Ce que l'IA a fait à Stack Overflow, en un seul graphique

Un contributeur a extrait les stats publiques de Stack Overflow et sorti un graphique. Le résultat parle de lui-même : ChatGPT a vidé la place.

Le cas concret

Un utilisateur a publié sur data.stackexchange.com (l'interface publique de requêtes SQL sur les données Stack Overflow) une query qui trace le nombre de questions posées par mois sur le site depuis sa création jusqu'à mi-2026. Le graphique est linké sur Hacker News en une le 18 juillet 2026, et il fait ce que peu d'articles d'opinion réussissent à faire : montrer, sans détour, ce que l'IA a changé.

La courbe monte gentiment de 2008 à 2013, plateau autour de 2013-2020 avec un léger déclin déjà amorcé, chute brutale à partir de fin 2022 - exactement quand ChatGPT est sorti (30 novembre 2022) - et poursuite du déclin sans reprise. En 2026, le volume mensuel de questions est descendu à un niveau qu'on n'avait plus vu depuis les premières années du site.

Le code derrière le graphique

Pour les curieux, la query publiée est de type :

SELECT
 DATEFROMPARTS(YEAR(CreationDate), MONTH(CreationDate), 1) AS Month,
 COUNT(*) AS Questions
FROM Posts
WHERE PostTypeId = 1
GROUP BY YEAR(CreationDate), MONTH(CreationDate)
ORDER BY Month;

PostTypeId = 1 filtre sur les questions (les réponses ont PostTypeId = 2). L'outil data.stackexchange.com permet à quiconque de vérifier le résultat en trente secondes, sans installer quoi que ce soit - un modèle d'ouverture de données que peu de plateformes offrent encore.

Le pourquoi

Pour un dev senior, la question « pourquoi une chute pareille ? » a une réponse évidente : quand vous êtes coincé sur un bug ou une syntaxe, vous ne cherchez plus « python typeerror int str » sur Google puis n'ouvrez plus la première réponse Stack Overflow d'un fil de 2014 marqué comme doublon. Vous ouvrez Claude, ChatGPT ou Copilot et vous posez la question directement, avec votre contexte, votre bout de code, votre stack trace. La réponse arrive personnalisée, en français si vous voulez, sans les guerres de modérateurs sur la fermeture pour cause de doublon.

C'est plus rapide, c'est plus doux (personne ne vous accuse de RTFM), et ça marche assez souvent - sauf quand le modèle hallucine. Là encore, l'utilisateur senior le sait et re-vérifie ; le junior, souvent, ne re-vérifie pas. C'est un des débats du moment dans les équipes.

Ce qu'on perd en route

Le vrai coût de cette bascule n'est pas immédiatement visible. Stack Overflow n'était pas juste un moteur de réponses : c'était un corpus que Google indexait, que les recruteurs consultaient (pour jauger un profil), que les nouveaux venus lisaient pour apprendre à formuler une question technique proprement. Ce corpus se rétrécit maintenant, tandis que les modèles d'IA qui ont été entraînés dessus continuent d'en tirer profit sans y contribuer en retour. Boucle rétroactive potentiellement problématique : sur quoi entraînera-t-on les modèles de 2028 ?

Il y a aussi l'aspect traçabilité. Une réponse Stack Overflow, vous savez qui l'a écrite, quand, avec quel score de la communauté. Une réponse d'un LLM, c'est une agrégation opaque. Pour du code de production, cette traçabilité vaut cher.

À retenir

Le graphique n'est qu'un data point parmi d'autres : Stack Overflow a annoncé plusieurs vagues de licenciements depuis 2023, motivées entre autres par la baisse de trafic (voir notamment le billet de blog de son CEO Prashanth Chandrasekar en octobre 2023 annonçant la première vague). Mais l'image, elle, condense trois ans d'évolution des habitudes des développeurs. La question à se poser en 2026, en équipe, n'est plus « faut-il utiliser les LLM ». C'est : comment ne pas laisser mourir les biens communs (documentation, Q&A publique, tutoriels) qui ont rendu notre métier possible ?