[S4🌴] Cahier de vacances de l'innovation | L'IA Générative un tremplin pour l'apprentissage du code - retour d'expérience

Bienvenue sur cette dernière semaine des cahiers de vacances de l'innovation, édition 2024 !

Aujourd'hui, on parle IA et développement avec un article de niveau ⭐⭐, de notre experte Kamelia Mehenni !

Depuis l’arrivée de l’IA et plus particulièrement l’IA générative de façon assez démocratisée dans plusieurs corps de métier, certaines habitudes professionnelles (en plus des usages personnels que l’on peut en faire) voire certaines tâches importantes ont été plus ou moins bousculées, modifiées ou même complètement remplacées.

Que l’on y trouve son compte ou que l’on soit retissant, ce type d’outil nous a à minima poussé à nous y intéresser, à le comprendre, à l’utiliser et souvent à l’intégrer dans notre processus de travail.

Les employés ou encore les étudiants qui ont vu débarquer ces outils y ont vu une utilité particulière pour générer tout type de contenu qui leur faciliteraient le quotidien. Parmi les différentes tâches dont l’IA Générative nous allège éventuellement il y a … le code ! Rien que ça pour un développeur !

En effet, il est possible maintenant de générer un bout de code plus ou moins correct, plus ou moins long, en un seul prompt… ou presque. Si l’on donne quelques indications précises, l’IA pourra nous générer le code qui pourrait répondre à nos attentes. Etant une linguiste de formation, ceci pourrait être le Graal pour moi, surtout que si l’on demande gentiment, l’IA peut expliquer le code ligne par ligne, ce qui est finalement souvent une reformulation de ce que nous avons demandé dans le prompt.

De plus, si le défaut du développeur est de ne pas commenter (ce qui désespère souvent ceux qui le récupèrent plus tard) il est aussi possible de lui demander un petit commentaire par-ci par-là.

Il est toutefois important de préciser que ce n’est pas parfait, et que les machines se trompent aussi…

spoiler alerte : nous ne sommes pas encore dans I Robot !

En effet, un prompt aussi robuste soit-il ne peut pas empêcher une IA générative de se tromper et de générer un code bancal, voire faux ! L’excellent exercice qui se cache derrière et qui s’est avéré très formateur, est que ce code « faux » ou assez « moyen », nous pousse à le revoir, le refaire, le modifier ou le corriger. A titre d’exemple, c’est un exercice que j’ai souvent effectué, et qui m’a permis de comprendre, d’investiguer et d’apprendre le code, sa logique et ses mécanismes.

Le gain certain de ce type d’outils réside aussi dans le fait qu’ils nous poussent à être précis et explicite dans ce que l’on demande.

Il exigera toujours de nous un prompt en bonne et due forme, avec l’exactitude requise dans ce que le code doit faire, ceci a comme effet de nous pousser à nous même savoir concrètement ET correctement les détails et les résultats souhaités du script demandé. Car ce qui se conçoit clairement s’énonce correctement.

Mais au-delà des bénéfices que l’on peut en tirer, l’IA Générative enseignante de code, formatrice de codeurs a ses limites ou ses travers…

L’on pourrait effectivement se pencher sur le fait qu’une telle technologie, ayant « réponse à tout », pouvant nous générer « tout ce qu’on veut », nous pousse à être feignant, à réfléchir moins mais aussi à ne pas forcément remettre en question la résultante de notre demande.

Là où Stackoverflow nous poussait (nous pousse encore ?) à chercher et à nous creuser la tête sans doute pendant des heures, ce qui nous amenait parfois à trouver des réponses à des questions qui ne se sont pas encore posées.

Ce dernier point soulève un autre tout aussi intéressant, car nous tendons à perdre “l’errance” dans la recherche. Lorsque nous faisons une recherche en dehors d’un ChatGPT par exemple, mais dans un “simple moteur de recherche”, il arrive souvent que nous allions de lien en lien, de page Wikipédia en page Wikipédia, de question Stackoverflow à question Stackoverflow, jusqu’à vivre la belle expérience que j’ai vécu récemment... cherchant des bibliothèques python pour visualiser une forme précise de représentation de connaissances, je me retrouve à découvrir ce que l’on appelle apparemment le “neurone Jennifer Aniston”.

Il n’a aucun lien avec le code et l’IA Générative, c’est sans doute des études obscures de la neuroscience, mais je me suis endormie moins bête, tant du côté des librairies python, que du “neurone Jennifer Aniston”.

Pour conclure, j’ai demandé à une IA Générative si je pouvais apprendre grâce à elle à coder, sa réponse :

“ Les IA génératives peuvent certainement être utilisées pour apprendre à coder, mais elles ne sont pas la méthode la plus courante pour apprendre à coder. Les IA génératives sont des modèles d'apprentissage automatique qui peuvent générer des données ou des contenus à partir d'un ensemble de données d'entraînement. Elles peuvent être utilisées pour générer du code, mais cela nécessite une connaissance préalable de la programmation et de l'apprentissage automatique. Il existe de nombreuses autres ressources pour apprendre à coder, notamment des cours en ligne, des tutoriels, des livres et des programmes de formation. Les langages de programmation les plus couramment utilisés sont Python, Java, JavaScript, C++, C# et Ruby. Si vous êtes débutant, je vous recommande de commencer par apprendre les bases de la programmation en choisissant un langage de programmation et en suivant un cours en ligne ou un tutoriel.”

L’auto critique est faite.