L’AI Copilot est en train de transformer le paradigme de l’enseignement du code

L’AI Copilot est en train de transformer la manière d’enseigner le code

• Les enseignants s’éloignent désormais de l’enseignement de la syntaxe pour se concentrer sur des compétences de plus haut niveau
• Le semestre dernier, Krishnamurthi, professeur d’informatique à l’université Brown, a demandé à ses étudiants de premier cycle de réaliser leur projet final avec GitHub Copilot
  • Il s’agit d’un outil d’IA basé sur le modèle de langage GPT-3 d’OpenAI, qui permet de générer et de compléter automatiquement du code
• Avec cette expérimentation, le professeur Krishnamurthi voulait que les étudiants se concentrent davantage sur la résolution de problèmes que sur la syntaxe des langages de programmation
  • Il est convaincu que ce type d’outils provoquera un changement fondamental dans l’enseignement de la programmation
• D’autres professeurs mènent aussi des expériences similaires et utilisent des outils d’IA pour aider les étudiants à apprendre des concepts de plus haut niveau
  • Par exemple, à l’université de Pennsylvanie, le professeur Swapneel Sheth utilise Copilot pour développer chez ses étudiants la pensée conceptuelle et les capacités de résolution de problèmes
• Mais certains professeurs expriment des inquiétudes quant à l’usage des outils d’IA
  • Dan Garcia, professeur à l’université de Berkeley, craint que les étudiants ne deviennent dépendants de l’IA sans acquérir les bases
  • Il estime que les outils d’IA peuvent nuire à l’apprentissage des étudiants
• À long terme, les outils d’IA devraient avoir un impact majeur sur l’enseignement du génie logiciel
  • Le professeur Krishnamurthi prévoit qu’un jour, les cours de code traditionnels disparaîtront
  • À la place, les étudiants apprendront à utiliser des outils d’IA pour résoudre des problèmes de plus grande ampleur

L’avis de GN+

• L’arrivée des AI copilots transforme le paradigme de l’enseignement de la programmation. On s’éloigne d’un apprentissage centré sur la syntaxe pour aller vers le développement des capacités de résolution de problèmes et de la pensée de haut niveau.
• Mais une dépendance excessive aux outils d’IA peut freiner l’acquisition des fondamentaux par les étudiants. Il faut donc les utiliser de manière appropriée sans négliger la compréhension des concepts et des principes de base.
• Les progrès des outils d’IA donnent un aperçu de l’avenir du génie logiciel. Les tâches de codage simples et répétitives seront prises en charge par l’IA, tandis que les humains se concentreront sur des problèmes plus créatifs et plus complexes.
• Les établissements d’enseignement devront adapter leurs cursus à cette évolution. En plus de l’enseignement traditionnel des langages de programmation, il semble nécessaire de former les étudiants à l’usage de l’IA et à la résolution de problèmes.
• Avec l’arrivée des technologies d’IA de nouvelle génération comme GPT-4, les fonctions de génération et de complétion automatiques de code devraient devenir encore plus puissantes. En conséquence, le rôle et les compétences des ingénieurs logiciel devraient eux aussi continuer d’évoluer.

[hhcrux]

Si on sait vraiment ce qu’on veut faire, c’est très pratique, mais si on ne le sait qu’à moitié, on finit, comme dans le commentaire ci-dessous, par se battre avec les prompts et par perdre encore plus de temps.

[halfenif]

On a a finalement l’impression que googler est en train d’être remplacé par le prompting.

[antegral]

Moi aussi, je suis des cours à l’université, et j’ai déjà très nettement l’impression que les méthodes d’enseignement évoluent vers une pédagogie qui intègre les modèles de langage.

Non seulement dans les matières de spécialité (informatique), mais même dans certains cours de culture générale, il est de plus en plus fréquent qu’on nous annonce qu’il est désormais permis d’utiliser un modèle de langage (ChatGPT) pendant les examens de mi-semestre et de fin de semestre.

Cela dit, les sujets sont conçus de manière à ce qu’il ne suffise pas de les donner tels quels à un modèle de langage pour obtenir la réponse. J’ai l’impression qu’on nous pousse plutôt à analyser correctement le problème, puis à intégrer et exploiter de façon appropriée les résultats fournis par le modèle de langage dans notre copie.

On voit de plus en plus se renforcer la nécessité de bien « comprendre le problème » afin de donner au modèle de langage les « bonnes consignes ».

[GN⁺]

Avis Hacker News

Résumé :

• Les ingénieurs DevOps AWS manquent souvent de connaissances de base en réseau
• Le nombre de personnes qui utilisent des outils de collaboration IA augmente, mais pas celui des personnes capables de comprendre et de relire le code
• Des considérations éthiques et politiques injectées dans les outils d’IA produisent parfois des résultats maladroits
• Le « prompt engineering » ne peut pas remplacer la programmation
• Certains étudiants utilisent des outils d’IA pour écrire du code sans comprendre les concepts fondamentaux et se contentent de copier-coller
• Même avec un oracle qui connaît la réponse, cela ne sert à rien si l’on ne sait pas quoi lui demander
• La véritable création de valeur d’un développeur consiste à traduire des besoins humains en code
• Les outils d’IA ne sont déjà utiles que pour générer du code facile à écrire
• Pour les tâches non triviales, on passe davantage de temps à se battre avec les prompts
• À l’avenir, savoir « où trouver la réponse » deviendra plus important que simplement « savoir »
• Le nouveau défi de résolution de problèmes consistera à juger si une réponse proposée par l’IA est correcte ou subtilement erronée
• Les outils de collaboration IA vont nous rendre paresseux et produire du code plus bogué
• Les enseignants veulent que les élèves maîtrisent les bases avant d’utiliser une calculatrice
• Maintenir la courbe d’apprentissage sera la grande crise de cette génération
• On peut dire que l’ingénierie logicielle, c’est « 20 % de syntaxe, 80 % de sagesse »
• Les LLM excellent en syntaxe, mais manquent de sagesse