TL;DR
Le rapport State of Development 2026 de Temporal, une enquête Qualtrics menée auprès de 554 ingénieurs et responsables d’ingénierie aux États-Unis et au Royaume-Uni, révèle que 80,8 % utilisent désormais des agents IA au quotidien ou plus — contre 47,3 % il y a un an, soit un bond relatif de 70,8 %. Le répondant médian fait tourner cinq agents, et 91,1 % affirment que les agents ont « amélioré » ou « révolutionné » leur productivité. L’histoire n’est plus de savoir si les agents fonctionnent : c’est ce qui sépare aujourd’hui l’usage pilote des systèmes pleinement autonomes — le suivi d’état (35,7 %), le débogage et le coût des tokens et du calcul ont remplacé les capacités des modèles comme trois principaux freins. Et 92,3 % ont déjà essayé de reconstruire des logiciels qu’ils achetaient auparavant.
Pourquoi ce rapport compte maintenant
Pendant toute l’année 2025, chaque enquête « état des agents » posait à peu près la même question : êtes-vous déjà en train d’expérimenter ? Les réponses étaient toujours « un peu ». Celle-ci est différente. Temporal — un éditeur d’orchestration, gardez ce biais à l’esprit en lisant — a interrogé 650 personnes entre le 29 avril et le 25 mai 2026, en a conservé 554 après filtrage qualité, et a constaté une adoption passée de « précoce » à « par défaut » en environ douze mois. (Source : Temporal — The State of Development Report 2026)
L’échantillon penche vers le logiciel (37,5 %) et les profils intermédiaires à seniors (81,3 % avec 6 ans d’expérience ou plus), donc les chiffres absolus sont optimistes par rapport à l’économie au sens large. Mais la direction est ce qui compte, et elle est sans ambiguïté.
L’adoption a franchi le gouffre — plus vite qu’Agile ne l’a jamais fait
Le chiffre phare est un bond de 70,8 % de l’usage fréquent : 80,8 % des répondants utilisent désormais des agents IA au quotidien ou plus, contre 47,3 % un an plus tôt. 21,8 % supplémentaires disent utiliser des agents en continu, tandis que 25,5 % les traitent encore comme de simples assistants — la preuve qu’il reste de la marge. (Source : Temporal — The State of Development Report 2026)
Pour calibrer, Temporal note qu’il a fallu 11 à 15 ans à Agile pour devenir mainstream. Les agents ont compressé cette courbe d’adoption en environ un an. Le répondant médian fait tourner 5 agents ; la moyenne est de 10,7, tirée vers le haut par une longue traîne d’équipes qui en font tourner des dizaines — y compris un répondant qui a tapé « 256 ». Cet écart entre médiane et moyenne est le vrai signal : une minorité d’équipes fait déjà tourner des flottes d’agents, pas des agents.
Les équipes « qui réussissent » ne sont pas plus rapides — elles sont plus profondes
Temporal a scindé les répondants entre « ceux qui réussissent » et les autres selon leur efficacité auto-déclarée, et les différences sont révélatrices. Les équipes qui réussissent ne sont que 1,2× plus rapides à transformer des prototypes en code de production. Ce qui les sépare réellement, c’est la profondeur de la confiance et l’étendue de l’usage : elles sont 1,5× plus susceptibles d’utiliser des agents quotidiennement, en font tourner 1,3× plus, et sont 6,1× plus susceptibles de dire qu’elles font totalement confiance à la sortie des agents (28,4 % contre 4,7 %). (Source : Temporal — The State of Development Report 2026)
Le point à retenir va à l’encontre du récit obsédé par la vitesse : gagner avec les agents tient à l’intégration et à la confiance, pas à la vélocité brute. C’est la même leçon que dans notre analyse précédente du State of Agent Engineering 2026 — c’est la maturité de production, pas les démos, qui ouvre l’écart.
La « SaaSpocalypse » est réelle
La découverte la plus disruptive pour l’industrie du logiciel est enfouie au milieu du rapport : 92,3 % des répondants disent avoir essayé de construire quelque chose qu’ils auraient auparavant acheté. Quand les agents rendent « construire » moins cher que « acheter » pour une part significative des outils internes, la longue traîne du SaaS subit une pression structurelle. (Source : Temporal — The State of Development Report 2026)
Cela rejoint le versant capital de l’histoire : les startups d’agents IA ont levé des tours records en août précisément parce que le marché adressable est désormais « tout outil interne qu’une équipe louait autrefois ». Si 92 % des ingénieurs substituent activement, le budget ne reste pas dans les abonnements SaaS — il migre vers les agents, l’orchestration et le calcul.
