- Les prédictions répétées de la « fin des programmeurs » depuis des décennies se sont trompées à chaque fois, et les avancées technologiques ont au contraire conduit à davantage de développeurs et davantage de programmes
- Diverses technologies d’automatisation comme WYSIWYG, 4GL, No-Code, LLM sont apparues, mais en pratique elles n’ont pas réduit le besoin de développeurs
- Les outils basés sur les LLM offrent une fiabilité et une maintenabilité inférieures à celles des technologies passées, et provoquent dans la plupart des équipes une baisse de productivité et une dégradation de la qualité
- La difficulté fondamentale de la programmation ne réside pas dans l’écriture du code, mais dans la capacité à convertir une pensée humaine ambiguë en logique rigoureuse ; cela reste toujours du domaine humain
- En conséquence, il est peu probable que l’IA remplace les développeurs ; au contraire, la demande pour des développeurs expérimentés devrait encore augmenter
Le cycle récurrent de la « fin des programmeurs »
- Depuis 43 ans, diverses technologies comme Visual Basic, Delphi, Executable UML, No-Code, Low-Code sont présentées comme devant supprimer le besoin de programmeurs
- Dans les années 1970~80, c’étaient les 4GL, 5GL ; auparavant Fortran, COBOL ; et plus loin encore, même le compilateur A-0 a fait l’objet des mêmes prédictions
- L’ordinateur électronique primitif COLOSSUS était programmé par câblage physique, et les générations suivantes ont parfois été tournées en dérision comme n’étant « pas de vrais programmeurs »
- Mais au final, le nombre de programmeurs n’a pas diminué, il a au contraire augmenté, ce qui est cité comme un cas représentatif du paradoxe de Jevons
Ce qui distingue les LLM des technologies passées
- Les technologies précédentes ont réellement accéléré la production logicielle tout en garantissant la fiabilité, mais les LLM produisent surtout l’effet inverse dans la plupart des équipes
- Les LLM dégradent la qualité du code et compliquent la maintenance, créant une situation « LOSE-LOSE »
- Même avec le même prompt, ils ne produisent pas toujours le même résultat, et le code généré exige une validation et des corrections par des développeurs humains
- Rien ne prouve que l’IA remplace les développeurs ; les récentes réductions d’effectifs s’expliquent par des facteurs économiques comme le surrecrutement pendant la pandémie, la hausse des taux d’intérêt et la concentration des investissements sur les datacenters
La difficulté fondamentale de la programmation
- Le cœur de la programmation est le processus qui consiste à transformer une pensée humaine ambiguë en une pensée computationnelle logiquement précise
- C’est une difficulté inchangée depuis l’époque des cartes perforées jusqu’à COBOL, Visual Basic et Python
- Comme le langage naturel est par essence ambigu et imprécis, l’auteur cite la prédiction de Dijkstra selon laquelle l’ère de la programmation en anglais ou en français n’adviendra pas
- Cette manière de penser peut s’apprendre, mais ce n’est ni quelque chose que tout le monde aime, ni quelque chose où tout le monde peut exceller, et l’offre de personnel qualifié reste toujours insuffisante
Les limites de l’IA et sa durabilité
- L’AGI (intelligence artificielle générale) reste encore lointaine et exigerait des capacités de compréhension, de raisonnement et d’apprentissage au niveau humain
- Les LLM de grande taille entraînent des coûts et des pertes massifs, ce qui les rend peu durables à long terme
- Avec le temps, leur utilité pourrait diminuer à cause des contraintes liées au langage et aux versions de bibliothèques sur lesquels les modèles ont été entraînés
- Pour cette raison, les LLM géants pourraient finir comme une expérience non rentable, à l’image du programme lunaire Apollo
Perspectives pour l’environnement de développement futur
- Dans un futur proche, le développement logiciel devrait prendre la forme d’outils d’assistance fondés sur de petits modèles de langage, chargés de rôles de support comme la génération de prototypes ou l’autocomplétion de code
- Mais les décisions importantes et l’assurance qualité resteront pilotées par des développeurs humains, et selon la loi de Jevons, la demande de développeurs pourrait même augmenter
- Les entreprises doivent investir dès maintenant dans le recrutement et la formation de développeurs expérimentés ; c’est une stratégie clé pour accroître la productivité et la fiabilité, avec ou sans IA
Aucun commentaire pour le moment.