Tu as choisi ton outil de code IA comme tu choisis un éditeur de texte. Tu en as testé quelques-uns, gardé celui qui semblait le plus fluide, en te disant que tu pourrais changer au trimestre suivant quand un truc mieux sortirait. C'est comme ça que fonctionnent les choix logiciels d'habitude.

Les agents de code IA ont cassé cette logique. Et les données JetBrains d'avril 2026 rendent la rupture visible.

JetBrains AI Pulse, publié le 7 avril 2026, a interrogé plus de 10 000 développeurs professionnels sur huit langages. Chaque analyste et sa newsletter a déjà disséqué les chiffres d'adoption en une — qui mène, qui stagne. Mais sous le tableau de score se cache quelque chose de bien plus lourd de conséquences que personne ne mesure : l'accumulation de contexte.

L'autocomplétion classique — la fonctionnalité qui suggère la ligne suivante pendant que tu tapes — est sans état. Elle lit le fichier en cours, peut-être quelques fichiers voisins, et devine. Tu peux la remplacer en cinq minutes. La nouvelle génération d'agents de code IA fonctionne différemment. Claude Code — l'assistant terminal d'Anthropic — lit ton dépôt entier. Cursor — un éditeur de code propulsé par l'IA — indexe la structure de ton projet. GitHub Copilot Workspace — la couche agent de GitHub, distincte de l'autocomplétion basique de Copilot — suit l'historique de tes pull requests et le contexte de tes issues.

Chacun de ces outils construit un modèle de TON codebase. Pas un modèle générique du « code » — une compréhension spécifique de tes conventions de nommage, de tes patterns d'architecture, des préférences de tests de ton équipe, des particularités de ton déploiement. Chaque pull request relue, chaque bug corrigé, chaque refactoring guidé ajoute du signal. Au bout de trois mois, les suggestions de l'outil ne sont plus génériques. Elles sont calibrées.

Ce calibrage, c'est le verrouillage.

Le coût de changement d'un agent de code IA, ce n'est pas le prix de l'abonnement — 10 à 20 dollars par mois, dérisoire pour une entreprise. Le coût de changement, ce sont les semaines de productivité dégradée pendant que l'outil de remplacement réapprend ce que le premier savait déjà. Pour un développeur solo, c'est agaçant. Pour une équipe de cinquante, c'est un cratère de productivité que personne n'a budgété.

Les données JetBrains en fournissent une preuve indirecte. Claude Code détient la satisfaction la plus élevée de toute l'enquête : un NPS de 54 (Net Promoter Score — la probabilité que les utilisateurs le recommandent ; tout score au-dessus de 50 est considéré comme excellent). Pourtant, son adoption en entreprise plafonne à 18 %. Si changer d'outil était sans friction, cet écart entre satisfaction et usage se serait comblé rapidement. Ce n'est pas le cas. Entre les enquêtes JetBrains de mi-2025 et avril 2026, la notoriété de Claude Code a presque doublé, passant de 31 % à 57 %, et l'adoption est passée d'environ 3 % à 18 % — une multiplication par 6, portée presque entièrement par le bouche-à-oreille. Mais 18 % pour le leader en satisfaction suggère que quelque chose freine l'adoption au-delà de la simple notoriété. Ce quelque chose, c'est le coût d'arracher ce qui est déjà en place.

Cursor montre à quoi ressemble une percée quand la qualité est suffisamment spectaculaire. Comme Bloomberg l'a rapporté le 2 mars 2026, Cursor a atteint 2 milliards de dollars de revenus récurrents annuels (revenus d'abonnement annualisés), doublant en seulement trois mois, avec plus de la moitié du Fortune 500 comme clients. Mais la stratégie de Cursor est révélatrice : il ne te demande pas de greffer un plugin IA sur ton éditeur existant. Il remplace l'éditeur entièrement. C'est une prise de contrôle totale du contexte — contourner les coûts de changement en possédant tout l'environnement dès le premier jour.

Et voici ce qui rétrécit la fenêtre de décision. Les agents de code IA s'orientent vers la mémoire persistante — historiques de sessions, préférences apprises par projet, workflows d'équipe accumulés. Chaque trimestre, ça s'épaissit, et le coût de changement se compose. Un outil choisi à la légère au T1 devient une infrastructure impossible à retirer au T4.

Si ton équipe évalue des outils de code IA en ce moment, traite la décision moins comme le choix d'un abonnement SaaS et plus comme le choix d'une base de données. Le coût de migration est faible au jour un et grandit à chaque sprint. Lance ton pilote sur 90 jours, mesure sur ton vrai codebase — pas un dépôt de démo — et engage-toi. Parce que dans six mois, la décision sera déjà prise pour toi, par le contexte accumulé, pas par un score de benchmark.

La guerre des modèles demandait « quelle IA est la plus intelligente ? » La guerre de la distribution demandait « quelle IA est déjà installée ? » La prochaine question est plus silencieuse et plus difficile : quelle IA connaît déjà assez bien ton code pour que la quitter ressemble à tout recommencer de zéro ? C'est le verrouillage que personne n'a mesuré. Et quand tu t'en aperçois, il est déjà construit.