Le vibe coding promet dix fois plus de productivité, mais PyPI ne le confirme pas encore

Les adeptes du vibe coding et des outils agentiques affirment être devenus 2, 10, voire 100 fois plus productifs. Un développeur a construit un navigateur de zéro en un week-end. Les sceptiques posent une question légitime : si c'est vrai, où est tout ce nouveau logiciel ?

Le phénomène du vibe coding

Depuis 2023, les assistants d'IA pour le développement sont passés du statut d'expérience de laboratoire à celui d'outil quotidien. Cursor, GitHub Copilot Workspace, Claude Code, Windsurf : de nouveaux produits sortent chaque trimestre. Le principe est le même : le développeur formule une intention, un modèle de langage génère le code, puis le développeur le relit et le corrige.

Les affirmations sur la productivité sont sérieuses. Elles ne viennent pas de débutants, mais d'ingénieurs chevronnés, forts de nombreuses années d'expérience : des accélérations de 5 à 10 fois sur les tâches routinières, un MVP en une semaine au lieu d'un mois, un produit SaaS réalisé seul en un mois au lieu d'un trimestre pour une équipe. Sur les réseaux sociaux, ce n'est plus l'exception, c'est un genre.

La logique économique veut que, si développer coûte moins cher, on développe davantage. Ce raisonnement part du principe que le monde veut plus de logiciels et que, s'ils sont moins chers à produire, on en produira plus. Si l'on adhère à cette idée, un « effet IA » mesurable devrait exister.

Le test PyPI

PyPI, le dépôt central des paquets Python, est un instrument de mesure idéal pour cette hypothèse. Il est vaste et stable, et ses données sont publiques et collectées depuis des années. Python est l'un des principaux langages de l'écosystème de l'IA : si l'effet se manifeste publiquement, c'est ici qu'on le verra.

Les signes que l'on s'attendrait à observer après 2023 :

• hausse du nombre de nouveaux paquets publiés par mois
• plus d'auteurs qui publient un paquet pour la première fois
• apparition de nouvelles grappes thématiques (agents, outils pour LLM)
• cycles de publication plus rapides pour les bibliothèques existantes
• délai réduit entre le premier commit et la publication

Les données de PyPI sont ouvertes et accessibles via BigQuery. Si la courbe des publications a nettement grimpé après 2023, ce serait un argument de poids en faveur du récit du vibe coding. Sinon, l'effet existe, mais il se manifeste autrement que prévu.

Pourquoi les données peuvent rester muettes

Même si le gain est réel, PyPI peut ne pas le montrer. La plupart des projets de vibe coding n'arrivent pas dans les registres publics : utilitaires personnels, outils internes d'entreprise et prototypes pour des clients restent privés.

L'IA accélère surtout le démarrage : esquisser l'architecture, générer le squelette, écrire les tests. Les parties lentes, comme le débogage final, la documentation et le support après la sortie, restent tout aussi lentes. Résultat : les projets démarrent plus vite, mais n'aboutissent pas plus souvent.

Il y a aussi un effet d'ambition. Auparavant, un développeur passait une semaine sur un script simple. Désormais, avec la même semaine, il s'attaque à un produit complet avec interface, API et base de données. Le volume total de code publié n'a pas doublé, mais la complexité de chaque projet a augmenté. PyPI ne le capte pas.

«

Si l'on ne voit pas le nombre de paquets doubler, c'est que le gain de vitesse est absorbé par autre chose » : voilà en gros la thèse centrale des sceptiques.

Ce que cela signifie

Le vibe coding change réellement la sensation de développer. Mais les métriques publiques ne confirment pas encore une croissance explosive du volume de logiciels créés. Explications possibles : la plupart des projets d'IA restent privés ; le gain est réorienté vers des tâches plus complexes ; ou nous sommes au début de la courbe et les données apparaîtront dans quelques années.

Quoi qu'il en soit, avant de prendre pour argent comptant les chiffres de x10 et x100, mieux vaut regarder non pas les tweets, mais les dépôts.