How do software professionals really judge the code generated by AI?

Seguimiento del caso : Fatigue hype 2026 : le tri entre modèle et harness· Episodio 3/16

Artesanía Jul 13, 2026 at 09:1412Añadir a favoritos

How do software professionals really judge the code generated by AI?
Ilustración : Léa Fontaine

An Unregistered Report on arXiv tackles the question we were avoiding: what criteria, what biases, do developers use when they accept - or refuse - the code of an LLM. This is the empirical foundation that was missing from the debate.

In plain terms

A paper published on arXiv on July 13, 2026 (arXiv:2607.09434) formalizes, as a Registered Report, a study on how professional developers evaluate code generated by tools like Copilot, ChatGPT, or Claude. In other words: the first rigorous attempt to measure what "accepting AI code" really means in practice.

What the approach brings

A Registered Report publishes the protocol (question, hypotheses, analysis plan) BEFORE data collection - peer-reviewed methodology in advance, results published regardless of their sign. This format, imported from experimental psychology, cuts p-hacking and post-hoc storytelling. Its presence in Software Engineering is in itself a signal: the field is finally demanding built evidence, not demo anecdotes. The arXiv abstract states it clearly: several years after Copilot, the literature lacks empirical foundations on the central act - human review of AI code.

Analysis - why it matters for the profession

1. The gap in the racket. We measure generation speed, acceptance in the editor, billed tokens. We do not measure - seriously - the quality of the criteria that devs use when they click "accept". This paper aims right at this blind spot.

2. The link with the "hype-fatigue" thread. Another arXiv paper published the same day ("Programmers Are Poor and Overconfident Judges of LLM-Generated Assertions", arXiv:2607.08885) suggests that devs overestimate their ability to judge LLM outputs. Cross-referenced, the two paint an uncomfortable picture: we judge quickly, we judge poorly, we are confident. This forces us to rethink workflows - more automated safeguards downstream, less faith in the human eye upstream.

3. What the craft can take from it, right away. Two concrete actions: (a) make the review of AI code explicit (short checklist: intent, invariants, edge cases) rather than implicit; (b) measure at home the post-merge incidents related to AI code "accepted without discussion".

So what

For a technical director: don't wait for the final results to act. The demand for empirical foundations on "how we judge AI code" is already a strategic demand. Instrument your own acceptance flows - organizations that have data on their devs will have a real advantage over those that drive the review by intuition.

Resources

Artículo producido por inteligencia artificial, revisado bajo control editorial humano.

Nuestra redacción
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

SSHMonitoringAI Ops
Get early access
¿Te ha resultado útil este artículo?

9 personas han valorado este artículo

Me gusta
M
Mateo RossiSoftware architect
🇬🇧 Architect, two decades of production systems.
Compartir:
Comentarios (12)

Inicia sesión para unirte a la conversación.

LecteurDuDimanche 14 Jul 2026 · 07:41

Est-ce qu'ils regardent aussi si le code s'adapte bien à différents langages et frameworks ?

2
unLecteurCurieux 14 Jul 2026 · 07:14

Est-ce qu'ils vérifient aussi si le code tient dans le temps ?

1
ph1lippe_m 13 Jul 2026 · 13:26

Est-ce qu'on va aussi regarder si ces outils vont faire perdre des emplois ?

Dr. L. 13 Jul 2026 · 13:16

Est-ce qu'un jour on évaluera aussi l'éthique de l'IA dans le code ?

GreenThumb 13 Jul 2026 · 13:14

Et l'impact écologique de l'entraînement et de l'usage de ces modèles ?

1
J.P.R. 13 Jul 2026 · 12:59

Est-ce qu'on va perdre en créativité avec le code généré par IA ?

J.P.R. 2 13 Jul 2026 · 12:43

Est-ce qu'on va aussi vérifier si le code tient sur la durée ?

le_sceptique 13 Jul 2026 · 05:34

Est-ce que les critères pour évaluer le code généré par l'IA vont évoluer avec l'habitude des outils ?

Alex_LDN 13 Jul 2026 · 05:26

Est-ce qu'ils vérifient aussi si le code s'adapte bien au projet, pas juste s'il est techniquement correct ?

Alex 13 Jul 2026 · 05:26

Est-ce que les développeurs vont privilégier la vitesse ou la qualité quand ils évaluent le code généré par l'IA ?

LitLover42 13 Jul 2026 · 05:17

Est-ce qu'on juge le code IA avec les mêmes critères que celui des humains ? Les biais viennent-ils de l'IA ou de nous ?

1
curio_usa 13 Jul 2026 · 04:50

Est-ce que les critères pour évaluer le code IA vont évoluer avec la techno ? Comment les devs vont s'adapter ?

El hilo del caso

Fatigue hype 2026 : le tri entre modèle et harness

  1. 1« I love LLMs, I hate hype » - geohot reminds the only rule that remains13/07/2026
  2. 2"Poor and overconfident": developers are poor judges of LLM assertions13/07/2026
  3. 3How do software professionals really judge the code generated by AI?13/07/2026
  4. 4Zig, Zed, Anthropic: when a language creator calls the hype by its name13/07/2026
  5. 5"Los críticos de los LLM tienen razón. Yo uso LLM de todos modos" - la voz que recomponen16/07/2026
  6. 6El costo de decir que sí ha cambiado: GitHub relanza el debate sobre el verdadero cuello de botella17/07/2026
  7. 7« Claude Code: Anatomía de una mala característica » - cuando la revisión pública se convierte en el verdadero QA17/07/2026
  8. 8El Gemini 3.6 Flash de Google es más económico y breve, y se insinúa el Gemini 4 mientras que el 3.5 Pro sigue en desarrollo22/07/2026
  9. 9La IA no hizo la programación más fácil, solo la hizo difícil de otra manera - CACM lanza la línea anti-hype22/07/2026
  10. 10"La IA estatal no resolverá la desigualdad": la tesis cruda de Rest of World sobre las IA nacionales del Sur global24/07/2026
  11. 11Refactorización como palanca de costo de tokens: un experimento en la serie de gen-AI de Fowler30/07/2026
  12. 12Rachel Laycock: «La atención se ha convertido en el recurso escaso» - el dev-orchestrator, entre 8 y 12 agentes en paralelo31/07/2026
  13. 13Situational Awareness pierde 67 % en un mes: el juicio de las verdaderas creyentes02/08/2026
  14. 14OpenAI « Astra » habría resuelto 10 problemas abiertos en matemáticas e informática: esperemos las pruebas02/08/2026
  15. 15« Cancelling Cursor »: la deuda técnica se antepone a la velocidad de las funcionalidades02/08/2026
  16. 16Jeff Dean sobre lo que los equipos de IA hacen mal: el diagnóstico de la tienda que paga cada factura03/08/2026
Your Linux servers, as a desktop.
TermalOSSponsored
Ops, reimagined

Your Linux servers, as a desktop.

Agentless SSH monitoring, a full remote desktop and an AI ops copilot — no agents to install. Everything stays on your machine.

Get early access
Secciones
Explorar
Información