Une récente enquête menée auprès de plus de deux mille développeurs Java révèle que l'adoption de Java dans le développement d'applications d'intelligence artificielle continue d'augmenter. Les données de l'enquête montrent que 62 % des répondants déclarent s'appuyer sur Java pour le développement lié à l'IA, une augmentation significative par rapport au taux de 50 % de l'année dernière.
L'enquête a été menée de septembre à novembre 2025, couvrant plus de 2000 utilisateurs de technologies Java. Les résultats indiquent que les fonctionnalités d'intelligence artificielle sont progressivement intégrées dans les systèmes d'entreprise basés sur Java, et que les bibliothèques d'IA disponibles pour les développeurs sont de plus en plus nombreuses. Parmi celles-ci, JavaML est la plus largement utilisée, tandis que Deep Java Library et OpenCL figurent également parmi les outils couramment employés. Environ 31 % des répondants déclarent que plus de la moitié de leur code écrit contient désormais des fonctionnalités liées à l'intelligence artificielle.
Concernant le choix de la distribution Java, 81 % des participants ont terminé, sont en cours ou prévoient de migrer d'Oracle Java vers une distribution OpenJDK non Oracle. Parmi eux, 92 % citent des inquiétudes liées au modèle tarifaire d'Oracle Java comme principal facteur de motivation pour cette migration.
En ce qui concerne les outils d'assistance à la programmation IA, ChatGPT développé par OpenAI conserve sa position d'outil le plus populaire, suivi respectivement par Google Gemini Code Assist, Microsoft Visual Studio IntelliCode et GitHub Copilot.
L'enquête montre également que la version de support à long terme JDK 25, publiée en septembre 2025, a déjà été adoptée par 18 % des développeurs ; 64 % des répondants déclarent que plus de la moitié de leur charge de travail s'exécute dans un environnement Java ou JVM ; 43 % indiquent que les charges liées à Java représentent plus de la moitié de leur facture cloud d'entreprise ; enfin, 63 % des développeurs estiment que le problème du code mort dans leur codebase a un impact sur l'efficacité de leurs opérations DevOps.
