Un codeur face au crépuscule du métier de coder
(newyorker.com)- L’auteur, programmeur professionnel, a vu sa certitude vaciller après son expérience avec GPT-4 alors qu’il comptait enseigner le code à son enfant, et il estime que la valeur professionnelle du code pourrait avoir changé d’ici l’âge où son enfant saura taper au clavier
- Ben, un ami avec très peu d’expérience récente en programmation, a rapidement créé avec ChatGPT Plus et GPT-4 des outils en ligne de commande, une app iPhone d’évaluation de mots, et du code reliant un microcontrôleur à Firebase
- Pendant longtemps, coder a exigé de la patience, du débogage répétitif et une compréhension intuitive des limites de la machine, une mechanical sympathy, mais l’assistance par IA commence à remplacer une partie de l’implémentation détaillée et des connaissances obscures par une conversation en langage naturel
- GPT-4 reste encore inférieur à un programmeur professionnel sur certains points, et il n’est pas facile non plus pour le grand public de l’utiliser de la même manière, mais la forme centaur, qui combine programmeur et IA, montre une productivité différente de celle d’un humain seul ou d’une IA seule
- À mesure que l’importance du code en lui-même diminue, la capacité à décider quoi construire, à comprendre ce que les utilisateurs aimeront, et à communiquer aussi bien sur le plan technique qu’humain pourrait devenir plus importante
GPT-4 a ébranlé sa confiance dans la valeur professionnelle du code
- L’auteur voulait enseigner la programmation à son enfant, comme ses propres parents lui avaient appris à lire et à écrire
- Le code était considéré comme une nouvelle compétence fondamentale, utile aussi bien pour faire des films que pour la physique
- En tant que codeur professionnel, il a eu le sentiment que la valeur du code pourrait avoir disparu d’ici le moment où son enfant saurait taper au clavier
- Le point de bascule a été un projet amateur mené avec son ami Ben pour créer sur ordinateur des mots croisés de style Times
- En 2018, ils avaient conçu une grille du samedi avec l’aide d’un logiciel, l’humain n’y ajoutant qu’un peu de goût personnel
- Cette fois, ils voulaient créer un programme capable de produire des grilles sans intervention humaine
- Ben était fort en matériel, mais son expérience professionnelle du code était limitée, brève et superficielle, figée à peu près vingt ans en arrière
- Pourtant, il s’est abonné à ChatGPT Plus et a commencé à utiliser GPT-4 comme assistant de programmation
- Il a produit lui-même à une vitesse étonnante les petits outils nécessaires au projet
Les performances de l’assistance IA au code vues à travers un projet amateur
- Lorsqu’il a fallu créer une commande affichant 100 lignes aléatoires à partir d’un fichier dictionnaire, l’auteur a réfléchi au problème, cherché, puis tâtonné
- Ben, lui, a simplement dit à GPT-4 ce qu’il voulait et a obtenu du code fonctionnel
- L’auteur estimait que ce genre de commande était en soi délicat, mais relevait d’un domaine que tout le monde finit par chercher, donc pas du « vrai développement »
- Quelques jours plus tard, Ben a dit vouloir créer une app iPhone pour évaluer des mots du dictionnaire
- Pour l’auteur, développer une app iPhone paraissait lourd, car il fallait apprendre l’environnement de programmation d’Apple, un nouveau langage, des composants d’interface et le processus de packaging
- Le lendemain, Ben lui a envoyé une app qui faisait exactement ce qu’il voulait, avec en plus un design mignon
- Ben a expliqué l’avoir réalisée en quelques heures, GPT-4 ayant pris en charge l’essentiel des tâches difficiles
- Ben a aussi travaillé sur un projet consistant à relier un petit haut-parleur et une LED rouge à un cadre avec un portrait du roi Charles
- L’appareil recevait des messages depuis un site web, faisait jouer de la musique par le haut-parleur et faisait clignoter la LED en code Morse comme si c’étaient les joyaux de la couronne
- Le code chargé de récupérer les nouveaux messages demandait des connaissances sur les microcontrôleurs et Firebase, ce qui était difficile pour Ben
- GPT-4 a proposé les bonnes fonctions Firebase et du code exécutable sur le microcontrôleur
- Ben a aussi recréé avec GPT-4 quelque chose comme le jeu Snake des téléphones Nokia
- Après une courte conversation, il lui a même fait ajouter une fonction montrant à quelle distance du trajet optimal on s’était écarté lors d’une défaite
- L’auteur n’était pas certain qu’il pourrait lui-même effectuer cette modification
- GPT-4 l’a réalisée en une dizaine de secondes
Ce qui faisait le charme du code et formait la maîtrise
- La première fascination de l’auteur pour l’informatique remonte au début des années 1990, à Montréal, lorsqu’il jouait à Mortal Kombat avec son frère
- Son frère se connectait à un serveur FTP depuis un terminal MS-DOS, tapait des commandes et affichait le code contenant toutes les instructions des fatality du jeu
- L’auteur le voyait comme un hacker et se sentait attiré par les lieux cachés et les savoirs dissimulés
