Est-ce que les IA futures pourraient vraiment écrire des applications complètes et prendre les emplois des programmeurs ? Comprenons réalistement ce que l’IA peut et ne peut pas faire en 2024.
Tu as probablement entendu parler de ChatGPT et d’autres nouveaux chatbots IA. Ils discutent de divers sujets de manière étonnamment pertinente. Et oui, ils peuvent aussi résoudre de nombreux problèmes de codage.
Mais l’IA représente-t-elle une menace existentielle pour les carrières des développeurs ? Ou deviendra-t-elle simplement un autre outil pour augmenter les capacités des programmeurs ?
Dans ce guide, nous examinerons les réalités des capacités actuelles de l’IA dans le développement de logiciels, où la technologie reste encore insuffisante, et comment tu peux sécuriser ton avenir dans ce paysage en rapide évolution.
ChatGPT et les LLM : Comprendre la Technologie IA
Les chatbots comme ChatGPT ne sont pas des programmes qui « pensent ». Ils ne comprennent ni le langage, ni le codage. Ils prévoient des réponses qui semblent intelligentes en trouvant des motifs dans d’immenses tas de données textuelles en ligne.
Les programmeurs les appellent « modèles de langage de grande taille » (LLMs), une expression chic pour un prédicteur de texte sous stéroïdes.
Pour mettre en perspective le terme « large », ChatGPT a été entraîné sur un ensemble de données de 570 Go à 45 To comprenant des extraits de textes provenant de forums internet, de livres et d’écrits en ligne, et beaucoup d’informations ont été directement extraites de Reddit.
Ce vaste corpus de données textuelles permet à ChatGPT de générer des passages, de répondre à des questions et même d’écrire du code sur la base de consignes textuelles. Ses connaissances proviennent entièrement de ces textes préexistants, et non d’une véritable compréhension du monde.
Alors, bien que ChatGPT semble doué pour converser, son intelligence a des limites.
- Il peut maintenir le contexte pour seulement quelques milliers de mots.
- Il n’a pas d’expérience réelle.
- Il ne peut pas raisonner ou faire des déductions intuitives.
- Il a du mal à comprendre les codes complexes.
Pourtant, cette technologie continue de progresser rapidement. Alors, comment ChatGPT et d’autres LLMs se comportent-ils sur des tâches de codage aujourd’hui ?
ChatGPT Peut-il Écrire du Code Fonctionnel ?
ChatGPT peut produire du code exécutable en JavaScript, Python, SQL, Bash, et d’autres langues lorsqu’on le sollicite correctement. C’est un codeur novice, mais tu peux continuer à le solliciter pour corriger des erreurs afin d’obtenir un code fonctionnel.
Pour des problèmes de codage simples, ChatGPT offre une polyvalence impressionnante et te permet de gagner du temps dans la création de code basique que tu ferais autrement manuellement. Dans ces cas, les LLMs permettent vraiment de gagner du temps pour les codeurs.
Cependant, son code est souvent inefficace ou néglige les cas particuliers car il n’a pas le contexte complet du problème. En fait, ChatGPT prévient parfois que son code exemple nécessite une révision approfondie avant application.
Donc, nous savons avec certitude que les LLM ne sont pas encore au point. Mais nous pouvons seulement imaginer à quel point ils seront bons car les LLM avancés n’ont qu’un an (ChatGPT a été lancé le 30 novembre 2022).
“Si l’IA continue de progresser à ce rythme, dans les 30 prochaines années, la majorité de la race humaine aura des problèmes en ce qui concerne les emplois, pas seulement les programmeurs,” a dit un utilisateur de Reddit dans le sous-forum /r/learnprogramming/.
Tâches De Développement Que L’IA Peut Gérer
Bien que ChatGPT ne puisse pas remplacer un développeur senior, il offre une utilité simple en rendant les codeurs plus efficaces. Regardons comment ChatGPT peut t’améliorer en tant que codeur et éliminer les processus réguliers plus laborieux.
