« TODO : Corriger le désordre créé par Gemini » : Vers une compréhension de la dette technique auto-admise induite par l'IA générative
"TODO: Fix the Mess Gemini Created": Towards Understanding GenAI-Induced Self-Admitted Technical Debt
January 12, 2026
papers.authors: Abdullah Al Mujahid, Mia Mohammad Imran
cs.AI
papers.abstract
Alors que les grands modèles de langage (LLM) tels que ChatGPT, Copilot, Claude et Gemini s'intègrent aux flux de travail de développement logiciel, les développeurs laissent de plus en plus de traces de l'implication de l'IA dans leurs commentaires de code. Parmi ceux-ci, certains commentaires reconnaissent explicitement à la fois l'utilisation de l'IA générative et la présence de lacunes techniques. En analysant 6 540 commentaires de code faisant référence à des LLM provenant de dépôts GitHub publics basés sur Python et JavaScript (novembre 2022-juillet 2025), nous avons identifié 81 commentaires qui admettent également une dette technique auto-déclarée (SATD). Les développeurs décrivent le plus souvent des tests reportés, une adaptation incomplète et une compréhension limitée du code généré par l'IA, suggérant que l'assistance par l'IA affecte à la fois le moment et les raisons pour lesquelles la dette technique émerge. Nous proposons le terme de Dette Technique Auto-déclarée Induite par l'IA Générative (GIST) comme cadre conceptuel pour décrire les cas récurrents où les développeurs intègrent du code généré par l'IA tout en exprimant explicitement des incertitudes quant à son comportement ou à son exactitude.
English
As large language models (LLMs) such as ChatGPT, Copilot, Claude, and Gemini become integrated into software development workflows, developers increasingly leave traces of AI involvement in their code comments. Among these, some comments explicitly acknowledge both the use of generative AI and the presence of technical shortcomings. Analyzing 6,540 LLM-referencing code comments from public Python and JavaScript-based GitHub repositories (November 2022-July 2025), we identified 81 that also self-admit technical debt(SATD). Developers most often describe postponed testing, incomplete adaptation, and limited understanding of AI-generated code, suggesting that AI assistance affects both when and why technical debt emerges. We term GenAI-Induced Self-admitted Technical debt (GIST) as a proposed conceptual lens to describe recurring cases where developers incorporate AI-generated code while explicitly expressing uncertainty about its behavior or correctness.