- La phrase « mon crime, c’est la curiosité » tirée de “The Hacker’s Manifesto”, ainsi que le film “Hackers” de 1995, ont renforcé l’idée que le savoir était une forme de pouvoir
- Dans le film, Dade Murphy reconnaît un ordinateur rien qu’à la couverture d’un livre et contrôle les sprinklers de son école ainsi que l’équilibre d’un pétrolier depuis son clavier
- Pour l’auteur, le hacking relevait moins de la destruction que de l’apprentissage de ce qui est caché
- Au lycée, il a acheté “Beginning Visual C++” d’Ivor Horton, son premier manuel d’initiation, un pavé de 1 200 pages
- Le début lui semblait facile, jusqu’à tomber sur la section “Dynamic Memory Allocation”
- Il compare cela au pons asinorum, la « passerelle des ânes », expression médiévale pour désigner le premier vrai point de difficulté
- Le chemin jusqu’à l’exécution de “Hello, world” lui a donné le sentiment que programmer relevait moins du savoir ou de la compétence que de la patience et de l’obsession
- Il a passé plusieurs jours à essayer de faire fonctionner le compilateur Borland C++, chaque erreur corrigée en faisant apparaître une autre
- Quand “Hello, world” s’est finalement affiché, il a eu l’impression que l’ordinateur s’éveillait et le saluait de sa propre voix
- À l’université, il a élargi son plaisir du code en créant de petits programmes
- Il a écrit un programme envoyant un SMS quand Tiger Woods faisait un birdie ou un bogey au Masters Tournament 2006
- Il a aussi créé un programme qui tirait au hasard des phrases de “Ulysses”, comptait les syllabes et assemblait des haïkus
- En construisant en 14 heures “Jimbo Jeopardy!”, un jeu apprécié par ses amis, il a ressenti avec force ce que cela fait de voir quelqu’un s’amuser avec quelque chose qu’on a fabriqué soi-même
L’âge d’or des ingénieurs logiciel et le paradoxe de l’automatisation
- Diplômé en 2009 avec une moyenne de 2.9 GPA en pleine crise financière, il a pourtant décroché facilement son premier emploi à temps plein grâce à son expérience pratique en programmation
- À l’époque, les entreprises se disputaient les bons programmeurs et contactaient agressivement ceux qui avaient de l’expérience
- La popularité de l’informatique a commencé à exploser, et les bootcamps de code promettaient de transformer des débutants en programmeurs bien payés en moins d’un an
- Dans un contexte de taux bas et de forte croissance du secteur technologique, le statut des ingénieurs logiciel a encore monté
- Des entreprises comme Google ont diffusé des pratiques telles que l’espresso gratuit, les repas traiteur, une bonne couverture santé, le congé parental, les salles de sport internes, les locaux à vélos, la tenue décontractée et le 20% time
- Les tâches de code étaient vues comme impossibles à estimer avec sérieux, puisqu’un bug pouvait surgir à tout moment, et les deadlines étaient traitées comme un quasi-tabou
- Dans certaines ambiances, il suffisait presque de prononcer le mot “burnout” pour obtenir quelques mois de répit
- Les doutes sur la pérennité de ce traitement privilégié ont pourtant grandi
- Autrefois, même le web design était si demandé qu’un simple travail de week-end pouvait rapporter plusieurs milliers de dollars
- Avec l’arrivée d’outils comme Squarespace, un pizzaiolo ou un artiste freelance pouvaient créer un site web en quelques clics
- Une partie des missions à haut revenu et faible effort a disparu pour les codeurs professionnels
- La réaction de la communauté des programmeurs a surtout consisté à dire qu’il fallait continuer à apprendre des techniques toujours plus difficiles
- Les ingénieurs logiciel aiment l’automatisation, et les meilleurs créent des outils qui rendent inutiles certains autres types de travail
- Le levier propre au code — le fait qu’un seul programme puisse affecter le travail de millions de personnes — justifiait en partie le traitement accordé aux programmeurs
- Mais ce même instinct d’automatisation remplace aussi une partie du travail des programmeurs eux-mêmes
Le programmeur à l’ère de l’IA, le centaur et les compétences qui restent
- Quand son entreprise a autorisé l’usage de chatbots IA comme aide à la programmation, l’auteur les a d’abord évités consciemment
- Puis il a commencé à voir sans cesse, sur les écrans de ses collègues, le va-et-vient typique des questions-réponses avec une IA
- Ses collègues expliquaient que ces outils augmentaient leur productivité et, dans certains cas, permettaient de résoudre un problème dix fois plus vite
- Il craignait que l’IA ne lui enlève le plaisir de résoudre des énigmes et la satisfaction d’y être arrivé par lui-même
- Le résultat final de la programmation ordinaire est généralement peu passionnant, parfois même ridiculement banal
- Par exemple, ajouter à un tableau d’un document important un en-tête couvrant plusieurs colonnes semblait trivial une fois le résultat obtenu
- Mais le vrai plaisir était dans les choix à faire : comment concevoir l’API utilisateur, que faire lorsqu’une colonne sans données disparaît, etc.
