Si le code est une composante indispensable de la conception de solutions d’IA, l’IA s’intéresse en retour de plus au plus au développement informatique. Les outils intelligents d’assistance à la programmation deviennent communs et populaires ; et si les ambitions de l’IA allaient bien plus loin…
Le secteur du développement logiciel est extrêmement actif et même en très forte tension. L’activité dans ce domaine est à la fois portée par la transformation digitale des organisations, tous secteurs confondus, et par la conception de solutions d’Intelligence Artificielle.
Le codage en informatique repose sur de fortes expertises et une grande rigueur qui rend cette tâche très chronophage. Pour palier cela, les outils de développement, des Environnements de Développement Intégrés (IDE) aux débuggeurs, sont de plus en plus puissants et permettent d’atteindre des gains de productivité significatifs. Naturellement, c’est une thématique qui n’échappe pas à la vague de l’IA ! Avec l’importance des besoins, poussées par des acteurs innovants, de nombreuses avancées permettent à la programmation de faire d’énormes bonds en avant.
Parmi ces nouvelles solutions, nous pouvons trouver DeepCode[1]. Reposant, comme son nom l’indique, sur les dernières avancées du Deep Learning, DeepCode apprend à partir de millions de projets pour réaliser des revues de codes automatiquement. Ainsi, elle permet d’identifier quasi immédiatement les lignes de code à risques et les failles de sécurité. Notons qu’elle est capable de réaliser cela sur de multiples langages de programmation.
Si l’étude du code est essentielle, elle reste complémentaire à la rédaction du code lui-même, et c’est une thématique également abordée par l’IA. Plusieurs acteurs, comme Tabnine[2] ou Codota[3], proposent des solutions d’autocomplétion intelligentes. L’autocomplétion fait aujourd’hui parti du quotidien d’une majorité de développeurs, mais n’est pas toujours pertinente dans ses recommandations. Grâce à l’IA, qui a lu et appris sur des millions de ligne de code, les nouvelles solutions offrent une autocomplétion riche, contextuelle et complète, permettant de rédiger des lignes entières instantanément. Le gain de productivité peut être phénoménal. Observant ces résultats, nous pouvons nous demander : si l’IA est à même de compléter du code si efficacement, peut-elle rédiger un programme par elle-même ?
C’est exactement à ce problème qu’IBM cherche à répondre via son projet CodeNet[4]. CodeNet se présente comme un jeu de données composé de 14 Millions de code exemples, soit près de 500 Millions de lignes de code sur 55 langages de programmation différents. Grâce à ce jeu de données, IBM cherche à offrir à ses équipes et à la communauté, les outils pour aborder et résoudre les verrous auquel est soumis l’IA dans sa quête vers la capacité à générer du code en autonomie.
La route est encore longue, mais les avancées de multiples acteurs et les efforts de la communauté scientifique laisse présager des perspectives prometteuses. Il faut s’attendre à voir ces IA faire la une des journaux dans les années à venir avec des exploits de génération de petits programmes.
Que les développeurs se rassurent, il faudra encore des dizaines d’années avant que l’IA soit à même de créer des codes complexes et de qualité ! D’autant plus qu’il est vraisemblable que, comme beaucoup de thématiques abordées par l’IA, cette dernière sera un complément pour les développeurs. Ces derniers devront néanmoins s’adapter à la révolution engendrée par l’IA.
[1] https://www.deepcode.ai/
[2] https://www.tabnine.com/
[3] https://www.codota.com/
[4] https://research.ibm.com/blog/codenet-ai-for-code