Automatisation des Tâches Répétitives
Pour les développeurs expérimentés, écrire des applications CRUD, des scripts simples et du code de base pour le backend figure parmi les aspects les plus fastidieux du travail.
Avec l’IA, tu peux éliminer cette corvée grâce à la génération automatique de code. Au lieu de coder manuellement des systèmes d’inscription d’utilisateur basiques à plusieurs reprises, un modèle d’IA pourrait instantanément produire des prototypes fonctionnels adaptés au schéma de base de données de chaque projet.
L’utilité de l’IA pour le codage répétitif ne fera que croître à mesure que des abstractions de haut niveau continueront à entrer dans l’usage courant via des frameworks comme React et Django.
Traitement du Langage Naturel
Les chefs de produit rédigent souvent des spécifications dans un langage quotidien tel que « Les utilisateurs devraient pouvoir mettre à jour leurs informations de paiement enregistrées. » Programmer de tels comportements vaguement définis laisse beaucoup de place à des désaccords avec les attentes des parties prenantes.
Avec des LLM puissants comme ChatGPT 4, l’IA peut aider à interpréter les demandes des clients en forme libre pour établir des exigences techniques complètes.
En utilisant des documents clients et des conversations, les LLMs peuvent aider à traduire des demandes en sémantiques exécutables pour les codeurs. Les LLMs peuvent aider à mettre en évidence les ambiguïtés à traiter dès le départ plutôt qu’en milieu de projet lorsque tu optimises tes invites.
Détection des Bugs
Les modèles d’IA formés sur des volumes de code source ouvert peuvent également exceller dans la révision de logiciels pour détecter les défauts. Des chercheurs chez Microsoft ont construit des réseaux de neurones spécialisés pour détecter les bugs, atteignant une précision supérieure à celle des codeurs humains dans certains tests.
En tant que programmeur, tu pourrais utiliser ce collègue IA pour analyser rapidement les commits pour y détecter des erreurs de logique, des erreurs de dépréciation dues à des dépendances obsolètes et même des failles de sécurité. Au lieu de passer manuellement en revue des milliers de lignes, tu recevras des suggestions annotées sur ce qui doit être corrigé.
Prédiction Des Problèmes
Au-delà de la détection réactive de bugs, une IA suffisamment avancée peut prédire les problèmes avant qu’ils n’apparaissent sur la base du code que tu écris. Elle peut le faire en vérifiant continuellement le code et en identifiant s’il pourrait échouer à un moment donné durant l’exécution.
Ou, pour les bibliothèques et frameworks ayant de nombreux dépendants en aval, les compagnons IA peuvent détecter les changements majeurs à venir avant les lancements. Cela t’aide à adoucir les transitions et à minimiser les perturbations de manière proactive sans utilisation supplémentaire de ressources.
Meilleure Estimation De Projet Et De Délai
En parlant de l’utilisation des ressources, les gens sous-estiment chroniquement combien de temps prendront les projets logiciels. Nous avons tendance à être trop optimistes ou à oublier les risques. Cela entraîne un dépassement du budget et des délais des projets.
Les outils IA commencent à aider en examinant les données de projets passés pour voir combien de temps des projets similaires ont pris. Par exemple, CloudBees prend le contexte de l’ensemble de tes chaînes d’outils et le rend compréhensible pour toi. Il peut ensuite utiliser ces informations pour estimer les délais de livraison des logiciels.
Bien sûr, l’IA ne peut pas prédire tout ce qui peut mal tourner, mais compte tenu de la quantité de données qu’elle analyse avant d’estimer les délais, cela peut être un excellent point de départ. Avec le temps, à mesure que les outils obtiennent plus de données, les estimations devraient s’améliorer.
