Alors que les attentes concernant la capacité de l'intelligence artificielle à écrire entièrement du code s'accélèrent, une problématique plus profonde émerge concernant l'évolution du capital humain au sein des organisations technologiques. Lors d'une récente présentation au sein de la conférence QCon AI Boston, Alasdair Allan a proposé une vision critique sur le fossé laissé par l'intelligence artificielle dans le parcours de développement professionnel des ingénieurs, le décrivant comme des « échelons manquants dans l'échelle de carrière ».
Entre attentes ambitieuses et réalité numérique
Allan a souligné le contraste frappant entre les prévisions optimistes et les données réelles ; alors que Dario Amodei, cofondateur d'Anthropic, prévoyait que l'intelligence artificielle écrirait 90 % du code d'ici un an, les analyses ont montré une réalité différente. Selon une recherche menée par Redwood Research, le pourcentage de code écrit par l'intelligence artificielle dans les dépôts de logiciels avoisine les 50 %, un chiffre qui n'atteint les 90 % que si l'on inclut les textes temporaires et les scripts éphémères.
Les chiffres enregistrés par les grandes entreprises révèlent un paysage contrasté :
- Google : Les rapports indiquent que légèrement plus de 25 % du code interne a été généré par l'intelligence artificielle.
- Microsoft : Le taux de génération intelligente est d'environ 30 %.
- GitHub Copilot : Le taux d'acceptation des suggestions dans les environnements d'entreprise est d'environ 30 %.
- Anthropic : Les ingénieurs de l'entreprise utilisent l'outil Claude dans 59 % de leur travail quotidien, avec des rapports indiquant une augmentation de la productivité de 50 %.
Le paradoxe de la supervision : la menace cachée
Le cœur du problème soulevé par Allan ne réside pas dans la productivité, mais dans ce qu'il a appelé le « paradoxe de la supervision » (Supervision Paradox). Alors que les outils d'intelligence artificielle augmentent la vitesse d'exécution des tâches, ils pourraient priver les ingénieurs juniors de l'opportunité de développer les compétences fondamentales qui proviennent généralement de la résolution manuelle de problèmes de programmation complexes.
Lorsque l'intelligence artificielle prend en charge les tâches qui représentaient les « échelons intermédiaires » de l'échelle d'apprentissage, l'ingénieur junior se retrouve capable de produire des résultats rapides, mais il manque de la profondeur cognitive nécessaire pour comprendre le fonctionnement du système dans son ensemble. Cela conduit à un fossé de connaissances qui lui rendra difficile, à l'avenir, d'assumer des rôles de leadership ou d'ingénierie supérieure nécessitant la supervision de systèmes autonomes.
Qu'est-ce que cela signifie pour l'avenir du génie logiciel ?
Cette transition impose des défis stratégiques aux entreprises technologiques, qui se résument en trois axes principaux :
- Érosion de l'expertise institutionnelle : La dépendance excessive aux outils prêts à l'emploi peut entraîner une perte du contexte technique profond que les ingénieurs construisent en interagissant directement avec la complexité du code.
- Menace sur la chaîne d'approvisionnement technique : Si les débutants ne parviennent pas à développer leurs compétences à travers les étapes intermédiaires, les entreprises feront face à une pénurie d'ingénieurs experts capables de gérer et de diriger des systèmes d'intelligence artificielle complexes.
- Redéfinition du rôle de l'ingénieur : L'objectif de la profession n'est plus la « rédaction de code » en soi, mais la capacité à concevoir des systèmes et à superviser la qualité des résultats, ce qui nécessite une base technique solide que l'intelligence artificielle ne peut fournir à l'apprenant.