- Il a finalement utilisé GPT-4 pour créer un petit outil mettant en évidence, dans les résultats de recherche, les passages correspondant à la requête de l’utilisateur
- En 1978, dans “On the Foolishness of ‘Natural Language Programming’”, Edsger W. Dijkstra considérait que le langage naturel abandonnait la précision offerte par l’ordinateur
- En pratique, utiliser GPT-4 ne consistait pas à dire simplement « résous-moi ce problème » ; il fallait décrire avec soin ce qu’on voulait, comme à un débutant
- Face aux échecs, il a dû rendre ses prompts moins ambitieux et découper le problème en sous-problèmes concrets, abstraits et non ambigus
- Ensuite, il a commencé à voir partout dans son travail de petits vides de la bonne taille pour GPT-4
- Il a aussi dialogué avec GPT-4 pour transformer les sorties de son générateur de mots croisés en une page web agréable à consulter
- Il y avait bien un problème de détail consistant à relier chaque lettre aux mots horizontaux et verticaux, mais il n’a plus simulé mentalement nombres, motifs et boucles comme il l’aurait fait autrefois
- Comme l’a écrit Geoffrey Litt après une expérience similaire, il lui est resté l’impression de ne pas avoir mobilisé son « cerveau de programmeur des détails »
- Les cas de Lee Sedol au Go et des échecs montrent que la culture d’une compétence ne disparaît pas forcément après la domination de l’IA
- Lee Sedol a perdu contre AlphaGo en 2016, a été fier d’avoir gagné une partie après plusieurs jours de match, puis a pris sa retraite trois ans plus tard
- Après sa conquête par l’IA, les échecs sont même devenus plus populaires, les apprenants pouvant recevoir d’un coach IA des problèmes juste au-dessus de leur niveau et une analyse des raisons de leurs défaites
- Les plus grands maîtres étudient les coups proposés par l’ordinateur comme s’ils étaient gravés sur des tables divines
- GPT-4 est aujourd’hui encore moins bon programmeur que l’auteur, et le grand public ne sait pas non plus l’utiliser comme un programmeur, mais l’approche centaur existe déjà
- Ben seul est un bien moins bon programmeur que l’auteur, et GPT-4 seul l’est aussi encore, mais la combinaison de Ben et GPT-4 affiche une productivité redoutable
- Si créer du logiciel devient plus facile, il se diffusera davantage, et les programmeurs pourraient se concentrer sur la conception, le paramétrage et la maintenance
- Si le code en lui-même devient moins important, alors il deviendra plus important de décider ce qui mérite d’être construit, de comprendre ce que les utilisateurs aiment, et de savoir communiquer aussi bien techniquement qu’humainement
- Ce qu’il faudra peut-être enseigner à son enfant n’est pas une technique particulière, mais l’esprit du hacking
- Dans le futur, programmer directement en C++ ou en Python pourra sembler aussi absurde que de saisir des instructions binaires sur des cartes perforées
- Dire précisément à un ordinateur ce qu’on veut qu’il fasse pourrait devenir une affaire de requête polie
- À l’époque agraire, les codeurs manipulaient peut-être des moulins à eau et des variétés de cultures ; à l’époque de Newton, ils se passionnaient peut-être pour le verre, les teintures et la mesure du temps
- La génération suivante pourrait passer ses nuits à fouiller l’intérieur des IA que leurs parents traitaient comme des boîtes noires ; même si l’ère du code s’achève, le hacking, lui, continue
3 commentaires
La fin de l’article a été légèrement tronquée dans le résumé, mais la dernière phrase est importante.
"I shouldn’t worry that the era of coding is winding down. Hacking is forever."
« Il ne faut pas s’inquiéter de voir l’ère du codage toucher à sa fin. Le hacking, lui, est éternel. »
On dirait que dès que Bard a proposé une fonctionnalité d’intégration, il est aussitôt devenu possible d’exfiltrer des informations via du prompt injection, ce qui donne l’impression
que le piratage est éternel.
Avis de Hacker News
GPT-4 est vraiment impressionnant, mais pour moi, le cœur du développement logiciel n’a jamais été le codage lui-même.
GPT-4 échoue souvent, ses modes d’échec ne sont pas évidents, et il s’effondre encore plus dans les domaines où les supports d’apprentissage sont rares.
Même s’il devenait 20 fois meilleur, si cela permettait de créer de bons logiciels plus facilement et à moindre coût, ce serait une bonne chose pour le monde.
Si quelqu’un aime vraiment coder comme hobby, l’IA ne l’en empêchera pas ; et même si le codage disparaissait, j’ai le sentiment que le cœur du génie logiciel n’a jamais été là.
Les LLM sont rapides et plutôt bons, mais ils ressemblent davantage à un substitut de Stack Overflow truffé d’erreurs ; comme outil pour compléter les compétences des programmeurs, leur effet net semble très positif à court et moyen terme.
Les problèmes sur lesquels je bloque sont généralement trop vastes et trop complexes pour tenir facilement dans une tête humaine, et GPT propose des solutions quasiment inutilisables.
Pour le code, il ressemble à un factotum universel qui sait un peu de tout, mais sans profondeur ; ce peut être différent pour des développeurs juniors à intermédiaires.
Peu de gens diraient que déboguer du code qui a l’air manifestement correct au premier regard est la partie la plus agréable de la programmation.
Je pense toutefois qu’on peut trouver de meilleurs usages des LLM, par exemple en les faisant tourner en boucle jusqu’à ce qu’ils passent une suite de tests, ou en leur demandant de produire du code accompagné d’une preuve de correction vérifiée par un assistant de preuve.
Cela dit, mes goûts allaient plutôt vers des projets avec une certaine marge de manœuvre artistique, plus que vers du code plus académique dont la valeur se mesure par des indicateurs quantitatifs comme le nombre de cycles ou la latence.
Le type de codage que j’aimais au début de ma carrière était déjà en recul avant ChatGPT, et, avec le recul, avoir commencé à une époque où les ingénieurs tenaient la boutique semble avoir été un privilège.
Le code, ce n’est pas terrible ; je veux juste construire quelque chose.
Suis-je le seul à être de moins en moins impressionné par les LLM avec le temps ?
Quand Copilot est apparu pour la première fois en 2021, j’ai moi aussi eu ce moment où je me suis dit : « je vais bientôt devenir inutile ».
Mais d’après mon expérience directe et les études que j’ai vues, les LLM modernes sont fondamentalement défectueux et ne semblent pas être sur la voie d’une intelligence générale.
GPT-4 est meilleur que 3.5, mais il n’est pas fondamentalement différent, et j’ai l’impression que 5 sera pareil. Quand une IA vraiment puissante arrivera plus tard, je pense qu’on rira de toute l’attention que nous avons consacrée à cette technologie.
Au début, c’était très impressionnant, mais aujourd’hui je ne lui fais plus confiance au-delà de plans très généraux.
Par exemple, lorsque j’ai voulu implémenter un synthétiseur sonore à partir de zéro pour générer des échantillons audio et les enregistrer dans un fichier wave, le plan m’a aidé à comprendre les concepts, mais le code était subtilement faux.