Optimisation De Ton Code
C’est super d’avoir une seconde paire d’yeux pour ton code. Ça peut t’aider à identifier les problèmes de logique du code, trouver des moyens plus simples et meilleurs pour obtenir le même résultat, et même optimiser la vitesse.
Alors que les programmeurs investissent constamment des efforts pour affiner les systèmes pour la vitesse et l’efficacité, ajuster le code par essais et erreurs devient fastidieux.
Les LLMs peuvent fournir des suggestions d’optimisation pour t’aider à optimiser et refactoriser rapidement le code.
Plutôt que de tâtonner à l’aveugle, tu disposeras de l’IA pour identifier précisément les opportunités faciles à exploiter pour des gains maximums. Elle pourrait conseiller de diviser les monolithes en microservices, d’ajouter des index pour les requêtes coûteuses, ou de mettre à jour les frameworks selon les meilleures pratiques modernes.
Les Limitations Des Outils IA En Développement
Les développeurs devraient-ils se sentir menacés par l’utilité de l’IA dans l’automatisation des tâches de codage routinières et de développement supplémentaires ?
La technologie actuelle s’est révélée inadéquate même pour des tâches de programmation modérément complexes. Ainsi, il semble que les aspects fondamentaux du flux de travail des développeurs resteront pilotés par l’humain pour un avenir prévisible.
Code de Mauvaise Qualité
Le code produit entièrement par ChatGPT ou des modèles similaires présente souvent des défauts subtils. Bien qu’utilisable, le code ne prend pas en compte la variété de cas particuliers que tu pourrais connaître, et sans raisonnement logique, il repose uniquement sur ce que tu lui demandes de faire.
Voici une expérience réalisée par un utilisateur GitHub. Tu peux voir que ChatGPT fait un excellent travail pour expliquer et décomposer un problème :
Mais ensuite, il ne fournit qu’un code partiellement correct, où il omet la logique pour définir la réponse à 0 lorsque n est 1.
Pour s’assurer que tous les cas limites sont pris en compte, le code nous a obligés à ajouter cette condition si, comme tu peux le voir sur la capture d’écran ci-dessous.
Alors, le code créé avec ChatGPT entraîne généralement des applications instables qui se plantent en production à cause d’exceptions non gérées.
Jusqu’à ce que l’IA progresse radicalement, le code généré restera trop médiocre pour la plupart des applications réelles sans une surveillance et une édition approfondies.
Risques Potentiels De Sécurité
En plus des problèmes de stabilité, le code écrit par les modèles de langage introduit des risques de sécurité alarmants. Comme l’IA ne peut pas toujours prendre en compte les cas limites, ton code pourrait s’ouvrir à des bugs et risques de sécurité exploitables.
Par exemple, si tu développes une application web et que tu ne nettoies pas correctement les entrées des utilisateurs, les pirates peuvent exploiter celles-ci pour accéder à ta base de données via des injections SQL et des attaques XSS.
Impossible De Résoudre Des Problèmes Inédits
Pour remplacer les programmeurs humains plutôt que de les aider, l’IA doit s’attaquer à de nouveaux problèmes. Les modèles actuels associent simplement des invites à des solutions rencontrées pendant la formation. Dans une étude indépendante, les chercheurs ont découvert que ChatGPT échouait dans 52% des questions de codage en fournissant un code partiel ou incorrect.
Cependant, les utilisateurs ont tout de même choisi la réponse de ChatGPT 39,34 % du temps en raison de sa globalité.
Seulement lorsque les modèles peuvent déduire des solutions raisonnables et réfléchir au-delà des étapes de base, comme les gens, peuvent-ils entraîner le développement seuls. Jusque-là, leur valeur reste limitée à accélérer les tâches connues plutôt qu’à innover.
L’IA N’a Aucune Compréhension
L’IA existante ne comprend pas correctement le code ou la capacité de raisonnement abstrait – elle reconnaît simplement des motifs dans les invitations saisies et fournit des résultats qui semblent pertinents. Sans compréhension contextuelle, ses solutions ignorent souvent des contraintes cruciales ou prennent des décisions irrationnelles qu’aucun ingénieur ne ferait.
