Naviguer le rôle de l’IA générative dans le développement logiciel

Alors que le monde du développement logiciel embrasse le potentiel des outils d’IA générative tels que CodeWhisperer d’Amazon Web Services et Copilot de GitHub, il devient de plus en plus crucial pour les organisations d’établir des politiques d’IA générative bien définies. Ces politiques sont essentielles non seulement pour exploiter les avantages de productivité, mais aussi pour atténuer les risques potentiels associés à ces outils.

Augmentation de la productivité avec l’IA générative

Les outils d’IA générative ont montré une promesse immense dans l’augmentation de la productivité des développeurs. Cependant, l’adoption de ces outils sans directives appropriées peut avoir des conséquences involontaires. Des études récentes, telles que celle menée par des chercheurs de l’Université Purdue en août, ont mis en évidence des inexactitudes dans les modèles d’IA générative. Malgré cela, plus de 80 % des entreprises du Fortune 500 utilisent ces outils, soulevant des questions sur la qualité et la fiabilité du code.

Un exemple notable est celui de Samsung, qui a fait face à une fuite involontaire de code source interne sensible dans un outil d’IA générative tel que ChatGPT. Cet incident a conduit à un bannissement rapide et étendu de l’utilisation des assistants d’IA générative au sein de l’entreprise. Bien qu’une telle réaction puisse sembler raisonnable à court terme, elle manque d’une vision à long terme pour exploiter le potentiel de l’IA générative.

Pour exploiter pleinement le potentiel de productivité des outils d’IA générative tout en évitant les pièges de relations publiques, les organisations doivent établir et communiquer des politiques claires d’IA générative pour leurs équipes d’ingénierie. Dans cette édition de Tech Works, nous explorons comment la direction de l’ingénierie qui a adopté l’IA générative tôt peut guider les organisations dans la création de politiques efficaces.

Outils d’IA générative grand public vs entreprise

De nombreux outils d’IA générative sont disponibles, y compris CodeWhisperer, Bard de Google, LLaMA de Meta AI, Copilot et ChatGPT d’OpenAI. Cependant, des outils comme ChatGPT et Copilot ont gagné une traction significative au sein des équipes d’ingénierie. Le choix de l’outil d’IA générative à utiliser dépend du cas d’utilisation prévu.

Les outils axés sur le grand public comme ChatGPT sont souvent utilisés sans tenir compte de leurs limites, ce qui entraîne des réponses inexactes. Les utilisateurs doivent explicitement instruire ces outils pour ne fournir des réponses que lorsqu’ils en sont certains, étant donné que les LLM publics sont entraînés à fournir des réponses même s’ils manquent d’informations précises.

L’utilisation d’outils grand public pour des tâches propriétaires ou critiques au sein d’une organisation peut poser des risques de confidentialité et de sécurité. Par conséquent, il est conseillé aux organisations de détourner leurs ingénieurs de ces outils et de les orienter vers des options plus sécurisées et orientées entreprise.

L’efficacité des outils d’IA générative peut être considérablement améliorée en les entraînant dans le contexte des besoins spécifiques d’une organisation. Les chatbots de développeurs internes peuvent être entraînés sur les stratégies internes, les processus et les normes de codage, ce qui conduit à des réponses plus précises et conscientes du contexte.

L’IA générative est particulièrement précieuse pour des tâches telles que la génération d’extraits de code, la création de documentation, l’importation de bibliothèques, la génération de maquettes, l’exécution de scans de qualité et de sécurité, et la synthèse de code. Bien que ces sorties ne soient pas toujours prêtes pour la production, elles servent de points de départ précieux pour les développeurs.

L'IA générative offre également des avantages substantiels dans le domaine de la documentation. La documentation interne est souvent obsolète, difficile d'accès et déconnectée du flux de travail de développement logiciel. L'IA générative peut aider en régénérant automatiquement des extraits de code, en maintenant la documentation et en assistante les recherches contextuelles.

L'IA générative sur les emplois 

L’IA générative n’est pas destinée à remplacer les développeurs humains, mais à augmenter leurs capacités et à rationaliser les tâches répétitives. Elle améliore la productivité en éliminant le travail routinier, permettant aux développeurs de se concentrer sur des activités à plus forte valeur ajoutée.

Les organisations doivent reconnaître que l'IA générative est là pour rester, et elles devraient mettre en place des politiques bien définies en la matière. Ces politiques devraient inclure des programmes de formation pour les ingénieurs afin qu'ils utilisent efficacement les outils d'IA générative, identifient leurs forces et faiblesses, et respectent les normes éthiques.

Dans un paysage en évolution rapide où les outils d'IA générative deviennent monnaie courante, les organisations qui adoptent ces technologies avec des politiques bien structurées bénéficieront probablement d'une productivité accrue et resteront à l'avant-garde du développement logiciel.