Une nouvelle analyse de la communauté des développeurs chinois a identifié trois problèmes émergents qui menacent la fiabilité des assistants de codage IA. Premièrement, Claude Code souffrirait de fuites de cache, où des données sensibles de sessions précédentes pourraient persister involontairement, soulevant des préoccupations de sécurité. Deuxièmement, GPT-5.5 présente un clustering d'inférence, ce qui signifie que ses sorties deviennent moins diverses et plus prévisibles après une utilisation répétée, réduisant potentiellement la qualité du code. Troisièmement, Opus 4.8 montre une dégradation des outils, où sa capacité à utiliser efficacement les outils et API externes diminue avec le temps. Ces résultats suggèrent une tendance paradoxale : alors que les modèles IA deviennent plus puissants, leur utilité pratique en tant qu'outils de codage pourrait diminuer. Pour les équipes d'ingénierie intégrant l'IA dans leurs flux de travail, cela signale un besoin de tests et de surveillance plus rigoureux du code généré par l'IA.
Une analyse récente met en évidence trois problèmes critiques qui sapent la confiance dans les outils de codage IA : les fuites de cache dans Claude Code, le clustering d'inférence dans GPT-5.5 et la dégradation des outils dans Opus 4.8. Ces problèmes suggèrent qu'à mesure que les modèles s'améliorent, leur fiabilité en tant qu'outils de développement pourrait diminuer.