Il se trompait particulièrement sur des détails comme ce qui doit être inclus dans la longueur lors du calcul de la taille d’une structure, et, en tant que débutant, je ne pouvais même pas être sûr que c’était correct.
Quand je lui demandais de vérifier, il s’excusait et modifiait sa réponse dans le sens de ce que j’avais envie d’entendre, donc ce n’était pas fiable.
En revanche, comme outil pour réduire la solitude quand on programme seul, c’est plutôt bon, et le simple fait de lancer des idées et de voir une réaction aide déjà.
Les premiers spectateurs de cinéma trouvaient même de simples films en noir et blanc troublants, et se baissaient en voyant un train foncer vers l’écran.
Les premières personnes à entendre un phonographe disaient aussi qu’elles ne pouvaient pas le distinguer d’un orchestre en direct.
Quand on se familiarise avec une technologie, on apprend aussi à la reconnaître, et on développe un sens de ses limites et de ses forces. C’est pourquoi elle paraît moins impressionnante avec le temps.
Il est facile d’être impressionné quand elle accomplit quelque chose qu’on pensait impossible, mais le fait qu’elle échoue ensuite à faire quelque chose qu’on s’attendait à la voir faire ne signifie pas qu’on la méprise immédiatement.
Si GPT-5 réalise un saut similaire, il deviendra difficile de rester compétitif sans l’utiliser.
Ce sont tous deux des modèles GPT, entraînés comme de simples modèles de langage autorégressifs, mais les moments où GPT-4 synthétise correctement des informations en fonction d’une requête dans divers contextes provoquent déjà, à l’échelle individuelle, un changement spectaculaire.
Les LLM restent au fond de l’inférence probabiliste sur de grandes masses de texte, mais avec suffisamment de calcul et de données, je pense que de grands modèles peuvent faire émerger pendant l’entraînement des structures permettant de comprendre les données de manière optimale.
Lorsque les données deviennent multimodales, chaque modalité efface et clarifie les représentations erronées du monde, si bien que l’effet peut croître non pas comme une simple somme, mais comme une multiplication.
Nous rirons sans doute en voyant à quel point un GPT-10 entraîné sur du texte, des images, de la vidéo, de l’audio et des capteurs de goût sera performant, mais je pense que GPT-4 a déjà constitué une avancée plus grande que n’importe quelle étape franchie auparavant par l’humanité.
Je vois des gens utiliser sérieusement des prompts comme « écris une expression qui additionne 2 et 2 » pour obtenir le
2+2dont ils ont besoin, puis présenter cela comme une efficacité magique.Honnêtement, je n’aime pas beaucoup écrire longuement, et pour moi le code est toujours plus court et plus rapide qu’une explication en langage naturel. C’est précisément pour cela que le code existe.
Vu depuis des attentes élevées, on peut dire que c’est « fondamentalement défectueux », mais depuis le point de référence de « c’est inutile », comme beaucoup de gens le pensaient, on peut aussi dire que c’est un outil remarquable.
Tous les quelques mois, je fais aussi passer à ChatGPT un petit test frontend que je donne aux développeurs juniors, et il ne l’a encore jamais réussi. Il n’en est même pas proche.
Il répond avec assurance, mais avec de subtiles inexactitudes, et le code qu’il génère ressemble au genre de code absurde que produirait un récent diplômé de bootcamp qui affirme « maîtriser » 50 technologies sur un CV de 8 pages.
S’il s’est amélioré, je ne l’ai pas ressenti.
Il y a dix ans, on disait déjà que les camions autonomes allaient bouleverser le secteur du transport routier en moins de dix ans, et la couverture médiatique autour des LLM est exactement la même.
C’est impressionnant, mais je me demande combien de temps encore on va répéter ce scénario où, à chaque fois qu’on lui fait tourner à gauche, il accélère à 160 km/h avant de s’écraser contre un mur.
J’aimerais utiliser l’IA pour relier des constellations de points qu’un humain serait tout simplement incapable de connecter, puis laisser un expert valider le résultat avant d’avancer. Je ne sais pas quand viendra le jour où l’on installera un nouvel outil CLI ou une appli avec
gpt install, mais ce n’est pas pour tout de suite.J’ai fait quelque chose de correct, mais ce n’était pas aligné au pixel près, et le lead de l’équipe m’a demandé de recommencer. La valeur métier était nulle, mais notre équipe tirait sa fierté du pixel perfect.
Cet épisode a été l’un de ceux qui m’ont fait arrêter le développement frontend.
Récemment, pour m’exercer, j’ai demandé à ChatGPT de produire un CSS similaire, et il l’a fait parfaitement.
Je suis d’un niveau moyen en CSS, mais avec ChatGPT je peux produire un résultat proche de la qualité d’experts CSS. Comme le dit l’article, un généraliste de niveau intermédiaire peut désormais rivaliser avec des spécialistes.
Mon expérience est assez différente. Je suis un développeur backend exigeant, du genre à valider strictement les formats quand c’est nécessaire, et ce qui ne fonctionne pas logiquement m’agace.
Comme on travaille avec des ordinateurs, tout devrait être logique, mais beaucoup d’aspects du frontend ne le sont pas du tout pour moi.
Quand je demande à un développeur frontend « comment centrer du texte », il me répond
text-align, alors que c’est évidemment la première chose que j’ai essayée, sans succès.Même les gens du frontend doivent parfois essayer eux-mêmes et échouer, plutôt que de répondre instantanément à une question simple.
Désormais, si Copilot ne crache pas tout de suite la réponse, ChatGPT-4 ou notre GPT personnalisé, « front-end hacker », qui connaît notre base de code, corrige le problème. Ça marche bien tous les jours, toute la journée.
Au premier abord, c’est une démonstration impressionnante, presque une technologie extraterrestre venue du futur.
