Le véritable gagnant de l'acquisition de Cursor pour 60 milliards $ ne sera pas les assistants de codage basés sur l'IA, mais les équipes qui réussiront à maintenir la qualité du code, d'après JetBrains

Le véritable gagnant de l'acquisition de Cursor pour 60 milliards $ ne sera pas les assistants de codage basés sur l’IA, mais les équipes qui réussiront à maintenir la qualité du code, d'après JetBrains

Anysphere, Inc., opérant sous le nom de Cursor, est une société américaine de logiciels qui développe Cursor, un agent de codage basé sur l’IA et un environnement de développement logiciel. Fondée en 2022, cette entreprise basée à San Francisco conçoit des outils et des modèles permettant aux utilisateurs de modifier du code, d’effectuer des recherches dans des bases de code, d’exécuter des commandes et de réaliser des tâches de programmation à l’aide d’instructions en langage naturel. Cursor a atteint une valorisation de 29,3 milliards $ et a dépassé les 3 milliards $ de chiffre d'affaires récurrent annuel début 2026. Le 16 juin 2026, il a été annoncé que SpaceX allait acquérir Cursor, valorisant la société à 60 milliards $ ; celle-ci sera intégrée à sa filiale xAI.

Lorsque la nouvelle a été annoncée que SpaceX allait acquérir Anysphere, la société mère de Cursor, dans le cadre d’une transaction entièrement en actions estimée à 60 milliards $, la plupart des discussions ont tourné autour de l’IA. Il s’agissait là d’une nouvelle étape importante et d’une valorisation colossale, signe que l’IA continue de bouleverser profondément le secteur. Ces réactions ne sont pas erronées, mais elles risquent d’occulter l’essentiel.

La véritable portée de l’acquisition de Cursor ne réside pas dans le fait que l’IA soit désormais capable d’écrire du code. Nous le savions déjà. Ce qu’il faut retenir, c’est qu’à mesure que l’IA augmente considérablement le volume de code produit, la qualité de ce code devient le nouveau goulot d’étranglement. En d’autres termes, l’avenir du génie logiciel ne sera pas défini par celui qui sera capable de générer le plus de code, mais plutôt par celui qui pourra s’y fier.

JetBrains s.r.o. (anciennement IntelliJ Software s.r.o.) est une société à responsabilité limitée internationale spécialisée dans le développement de logiciels, qui conçoit des outils destinés aux développeurs et aux chefs de projet. JetBrains propose divers environnements de développement intégrés (EDI), tels que IntelliJ IDEA, PyCharm, Rider, WebStorm et CLion. Elle a également créé en 2011 le langage de programmation Kotlin, qui peut s'exécuter dans une machine virtuelle Java (JVM).

Voici l'analyse de JetBrains de cette transaction et du futur du codage assisté par IA :


La course au codage par l’IA est entrée dans une nouvelle phase

L’acquisition en elle-même est remarquable. L’acquisition par SpaceX est largement considérée comme une tentative de renforcer ses capacités en matière d’IA en combinant l’expertise de Cursor en codage avec les modèles de xAI et son infrastructure de calcul massive. Que vous utilisiez Cursor, JetBrains AI, GitHub Copilot, Claude Code, Gemini CLI, Codex ou un autre assistant IA, c’est le volume qui est remarquable – une tendance que nous ne pouvons ignorer, même en tenant compte du coût.

Générer une fonction, créer la structure d’une API, écrire des tests, expliquer du code inconnu ou refactoriser des milliers de lignes se fait rapidement. Et, même si de nombreux développeurs contestent l’efficacité de l’IA, il existe des gains de productivité objectifs. Mais maintenant que ces progrès résolvent un problème, un autre se profile.

Chaque ligne de code générée par l’IA doit encore être vérifiée

L’IA change la façon dont le code est écrit, mais elle ne change pas ce qu’est un code propre. Qu’elle soit subjective dans une certaine mesure ou non, chaque pull request doit toujours répondre aux mêmes questions :

- Le code est-il correct ?
- Introduit-il des failles de sécurité ?
- Est-il maintenable ?
- Respecte-t-il les conventions de l’équipe ?
- Augmente-t-il la dette technique ?
- Sera-t-il évolutif ?
- Un autre ingénieur le comprendra-t-il dans six mois ?


Si les développeurs produisent deux ou trois fois plus de code grâce à l’IA, les relecteurs ne disposeront pas pour autant de deux ou trois fois plus de temps. On pourrait faire valoir que l’IA automatisera également la relecture du code. Et ce sera le cas, dans une certaine mesure, mais la relecture par l’IA est probabiliste, alors que les contrôles de qualité en production doivent être déterministes, reproductibles et applicables. Les équipes ont toujours besoin de contrôles automatisés auxquels elles peuvent se fier à chaque fois. La capacité de révision devient alors le facteur limitant.

