée sans repenser le circuit autour.

Notre avis. Cette étude n'est pas un réquisitoire contre les agents codeurs — les 65 PR par semaine sont bien réels et le potentiel est massif. C'est un rappel que la productivité ne se décrète pas en branchant un modèle. L'IA déplace le travail, elle ne l'efface pas. Les gagnants seront ceux qui réorganisent la revue, le tri et la coordination avant d'ouvrir les vannes. Les autres découvriront, facture à l'appui, qu'ils paient un abonnement pour travailler plus.