Mais avec le temps, on voit les failles, et après des mois ou des années d’utilisation, on constate qu’elles ne se comblent pas vraiment.
Le rythme d’amélioration est moyen au regard de l’écart à combler, surtout comparé au marketing et aux grands discours, et au final l’utiliser peut parfois donner l’impression de demander plus de travail que de ne pas l’utiliser.
Une approche de machine learning purement pilotée par les données n’est peut-être pas adaptée aux problèmes qui exigent une précision bien supérieure à 80 %.
C’est acceptable pour un algorithme de trading qui gagne de l’argent même avec 55 % de bonnes décisions, un moteur de recommandation qui affiche une liste de films ou de chansons à faire défiler, des résultats de recherche à parcourir, ou un filtre antispam qui réduit le bruit dans la boîte de réception.
Mais les problèmes du type « voici la bonne réponse » ou « conduis une voiture sans tuer personne » sont beaucoup plus difficiles.
La plupart du temps, elle ne passait même pas par les deux points à interpoler ; quand je le lui signalais, il produisait une fonction qui passait bien par les points, mais qui n’était plus lisse.
J’ai vraiment essayé, en repartant de zéro plusieurs fois.
Si ce genre de chose écrit du code pour contrôler des machines, ce sera le chaos complet ; à mon avis, il faut donc choisir entre un monde avec du machine learning et un monde avec des drones robots de livraison.
En revanche, il s’en sortait correctement pour des broutilles comme créer des paramètres de fonction à partir de variables.
Cela dit, je pense que cette tâche finira elle aussi par être surmontée, et la question qui restera alors sera de savoir s’il s’agit d’une vraie capacité ou d’une fuite de données.
Je ne comprends pas que des gens voient vraiment l’époque actuelle comme le crépuscule de cette technologie.
De mon point de vue, on est sur le point d’entrer dans une ère de productivité quantique du codage.
L’assistance par IA ne se contente pas d’améliorer ce que j’écris : elle m’aide aussi à apprendre en travaillant, ce qui me rend très enthousiaste. Je n’ai jamais pris autant de plaisir à écrire du logiciel que durant l’année écoulée.
J’écris du logiciel depuis des décennies, mais désormais j’ai presque toujours à mes côtés un coach qui m’aide à dépasser les points de blocage et à comprendre les choix possibles.
Ce n’est pas juste aller au bureau d’un collègue pour lui poser une question : cela fournit réellement des solutions productives qui inspirent le résultat.
C’est vraiment étonnant.
Je ne vois pas pourquoi on considère que le codage touche à sa fin. Je ne vois aucune preuve que les assistants de codage par IA remplaceront les développeurs corrects. À moins que votre capacité à construire quelque chose soit vraiment catastrophique.
C’est comme si quelqu’un disait : « désormais, les fondations sont gratuites, mais on peut toujours construire la maison ».
Je dois toujours construire la maison, la concevoir, la designer et la réaliser, puis la faire connaître, l’accompagner, la défendre et l’expliquer. C’est juste devenu plus facile parce que je n’ai plus besoin de faire les fondations moi-même.
Si l’IA rend les développeurs deux fois plus productifs, la capacité de développement supplémentaire sera-t-elle absorbée par la demande existante et nouvelle ? Le nombre de développeurs sera-t-il divisé par deux ? Ou bien le même nombre de développeurs seront-ils payés beaucoup moins ?
Ces questions se posent même si pas un seul poste de développeur existant n’est entièrement remplacé par l’IA.
Il est aussi important de savoir quels types de tâches se prêtent bien à l’automatisation par IA. Je pense à des tâches comme le CSS, où il faut connaître beaucoup de petits détails techniques dans un contexte étroit pour produire une petite modification.
Si c’est ce genre de codage que vous faites, je pense qu’il est temps d’élargir votre périmètre de compétences pour y inclure des responsabilités plus larges.
Les nouveaux arrivants ne comprennent pas plusieurs couches que les codeurs d’autrefois devaient comprendre, et ces couches peuvent encore influer subtilement sur le comportement.
Pour quelqu’un qui programme depuis plus de 13 ans dans le domaine des technologies web les plus répandues de ces dernières décennies, voir la pile complète dont dépend le web devenir chaque année plus difficile à comprendre peut donner le sentiment d’un déclin de la technologie.
Côté front-end, il devient de plus en plus difficile d’apprendre ce que quelqu’un a fait en regardant seulement le code. Les technologies de build modernes rendent l’examen du code d’un site peu utile, et cette plainte existait déjà il y a 13 ans.
Si l’on a des enfants ou des responsabilités en dehors du travail, alors, alors que le logiciel continue de dévorer toujours plus de domaines, il devient plus difficile pour les personnes hors du cadre scolaire d’affûter leurs compétences par une pratique délibérée.
Un gain de productivité ne signifie pas nécessairement un progrès de l’artisanat. C’est comparable à l’industrialisation, qui a augmenté la productivité et diffusé de nombreux produits, mais n’a pas été bénéfique aux savoir-faire artisanaux.
Autrefois, on voyait couramment des gens capables de souder des composants sur une carte et de relier plusieurs circuits intégrés ; je l’ai moi-même fait à l’université.
Cette couche d’artisans a désormais disparu, et l’on se divise entre des experts qui comprennent extrêmement bien le fonctionnement du matériel informatique et des gens qui se contentent d’acheter du matériel en le traitant comme de la magie.
Traditionnellement, on passait par des étapes intermédiaires : on montrait de l’intérêt, on se formait, puis on devenait expert, et un hobby pouvait déboucher sur un métier.
Si l’on travaille aujourd’hui dans une usine de puces, ce n’est pas parce qu’on a été « l’enfant au fer à souder », mais parce qu’on a suivi un long parcours académique. On finit par apprendre des sujets si avancés que la soudure paraît dater de l’âge de pierre.
