Les outils basés sur l'intelligence artificielle, appelés „agents de codage“, changent fondamentalement la façon dont les logiciels sont créés aujourd'hui. Mais tous les domaines de développement n'accélèrent pas de la même manière. Il est essentiel de comprendre ces différences pour bien préparer les équipes et fixer des attentes réalistes.

La plus grande contribution de l'IA est observée dans le développement de l'interface utilisateur. Par exemple, lors de la création de sites web pour les boutiques en ligne. Les modèles modernes maîtrisent parfaitement des langages tels que TypeScript ou JavaScript et des frameworks tels que React ou Angular. Grâce à cela, ils peuvent générer des interfaces fonctionnelles très rapidement et, en outre, itérer de manière indépendante en fonction des résultats dans le navigateur. La conception visuelle reste pour l'instant un point faible, mais si la conception est prédéterminée, la mise en œuvre est nettement plus rapide qu'auparavant.

Le développement du backend, comme la création d'API pour travailler avec les données, est plus complexe. Il nécessite des conseils plus attentifs de la part de développeurs expérimentés, notamment en raison des cas limites qui peuvent entraîner des bogues ou des problèmes de sécurité. En outre, les erreurs dans le backend provoquent souvent des problèmes opaques tels que la corruption de la base de données ou des résultats de requête incorrects. Si l'IA permet d'accélérer le travail, il n'en reste pas moins vrai qu'un backend de qualité nécessite de l'expérience et une conception approfondie.

L'IA a une contribution encore plus modeste à apporter dans le domaine des infrastructures. Des tâches telles que la mise à l'échelle d'un système pour des milliers d'utilisateurs tout en maintenant une fiabilité élevée nécessitent des connaissances approfondies et un sens des compromis. Les modèles actuels ont des connaissances limitées dans ce domaine et ne sont donc pas très fiables pour prendre des décisions critiques. En outre, la détection des erreurs d'infrastructure, telles que les mauvaises configurations de réseau, est l'une des tâches les plus difficiles qui soient.

Jusqu'à présent, l'IA a été la moins utile à la recherche. Il s'agit de formuler des hypothèses, d'expérimenter, d'interpréter les résultats et de les tester à plusieurs reprises. Si les agents de codage peuvent accélérer l'écriture du code pour les expériences ou aider à les organiser, la plupart des travaux de recherche impliquent une réflexion et une prise de décision, où l'IA joue un rôle limité jusqu'à présent.

La division du travail logiciel en frontend, backend, infrastructure et recherche est simpliste mais utile. Elle aide les entreprises à mieux organiser leurs équipes et à définir leurs attentes. Si les équipes chargées de la partie frontale travaillent beaucoup plus vite aujourd'hui qu'il y a un an, le rythme n'a que très peu changé pour les équipes chargées de la recherche.

Le développement de logiciels entre donc dans une nouvelle phase où la rapidité dépend de plus en plus de la bonne utilisation de l'IA - mais aussi des limites qu'elle n'a pas encore dépassées.

deeplearning.ai/gnews.cz - GH