Considère l’analogie d’un bot médical formé pour diagnostiquer des patients en associant des symptômes à des maladies enregistrées. Il se débrouillerait convenablement pour recommander des traitements courants, mais pourrait catastrophiquement prescrire une chimiothérapie pour un grain de beauté sur la jambe simplement parce qu’un langage superficiellement similaire les reliait.
Le génie, quant à lui, repose sur la rationalité et le jugement humains pour créer des conceptions cohérentes. Ainsi, jusqu’à ce qu’une meilleure IA soit réalisée, les développeurs peuvent bénéficier de l’IA pour augmenter leurs flux de travail de codage existants.
Le Rôle Futur De L’IA Dans La Programmation
Bien que l’IA ait actuellement des limitations majeures, le rythme de croissance dans ce domaine est phénoménal. L’IA est passée d’une écriture incompréhensible à une prose en anglais impeccable indiscernable d’un texte écrit par un humain en seulement un an.
Dans un avenir proche, l’IA pourrait remplacer un codeur débutant en gérant automatiquement les tâches de codage de base. En effet, selon les évaluations internes d’OpenAI, GPT-4 surpasse nettement ses versions précédentes dans toutes les évaluations, y compris les tâches liées au codage.
“Ce sera un outil dans le kit du développeur qui rendra leur travail à la fois plus rapide et plus facile, tout en introduisant un niveau de complexité et d’opacité qui causera sans doute de nouveaux problèmes,” dit Lawjarp2, un utilisateur de Reddit.
La nature de la programmation évolue déjà, comme nous le voyons avec GitHub Copilot, CodeWhisperer d’Amazon, et bien d’autres.
La programmation va se transformer, passant de la saisie manuelle à la collaboration synergique avec des systèmes d’IA générative — les personnes fournissant le contexte, la vision, la supervision et le dépannage.
Ce modèle hybride permet à l’IA de gérer les tâches fastidieuses de codage pendant que les développeurs se concentrent sur l’architecture système de haut niveau, la résolution de problèmes complexes, la créativité et la prévention des problèmes.
Alors, même si les tâches changent, les constructeurs de logiciels ne sont pas complètement remplacés. La profession, cependant, aura un aspect radicalement différent dans quelques années.
Comment Sécuriser Ton Avenir Professionnel Dans Le Codage
Plutôt que de paniquer à propos de la prise de contrôle par l’IA, les développeurs actuels et futurs devraient reconnaître les modèles de langage pour ce qu’ils sont : des assistants plutôt que des remplaçants. Voici des conseils pour garder vos compétences pertinentes :
Apprendre L’Ingénierie De Prompt
Maximiser l’utilité de ChatGPT et de GitHub Copilot repose sur une composition efficace des invites. Malheureusement, la conception des invites est actuellement plus un art qu’une science.
Mais attendre des ingénieurs qu’ils codent tout à la main comme le faisaient les générations précédentes n’a plus de sens. Il est préférable de laisser les nouveaux développeurs tirer parti des nouveaux outils à disposition.
Les codeurs expérimentés devraient passer du temps à expérimenter avec les modèles de langage en utilisant différents inputs et à construire une intuition de ce qui fonctionne. Souviens-toi, chaque LLM a un style unique, et il est bon de les comprendre, considérant qu’ils deviennent une partie des flux de travail quotidiens.
Affûte Tes Compétences En Résolution De Problèmes
La créativité et l’intuition humaines restent indispensables puisque le développement de logiciels résout des problèmes ouverts. Il ne s’agit pas simplement de traduire mécaniquement des spécifications techniques en code.