Dans le logiciel, cette couche intermédiaire d’artisans existe encore, mais elle disparaît rapidement, et pas seulement à cause des LLM.
Il y a beaucoup de gens qui bricolent des sites web pour les faire fonctionner, ou qui gèrent leur travail quotidien avec Excel ou des scripts Python sans connaître les concepts avancés.
Avec l’arrivée des modèles de type GPT, les experts ont moins besoin de l’aide des juniors. Plutôt qu’un architecte système dessine l’ossature puis distribue de petites tâches à des juniors, il peut obtenir ce dont il a besoin auprès d’un LLM.
Au final, moins de personnes seront formées au plus haut niveau ; cette minorité deviendra beaucoup plus productive, mais beaucoup de gens resteront isolés au milieu.
Je ne nie pas que l’IA puisse écrire du bon code et s’améliorer avec le temps, mais je ne vois pas comment fonctionnerait un flux de travail où l’IA remplace la plupart des développeurs.
Prenons l’exemple d’un programmeur junior qui écrit des endpoints CRUD : le temps nécessaire pour expliquer des exigences exactement conformes à ce que je veux peut être plus long que le temps de coder directement avec l’aide d’un outil comme Copilot.
Peut-on imaginer qu’un utilisateur non technique développe de A à Z avec l’IA ? S’il y a un bug dans le code généré, peut-on considérer qu’aucun humain n’a jamais besoin d’intervenir ?
Même si un technicien intervient en cas de bug, si enquêter sur ce que l’IA a écrit et comprendre après coup ce qui s’est passé prend du temps, les économies réalisées sur l’écriture du code disparaissent vite.
Au final, écrire du code n’est qu’une petite partie du travail, et les LLM sont bons pour générer du code, mais ne sont pas fondamentalement des solveurs de problèmes.
Cette technologie est impressionnante, mais je pense qu’elle deviendra un outil de plus dans la boîte à outils des développeurs. C’est aussi un excellent tuteur, et pour des problèmes autonomes comme un script qui récupère le contenu d’une page web, elle permet de ne pas avoir à faire appel à un développeur.
Mais elle peut rendre le flux de travail de beaucoup de développeurs beaucoup plus simple, au point de permettre de faire avec moins de personnes, ou de faire davantage avec le même effectif.
Je l’ai aussi écrit ailleurs dans ce fil : https://news.ycombinator.com/item?id=38259425
En gros, cela m’a semblé être un assistant généraliste et un partenaire de brainstorming très puissant pour des tâches qui prennent habituellement beaucoup de temps.
Je ne m’en suis pas servi uniquement pour le code : je l’ai aussi utilisé pour la documentation, en lui donnant des informations brutes à organiser en documents cohérents, ou pour obtenir du feedback.
Lors de l’onboarding sur un nouveau projet, c’est aussi utile pour lui donner des morceaux de documentation difficiles à comprendre et se les faire expliquer.
Même pour des corvées liées au management, j’ai dépensé moins d’énergie mentale en lui donnant les demandes et mon point de vue, puis en lui faisant produire une réponse adaptée à une perspective donnée.
Bien sûr, on peut aussi faire cela avec d’autres personnes de l’équipe, mais elles ne sont pas toujours à côté de vous et elles ont elles aussi du travail. Un outil comme ChatGPT ne se fatigue pas, ce qui permet de laisser libre cours à l’enfant intérieur qui demande sans cesse « pourquoi ? » jusqu’à être satisfait.
Même quand on peut demander à quelqu’un d’autre, ChatGPT aide à affiner les questions.
C’est assez utile pour le boilerplate, les tâches ennuyeuses, ou pour traduire en code un algorithme expliqué par un humain.
Il s’en sort aussi bien pour convertir du code d’un langage à un autre, et fait le travail si on lui donne des instructions correctes.
Cela aura un impact important sur les perspectives d’emploi. Cela ne remplace pas encore les ingénieurs, mais les personnes spécialisées comme experts de l’implémentation d’une technologie donnée sont en danger. Le seul gain de productivité réduira déjà la demande.
D’après mon expérience anecdotique dans 98 communes, ces outils n’ont jamais vraiment tenu dans la durée.
En revanche, aujourd’hui, des employés ayant une certaine culture numérique construisent et automatisent des choses avec l’aide de ChatGPT.
Du point de vue de la maintenance à long terme, beaucoup de ces solutions sont aussi médiocres que les anciens outils RPA ou de workflow, mais cette fois les gens peuvent aussi les maintenir eux-mêmes.
Cela dit, ce ne sont pas des développeurs logiciel, donc la scalabilité, l’utilisation des ressources, la documentation, la gestion des erreurs, etc., ne suivent pas.
Malgré tout, la plupart de ces solutions ne font qu’« économiser » quelques heures par mois et ne sont pas assez importantes pour justifier l’intervention d’un vrai développeur, donc un résultat à 90 % peut suffire.
Combiné aux améliorations d’outils comme SharePoint Online, cela permet de traiter en interne des tâches qui nécessitaient auparavant des développeurs internes ou des consultants externes.
Ce n’est pas la mort du génie logiciel. Ces solutions ne passent pas à l’échelle, et à long terme des problèmes apparaîtront probablement quand des architectures amateurs devront s’imbriquer les unes dans les autres.
Mais s’il faut chercher sur Google comment extraire quelques lignes de texte arbitraires d’un dictionnaire, il est difficile de dire que l’on n’est pas menacé.
GPT traite assez facilement, et suffisamment bien, les « programmes qu’on peut écrire en googlant », donc cela arrivera de plus en plus dans le secteur.