Le goulot d’étranglement est passé des modèles à l’infrastructure
Demandez à un ingénieur en 2024 ce qui retenait les agents et vous entendiez « le modèle n’est pas assez intelligent ». En 2026, les trois principaux freins sont le suivi d’état (35,7 %), le débogage et la gestion des coûts de tokens ou de calcul — aucun n’étant un problème de qualité de modèle. 79,8 % disent que les coûts de calcul limitent significativement leurs progrès, et 41,1 % rencontrent des problèmes avec les agents au moins quotidiennement (16,4 % toutes les heures). (Source : Temporal — The State of Development Report 2026)
C’est pourquoi des éditeurs d’orchestration comme Temporal publient ce genre de rapports en premier lieu. La valeur durable s’est déplacée de la couche modèle vers la couche fiabilité — ceux qui résolvent l’état, les retries et les passages de relais humains détiennent le prochain goulot d’étranglement. 39,5 % citent encore les préoccupations de sécurité comme ce qui les sépare d’agents véritablement autonomes, précisément la couche que l’industrie s’efforce aujourd’hui d’industrialiser.
Le paradoxe confiance-mesure
Voici la découverte qui devrait faire réfléchir tout le monde : 85,5 % disent faire confiance à la sortie des agents au moins dans une certaine mesure — pourtant 84,5 % pensent être meilleurs que leurs concurrents dans l’usage des agents. Statistiquement, une grande majorité ne peut pas se trouver toute dans le 85e percentile. (Source : Temporal — The State of Development Report 2026)
Temporal le lit avec bienveillance (« beaucoup de désinformation sur l’usage des agents »). La lecture plus acérée est que l’industrie manque encore de référentiels partagés sur ce à quoi ressemble une bonne exploitation d’agents, si bien que chaque équipe part du principe qu’elle est en avance. C’est un écart de mesure, pas seulement de l’optimisme — et c’est le même écart qui rend les chiffres de ROI d’entreprise comme notre couverture de l’enquête sur les 96 % de ROI difficiles à prendre au pied de la lettre.
Et malgré la peur ambiante, seulement 26,4 % disent que leur entreprise ralentit ou arrête ses embauches. Les agents ne remplacent pas encore les ingénieurs — ils les transforment en « orchestrateurs en langage naturel », comme le disent les propres répondants du rapport.
FAQ
Le chiffre de 80,8 % d’usage quotidien est-il représentatif ? Il est fort en direction mais biaisé à l’optimisme. L’échantillon penche vers le logiciel (37,5 %), surtout des ingénieurs intermédiaires à seniors, et deux tiers basés aux États-Unis. Traitez le chiffre absolu comme une borne supérieure pour l’économie au sens large, et le bond de 70,8 % sur un an comme le signal robuste.
Cela signifie-t-il que les agents remplacent les ingénieurs ? Pas encore. Seulement 26,4 % signalent que leur entreprise ralentit ou arrête les embauches, et les équipes qui réussissent embauchent davantage pour l’expérience en agents IA (1,8× plus). Le schéma dominant est l’augmentation — des ingénieurs orchestrant des flottes d’agents plutôt qu’étant déplacés par elles.
Quel est le plus gros frein à un usage accru des agents ? Le suivi d’état, cité par 35,7 %. Le débogage et les coûts de tokens et de calcul complètent le trio de tête. À noter : aucun n’est un problème de qualité de modèle — la frontière s’est déplacée vers la fiabilité et l’infrastructure.
Pourquoi tant d’équipes se croient-elles au-dessus de la moyenne ? Parce qu’il n’existe pas encore de référentiel partagé pour l’exploitation des agents. 84,5 % qui se disent meilleurs que leurs concurrents est statistiquement impossible, ce qui signale un écart de mesure plutôt qu’une illusion généralisée — et une vraie ouverture pour les éditeurs capables de définir la norme.