Aucune quantité de vitesse de codage brute ne peut se substituer à la conception de solutions perspicaces ou à la création d’architectures simples dans des environnements complexes. Alors concentre-toi sur le savoir-faire, la créativité et la compréhension approfondie de ton industrie tout en déléguant le travail routinier à des homologues IA.
Apprends À Te Mettre À La Place Des Utilisateurs
Souviens-toi que le code est écrit pour répondre aux désirs et besoins des gens. À mesure que l’IA devient plus capable de prendre en charge les tâches de programmation de base, les développeurs devraient se concentrer davantage sur les forces que les machines n’ont pas, notamment l’empathie.
Priorise des rôles tels que les chefs de produit ou les concepteurs UX qui mettent l’accent sur la compréhension des audiences et la création pour les humains. Mets la pensée centrée sur l’utilisateur au premier plan même lors de la collaboration avec des codeurs IA sur les détails de mise en œuvre.
Étudier L’apprentissage Automatique
Pour ceux qui sont enthousiastes à l’idée de repousser les limites, explorer l’apprentissage automatique offre un aperçu des dernières avancées en IA avec des applications répandues. Les réseaux neuronaux sous-tendent désormais des solutions allant du traitement d’image à l’analyse prédictive.
Comprendre comment les modèles fonctionnent, s’entraînent et interagissent avec les systèmes logiciels peut également t’aider à ouvrir de nouvelles possibilités dans ta carrière. Envisage de compléter les fondamentaux de l’informatique avec des cours de science des données et de ML.
FAQ
L’IA remplacera-t-elle les programmeurs dans 5 ans ?
Non. Dans cinq ans, l’IA gérera probablement davantage de tâches de codage répétitives mais ne remplacera pas entièrement le jugement humain et la supervision pour la création de systèmes logiciels complexes. Les développeurs pourraient voir leurs rôles évoluer avec des assistants IA mais continueront à concevoir des solutions et des contraintes.
L’IA remplacera-t-elle jamais les développeurs ?
Il semble peu probable qu’un remplacement complet soit envisagé, même avec une IA avancée du futur, étant donné les exigences sans cesse évolutives des logiciels et la créativité intrinsèque à la résolution de problèmes nouveaux. La programmation simple finit par être banalisée, mais pas la réflexion stratégique à haute valeur. Les développeurs qui apprennent à tirer parti de l’IA plutôt qu’à lui faire concurrence de manière efficace resteront employés.
À la fin de la journée, ne redoute pas la prise de contrôle par les machines. Accueille les coéquipiers IA qui vont améliorer la productivité bien au-delà de ce qu’un ingénieur ou un algorithme seul peut réaliser. Le développement logiciel évolue trop rapidement pour qu’un seul changement domine éternellement. Et surtout dans le contexte technologique, l’adaptabilité est la compétence la plus cruciale.
Alors plutôt que de t’inquiéter de savoir si le code est écrit par des mains biologiques ou en silicium à long terme, cultive la polyvalence quel que soit les outils qui émergent.
Quel est ton avis sur les assistants de codage IA ?
Les vents du changement s’accélèrent indéniablement dans l’ingénierie logicielle. Alors que l’IA évolue rapidement, ce que nous considérions autrefois comme le domaine de la cognition humaine peut désormais être externalisé aux machines.
Allons-nous laisser l’anxiété concernant l’avenir paralyser le progrès ? Ou allons-nous activement réimaginer nos rôles tout en bénéficiant de la puissance exponentielle de cette technologie ?
Les concurrents les plus redoutables sont généralement ceux qui adoptent rapidement les dernières technologies plutôt que de lutter contre le changement. Mais la clé reste de équilibrer judicieusement l’ingéniosité humaine et l’intelligence machine comme des forces complémentaires plutôt que des camps opposés.
Et donc, alors que le logiciel continue de dévorer le monde, les programmeurs feraient bien de mettre de côté l’appréhension au profit de travailler avec confiance sur des projets plus complexes et exigeants.