En regardant mon historique, on voit que je suis à la fois impressionné et déçu par les LLM, plus précisément par GPT. Les autres modèles, franchement, ne sont pas terribles.
Dans mon travail quotidien, cela ne m’a pas vraiment aidé pour le développement proprement dit, mais il écrit la plupart de la documentation, et il le fait d’une manière presque effrayante.
Je génère aussi beaucoup de code à partir de feuilles de mapping de données Excel pour créer des types, des classes, etc., et générer des fonctionnalités CRUD. Avant, je faisais cela avec de petits scripts CLI, mais maintenant GPT s’occupe de l’essentiel.
En revanche, il est très mauvais pour traiter de la logique métier nécessitant de l’efficacité avec un code bien conçu, et jusqu’ici il ne s’est pas amélioré d’un iota.
Dans les grandes entreprises européennes non techniques et dans l’énorme industrie IT et conseil qui les accompagne, beaucoup de développeurs font des choses dans lesquelles GPT excelle, et plus les outils s’amélioreront, moins on aura globalement besoin de développeurs logiciel.
Ce qui m’inquiète particulièrement, c’est que nous continuons à enseigner aux étudiants en informatique beaucoup de choses que GPT fait bien.
Je suis examinateur externe pour des étudiants en informatique de niveau academy, et GPT pourrait quasiment obtenir la note maximale dans le cursus, parce que celui-ci se concentre surtout sur la production de beaucoup de code d’entreprise « facile ».
J’ai peur que beaucoup d’étudiants traversent une période difficile quand les LLM seront vraiment installés, et que les programmes ne changent pas à temps. L’enseignement supérieur danois s’adapte lentement à la réalité et était déjà quelque peu dépassé il y a dix ans.
« La programmation relève moins du savoir ou de la compétence que de la patience, voire de l’obsession. Les programmeurs sont des gens qui supportent une interminable procession d’obstacles ennuyeux » : cette phrase résume bien pourquoi on peut être optimiste au sujet de la programmation assistée par IA.
La courbe d’apprentissage pour débuter en programmation est atrocement raide, non pas parce que c’est difficile, mais parce que c’est agaçant.
Il faut tenir six mois au milieu de messages d’erreur étranges et de points-virgules manquants avant d’avoir l’impression de vraiment construire quelque chose et de progresser.
La plupart abandonnent en se disant qu’ils ne sont « pas assez intelligents », alors qu’en réalité ils n’avaient simplement pas assez de patience pour traverser ce bourbier.
Je pense que les LLM ont un effet important sur cette courbe d’apprentissage initiale. C’est une bonne chose que davantage de personnes puissent apprendre les bases de la programmation afin d’automatiser avec un ordinateur les tâches répétitives et ennuyeuses de leur vie.
Dans son quotidien, un programmeur doit accepter des vérités laides plus que dans presque n’importe quel autre métier. Les ingénieurs en physique, les ouvriers du bâtiment et les réparateurs ont aussi besoin de cette qualité, mais comme la boucle de feedback est plus lente, elle leur est demandée moins souvent.
C’est un peu comme dire que Google Translate a rendu tout le monde fluent en espagnol.
Au final, pour utiliser ChatGPT efficacement, il faut toujours relire le code et comprendre son fonctionnement.
Taper réellement le code n’a jamais été la partie difficile du développement logiciel.
Si cet outil ne fait que faire gagner six mois aux développeurs, offrir des cours d’informatique à l’école serait plus rentable en ressources de calcul et formerait une génération d’ingénieurs bien plus solide.
Les projets logiciels complexes avec beaucoup d’utilisateurs ont pratiquement tous un backlog interminable de tickets de bugs abandonnés.
Il me semble qu’il y a quelques mois, un bug vieux de 25 ans a été corrigé dans Firefox.
La plupart des compilateurs et frameworks accumulent des tickets du type « améliorer le message d’erreur quand X se produit », mais le temps des programmeurs est trop coûteux pour que cela devienne prioritaire.
Avec le temps, la différence entre seniors et juniors tient souvent moins à l’intelligence ou à l’expérience réelle qu’aux cicatrices accumulées en se frayant un chemin à travers des bugs et problèmes d’utilisabilité qui ne seront pas résolus avant la fin de vie du produit.
Il faudra encore plusieurs grandes percées pour que l’IA remplace complètement les programmeurs, mais la lâcher dans un bug tracker et la faire produire toute la journée de petites corrections est tout à fait à portée de vue.
Alors la programmation humaine deviendra plus amusante et plus facile à apprendre.
Ça me fait penser aux gens ordinaires qui vivent enfermés dans les limites des apps qu’ils utilisent, et à la popularité des livres du genre « automatiser avec Python ».
Si cette nouvelle technologie permet aux gens de ne plus être prisonniers de ces limites, ce serait plutôt formidable.
Le code reste un artefact complexe et fragile.
Le fait qu’un LLM écrive du code n’est qu’un début ; pour la plupart des gens, du low-code/no-code assisté par LLM serait plus idéal.
J’ai ce débat avec un ami qui travaille sur l’IA et les réseaux de neurones.
Il pense que le codage va bientôt devenir obsolète et être entièrement remplacé par la génération de code façon ChatGPT.
En tant que « senior engineer », je considère que l’immense majorité de mon travail consiste à communiquer, à exercer du leadership dans l’organisation, à vraiment comprendre les exigences produit et à déterminer comment elles s’articulent avec nos systèmes.
J’écris du code, certes, mais même si la majeure partie de cette activité était augmentée par de la génération de code, l’essentiel de ce que je fais changerait très peu.
Le travail d’un junior, ce n’est pas cela : il prend une issue enregistrée et l’implémente. On ne lui confie pas les problèmes difficiles ; on lui donne la tâche et les critères d’acceptation avec.
