Pour une fois un article en français sur le sujet du développement informatique et de l’IA générative [via Morgan], et c’est assez bien écrit et universel pour que ça puisse, je pense, toucher au-delà de cercles initiés. J’ai trouvé drôle que le commentaire de celui qui a partagé soit finalement un peu différemment de ma propre lecture. C’est à dire que, oui, l’auteur craint autant les IA pour les futurs dévs, qu’il a l’air de les utiliser et maîtriser carrément pas mal lui-même. Mais sa conclusion c’est plutôt sur la possibilité d’une évolution des métiers vers l’analyse de « diffs » (il s’agit de la mise en avant de ce qui a été changé dans le code, par petits morceaux fonctionnels, souvent dans une autre couleur pour que ça ressorte bien, et qu’on comprenne facilement la différence entre avant/après). Et il met bien en avant l’immense difficulté avec le code généré de faire la différence entre le bon grain et l’ivraie, justement parce que c’est tout aussi crédible et bien commenté ou documenté.
Et c’est marrant mais j’ai exactement les mêmes difficultés en ce moment quand je relis des textes qui ont été générés avec de l’IA Gén dans le boulot. Cela me demande 5 à 10 fois plus d’attention et de relecture pour traquer les erreurs ou incohérences. Le bilan global est positif (en productivité), mais cette tâche qui pouvait être juste une légère relecture devient cruciale. Et clairement, comme pour la lecture de « diffs », on n’apprend pas de la même manière en pratiquant ainsi.
J’ai tenté sur Bluesky un parallèle avec Wikipedia il y a 25 ans, qui était conspué par les universitaires et la recherche, et que, comme pour tout outil, il fallait vérifier ce qu’on utilisait.
Je me suis fait rembarrer par une team de vieux cons
J’utilise couramment ce parallèle aussi, il me paraît valide.
Les seuls arguments recevables sont le coût écologique de la techno et son éthique pour l’entraînement (pillage, destruction de valeurs et exploitation de petites mains pour le data labelling), et c’est déjà largement suffisant. 