Plus de code signifie plus de vérification

Le génie logiciel a toujours fonctionné selon un principe simple : plus il est peu coûteux de produire quelque chose, plus le contrôle qualité devient important. L’industrie manufacturière l’a compris il y a des décennies. L’édition l’a compris avec la publication assistée par ordinateur. La photographie l’a compris avec les appareils photo numériques. Le secteur du logiciel est en train de le comprendre aujourd’hui.

À présent que la génération de code devient peu coûteuse (en fonction de l’utilisation des jetons), la vérification devient une ressource plus rare. Cela modifie les priorités d’investissement des organisations d’ingénierie. Au lieu de se concentrer uniquement sur l’optimisation de la génération de code, les équipes ont de plus en plus besoin d’outils qui les aident à répondre aux questions suivantes :

- Quels résultats sont réellement importants ?
- Quels problèmes sont nouveaux ?
- Quelles vulnérabilités devraient bloquer le déploiement et faire l’objet d’un contrôle qualité ?
- Quels avertissements ne sont que du bruit ?

La recherche corrobore ces affirmations

Il est intéressant de noter que la recherche universitaire commence à observer ce compromis. Une vaste étude empirique examinant l’adoption de Cursor dans les projets GitHub a révélé que, si l’assistance par IA augmentait initialement la vitesse de développement, les projets enregistraient également une augmentation persistante des avertissements d’analyse statique et de la complexité du code. Au fil du temps, ces problèmes de qualité ont contribué à ralentir le développement.

Une autre étude récente a surpris de nombreux chercheurs en montrant que les développeurs open source expérimentés utilisant des outils d’IA de pointe, notamment Cursor Pro, ne terminaient pas systématiquement leurs tâches plus rapidement dans les conditions de l’étude. Les auteurs affirment que la relation entre l’IA et la productivité est plus nuancée que beaucoup ne le pensent, en particulier dans les bases de code matures soumises à des normes de qualité élevées.

Aucun de ces articles ne s’oppose aux assistants de codage basés sur l’IA. Au contraire, ils soulignent que la génération de code ne représente qu’une partie de l’ingénierie logicielle. Le maintien de la qualité reste tout aussi important.

L’IA ne remplace pas la revue de code, elle la transforme

La revue de code traditionnelle se concentrait principalement sur l’implémentation. Le développeur a-t-il commis une erreur ? A-t-il négligé un cas limite ? A-t-il oublié de gérer une exception ? À mesure que l’IA écrit une part croissante de l’implémentation, les réviseurs s’orientent de plus en plus vers des questions de plus haut niveau :

- S’agit-il de la bonne solution ?
- L’architecture est-elle solide ?
- Est-elle conforme à nos normes ?
- Le code généré introduit-il une complexité inutile ?

Cela rend l’analyse automatisée de la qualité encore plus précieuse. L’analyse statique peut inspecter en continu des milliers de fichiers tandis que les relecteurs humains se concentrent sur la conception et la logique métier. Objectivement, il s’agit là d’une bien meilleure répartition des tâches.

L’essor de la « couche de qualité » : Qodana fait partie de cette histoire

C’est pourquoi, l'équipe de JetBrains estime que la prochaine génération d’outils de développement ne se composera pas d’assistants IA isolés. Elle s’appuiera sur des workflows en couches. Un assistant IA génère du code, puis une analyse statique le valide. Des scanners de sécurité identifient les vulnérabilités. Le CI/CD applique des contrôles de qualité. Les développeurs ne révisent que ce qui nécessite véritablement un jugement humain.

Les entreprises qui réussiront ne seront pas nécessairement celles qui génèrent du code plus rapidement, mais plutôt celles qui produisent du code fiable avec moins d’efforts. C’est là que Qodana prend toute son importance. Qodana est un outil d'analyse de la qualité du code qui utilise l'analyse statique pour aider les utilisateurs à réaliser des revues de code, à mettre en place des contrôles de qualité et à appliquer les directives relatives à la qualité du code. JetBrains ne souhaite pas remplacer les agents de codage, mais plutôt travailler avec eux.


Alors que l’IA accélère la génération de code, Qodana aide les équipes à inspecter automatiquement ce code pour détecter les problèmes de qualité, les enjeux de maintenabilité, les failles de sécurité et la conformité aux normes d’ingénierie avant que les modifications n’atteignent l’environnement de production. L'équipe de JetBrains affirme notamment : « Nous travaillons pour nous assurer que vous et votre équipe puissiez produire un code prêt pour la production sans vous demander de renoncer à l’IA. » Pour information, Qodana est finaliste de la 40e édition des CODiE Awards dans la catégorie « Meilleur outil DevOps dans le domaine des technologies de développement et de l’IA ».

Essayez Qodana Ultimate Plus