Usage, Effects and Requirements for AI Coding Assistants in the Enterprise: An Empirical Study
Cet article présente une étude empirique interrogeant 57 développeurs et analysant 35 enquêtes existantes pour évaluer la maturité, l'impact et les exigences des assistants de codage par IA et des CodeLLM pour le génie logiciel en entreprise.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous êtes un chef dans une cuisine immense et à enjeux élevés (l'entreprise). Pendant des années, vous avez dû émincer chaque légume, mesurer chaque épice et écrire chaque recette de toutes pièces. Puis, un nouvel assistant de cuisine arrive : un Assistant de Codage IA. C'est comme un sous-chef super intelligent qui peut instantanément suggérer des recettes, émincer les légumes à une vitesse fulgurante et même rédiger le menu pour vous.
Ce document est un bulletin de notes sur la façon dont ce nouveau sous-chef travaille réellement dans les cuisines d'entreprise du monde réel. Les auteurs (des chercheurs d'IBM) ne se sont pas contentés de regarder l'assistant travailler ; ils ont interrogé 57 vrais chefs (développeurs) de différents départements (finance, recherche, vente) sur leur ressenti à son égard. Ils ont également examiné 35 autres rapports du monde entier pour avoir une vue d'ensemble.
Voici la répartition de leurs conclusions, en utilisant des analogies simples :
1. Le compromis "Vitesse vs Qualité"
L'affirmation : La plupart des chefs se sentent plus rapides. Environ 88 % des développeurs ont déclaré que l'IA les rendait plus productifs. Certains ont dit être deux fois plus rapides.
L'analogie : C'est comme avoir une perceuse électrique au lieu d'un tournevis manuel. Vous pouvez installer des étagères en deux fois moins de temps. Cependant, le fait de pouvoir percer un trou rapidement ne signifie pas que l'étagère sera parfaitement de niveau. Le document note que si la vitesse augmente, il existe des inquiétudes quant à savoir si le code (l'étagère) est sécurisé et facile à réparer plus tard. Certains chefs sont tellement confiants dans leur perceuse électrique qu'ils oublient de vérifier si le mur est solide.
2. Un modèle unique ne convient pas à tous
L'affirmation : Le document a constaté que différents départements utilisent l'IA pour des raisons totalement différentes.
L'analogie :
- Les Chercheurs utilisent l'IA comme un catalogue de bibliothèque. Ils lui demandent de trouver des informations obscures ou de générer des ensembles de données complexes pour tester de nouvelles théories.
- L'Équipe de Vente utilise l'IA comme un rédacteur publicitaire. Ils veulent qu'elle les aide à "vendre un produit" ou à générer des données synthétiques pour montrer aux clients.
- Les Ingénieurs Logiciels utilisent l'IA comme un correcteur orthographique et une saisie semi-automatique. Ils veulent qu'elle écrive du code ennuyeux et répétitif afin qu'ils puissent se concentrer sur la conception créative de l'application.
- La conclusion : On ne peut pas donner les mêmes réglages d'outils à tout le monde. Une approche "taille unique" ne fonctionne pas ; l'IA doit être adaptée au travail spécifique.
3. Le problème du "Faire confiance mais vérifier"
L'affirmation : Les développeurs ne conservent que 25 % à 50 % du code que l'IA écrit. Ils ne font pas que tout copier-coller.
L'analogie : Considérez l'IA comme un stagiaire junior. Le stagiaire est excellent pour rédiger un rapport, mais il peut inventer des faits ou utiliser un ton inapproprié. Le développateur senior (l'humain) doit lire chaque mot, corriger les erreurs et s'assurer que le résultat est correct.
- Si l'IA écrit un code qui semble parfait mais qui présente une faille de sécurité cachée (comme une serrure qui a l'air jolie mais qui ne verrouille pas réellement), l'humain doit le détecter.
- Le document a constaté que si l'IA commet trop d'erreurs, ou si l'humain doit passer plus de temps à corriger le travail de l'IA qu'à l'écrire lui-même, l'outil devient un fardeau plutôt qu'une aide.
4. Ce que les chefs veulent pour la suite (La liste de souhaits)
Les développeurs ont dit aux chercheurs exactement ce dont ils ont besoin pour le "super sous-chef" de demain. Ils ont divisé ces demandes en deux catégories :
Demandes à court terme (La liste "Corriger les imperfections") :
- Une meilleure mémoire : L'IA doit connaître toute la cuisine, pas seulement le plan de travail sur lequel elle se trouve. Elle doit comprendre l'intégralité du code source (l'histoire complète du restaurant) sans s'embrouiller.
- Une intégration fluide : Arrêtez de nous faire changer de fenêtre. L'IA devrait être directement intégrée à l'outil que nous utilisons, comme un minuteur de four intégré, et non une application séparée que nous devons ouvrir.
- L'honnêteté : Si l'IA n'est pas sûre d'elle, elle devrait dire : "Je ne suis pas sûre à 100 % de ceci", au lieu de donner une réponse erronée avec assurance.
Demandes à long terme (La liste "Rêve de science-fiction") :
- L'Architecte : Au lieu de simplement émincer des légumes, l'IA devrait être capable de concevoir toute l'implantation de la cuisine à partir d'une idée vague.
- L'Agent Autonome : L'IA devrait être capable de gérer tout le service. Elle devrait pouvoir trouver un bug, le corriger, le tester et soumettre le travail sans que l'humain n'ait à intervenir.
- L'Expert : Elle doit connaître les règles spécifiques du bâtiment (conformité, lois de sécurité) afin de ne pas enfreindre accidentellement la loi en cuisinant.
5. Le fossé des "Devoirs"
L'affirmation : La plupart des études existantes ne portaient que sur des étudiants ou des tâches très spécifiques. Cette étude a observé de vrais professionnels expérimentés dans de grandes entreprises.
L'analogie : Les études précédentes étaient comme tester une nouvelle voiture sur une piste de course calme et vide avec des pilotes de test. Cette étude a conduit cette voiture dans le trafic de l'heure de pointe avec de vrais usagers. Ils ont découvert que bien que la voiture soit rapide, le trafic (règles d'entreprise complexes, sécurité, différents langages) rend son utilisation plus difficile que ce que les tests sur piste suggéraient.
Résumé
Le document conclut que les assistants de codage par IA sont des boosters de productivité puissants, mais ils ne sont pas magiques. Ils sont comme un partenaire junior très rapide, très instruit, mais occasionnellement sujet aux hallucinations.
- Bien : Ils font gagner du temps sur les tâches ennuyeuses et aident les gens à apprendre de nouveaux langages.
- Moins bien : Ils peuvent introduire des failles de sécurité et ne comprennent pas toujours le contexte spécifique des règles uniques d'une entreprise.
- Futur : Pour être véritablement utiles, ils doivent cesser d'être de simples outils de "saisie semi-automatique" pour devenir des "architectes autonomes" comprenant l'ensemble du projet, et pas seulement la ligne de code qu'ils sont en train de taper.
Les auteurs soulignent que nous devons cesser de traiter ces outils comme une solution "on installe et on oublie" et commencer à les traiter comme un partenaire collaboratif qui nécessite une supervision humaine, une personnalisation et l'établissement d'une relation de confiance.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.