Si un futur CodeGPT remplace entièrement leurs compétences en programmation, quel chemin leur restera-t-il pour devenir seniors dans dix ans ?
Les seniors actuels partiront à la retraite dans 10 à 20 ans, et lorsqu’ils seront remplacés par des gens qui auront réellement bénéficié de la génération automatique de code, le « codage » pourrait devenir ce que faisaient les vieux avant que les machines ne s’en chargent.
Si l’IA permet des équipes plus petites mais plus compétentes, il faudra moins de managers et moins de réunions, et tout deviendra beaucoup plus efficace.
On devra peut-être aussi dire adieu au temps passé à mentorer des ingénieurs juniors. Bientôt, il n’y aura plus de juniors.
Je navigue dans l’organisation, je fais le lien avec d’autres équipes et j’essaie de comprendre ce qu’il faut faire.
Le code que j’écris me donne l’impression d’être un sous-produit du travail réel.
Premièrement, il y aura moins de personnes impliquées, donc la coordination deviendra plus simple.
Deuxièmement, davantage de personnes pourront accéder aux rôles de coordination, et il est probable que ces rôles reviennent à des métiers ou à des types de personnalité qui n’étaient généralement pas ceux de gens « bons en code ».
Si la machine peut, par exemple, expliquer le fonctionnement général de ce qui est en train d’être construit, ils n’auront plus besoin d’excellentes compétences en codage.
Je m’attends donc à ce que le marché de l’emploi soit fortement secoué et que les salaires baissent sévèrement.
Ce texte ne semble pas avoir été écrit par un programmeur, et certains commentaires ne donnent pas non plus l’impression de venir d’ingénieurs professionnels.
Dans un avenir proche, quelles parties du travail d’un programmeur l’IA pourrait-elle réalistement remplacer ?
Pour les besoins de la discussion, admettons que la partie codage puisse être remplacée de façon rentable. Mais pourrait-elle aussi faire le reste ?
Il y a des choses comme recevoir des exigences floues et les clarifier avec les équipes design/produit, donner à l’IA des consignes suffisamment précises pour construire une fonctionnalité complexe, faire de la revue de code, gérer des échecs de build arbitraires, documenter une fonctionnalité de manière compréhensible pour les autres programmeurs et parties prenantes, ou encore déboguer et corriger des incidents en production.
Réalistiquement, avant qu’il y ait une vraie possibilité que l’IA remplace efficacement un bon programmeur, il y aura une longue phase où les programmeurs deviendront plus efficaces en s’appuyant sur l’IA.
Cela avantagera les ingénieurs qui pensent de manière plus abstraite, et les tâches de programmation de bas niveau seront absorbées en premier.
La correction d’échecs de build arbitraires suivra très probablement ensuite.
La question devient alors : quel pourcentage du travail d’un programmeur cela peut-il prendre en charge, et les parties restantes exigent-elles une autre combinaison de compétences ?
Il y a des programmeurs qui codent bien, mais qui se plaignent bruyamment dès que le métier leur donne des exigences un peu ambiguës. Parce qu’ils voient leur travail comme du codage uniquement, et non comme la clarification de règles métier.
Ce groupe sera plus fortement touché que les programmeurs disposés à travailler pour comprendre les besoins métier même dans des situations ambiguës.
Il commet des erreurs, mais ces erreurs semblent peu corrélées aux erreurs humaines.
Surtout alors que Google devient de moins en moins utile, il sait parfois des choses que j’aurais dû chercher pendant des heures.
Personnellement, je l’utilise pour du scripting et comme assistant d’exécution.
À en juger par les outils actuels, on semble encore très loin du compte.
Le titre ne me paraît pas très bien correspondre au contenu.
Le titre laisse entendre que la compétence qu’est la programmation va être remplacée, mais l’article affirme plutôt qu’elle va beaucoup changer, et mon intuition va plutôt dans ce sens.
En fin de compte, la barrière à l’entrée baisse. Est-ce une mauvaise chose ? D’un point de vue égoïste, oui, mais pas d’un point de vue social.
L’un des problèmes auxquels le Canada, et dans une certaine mesure les États-Unis, sont confrontés est selon moi l’inégalité.
Les personnes qui travaillent dans des métiers de services plus « moyens » gagnent beaucoup moins que les ingénieurs, et ces dernières années cela a été assez dérangeant.
La valeur sociale de l’IA générative réside dans le fait de rendre le travail intellectuel — droit, médecine, génie logiciel — beaucoup plus accessible aux personnes « moyennes ».
Il y aura aussi des inconvénients, mais une répartition plus uniforme du pouvoir me semble un chemin plus proche de l’utopie qu’un élitisme dévoyé. Ce dernier ressemble plutôt à une voie vers l’autocratie.
Si le salaire minimum était le salaire le plus bas et les salaires des programmeurs les plus élevés, l’Amérique serait une économie très égalitaire.
Automatiser les voies restantes vers la classe moyenne aux États-Unis ne fera qu’élargir l’écart entre les capitalistes qui possèdent l’infrastructure d’automatisation et les personnes repoussées vers des domaines non automatisés de plus en plus restreints.
Cela n’améliorerait donc pas leur situation.
Du point de vue d’un grisonnant qui ne code pas tous les jours, ChatGPT m’a impressionné comme assistant de programmation.
C’est comme avoir un développeur junior d’astreinte à 20 dollars par mois.
Le mois dernier, j’avais besoin d’un utilitaire rapide et sale ; j’ai moi-même découpé le problème en 4 ou 5 étapes, puis j’ai demandé à ChatGPT d’écrire la fonction de chaque étape et je les ai assemblées.
La plupart du temps, cela s’est bien passé, mais une partie a nécessité beaucoup trop de guidage et d’ajustements avant d’obtenir le résultat voulu.