Quel rôle pour l’IA générative dans le développement informatique ?
(2023/04/13)
- Reference: 2023-04-13T06_24_26Z
- News link: https://www.toolinux.com/?ia-generative-developpement
- Source link:
Quel rôle pour l’IA générative dans le développement informatique ?
jeudi 13 avril 2023
L’audit et la création de code informatique font partie des capacités de l’IA générative appliquée au développement. L’occasion d’explorer ce qu’est l’IA générative, comment elle fonctionne et quel est son potentiel pour les développeurs, en nous basant sur les annonces récentes de Github en la matière.
IA générative : de quoi on parle ?
L’IA générative fait référence à une catégorie de modèles et outils d’IA conçus pour créer de nouveaux contenus , tels que du texte, des images, des vidéos, de la musique ou du code. On parle alors de développement avec IA générative.
GitHub Copilot X
Fin mars, Github [1]évoquait une évolution importante de GitHub Copilot, son outil de développement avec IA générative, basé sur le modèle Codex d’OpenAI (un descendant de GPT-3). [2]La solution agit littéralement comme une forme de binôme IA qui maintient les développeurs dans le flux en complétant automatiquement les commentaires et le code.
L’autocomplétion assistée par l’IA n’était en réalité que le point de départ de cette évolution. L’équipe R&D de GitHub confie ainsi avoir travaillé pour faire évoluer GitHub Copilot vers un assistant IA plus facilement accessible tout au long du cycle de développement, [3]GitHub Copilot X ,
Ce dernier adopte non seulement le nouveau modèle GPT-4 d’OpenAI, mais avec des fonctionnalités avancées de discussion (chat) et de voix pour répondre aux questions des développeurs sur leurs projets.
GitHub Copilot Chat reconnaît le code tapé par le développeur, les messages d’erreur affichés, et il est profondément intégré à l’IDE. Un développeur peut obtenir une analyse approfondie et des explications sur ce que les blocs de code sont censés faire, générer des tests unitaires et même obtenir des propositions de correction de bogues.
À terme, GitHub Copilot suggérera automatiquement des phrases et des paragraphes au fur et à mesure que les développeurs créent des demandes d’extraction en tirant dynamiquement des informations sur les changements de code.
Conformité générative basée sur l’IA
Pour répondre aux interrogations des développeurs, Github [4]a publié cette semaine un article détaillé sur la conformité générative basée sur l’IA pour le développement de logiciels . L’occasion d’explorer le potentiel de l’IA générative pour optimiser et automatiser certains des composants de conformité fondamentaux de la séparation des tâches que de nombreuses entreprises gèrent et examinent encore souvent manuellement.
L’un des composants clés de tout programme de conformité est l’examen du code. Le fait d’avoir un ensemble distinct d’yeux objectifs qui examinent votre code, qu’il s’agisse d’humains ou d’IA, permet de s’assurer que les risques, la dette technologique et les vulnérabilités de sécurité sont détectés et atténués le plus tôt possible.
Les analyses de code permettent de mettre en œuvre le concept de séparation des tâches, puisqu’elles interdisent à une seule personne ou à une seule fonction, un seul compte ou un seul processus de faire passer le code à la partie suivante de votre flux de travail de livraison. En outre, ce que l’on appelle code review permet de séparer les tâches pour les flux de travail Infrastructure as Code (IaC), les configurations Policy-as-Code et même les déploiements déclaratifs Kubernetes.
Ici, l’IA générative est exploitée pour rendre plus fluides et conviviales des opérations qui ont toujours été exigeantes en termes de main-d’œuvre et de temps. L’IA générative peut ainsi aider à mettre en œuvre les approches DevOps et cloud native pour la séparation des tâches en automatisant les tâches fastidieuses et en permettant aux développeurs (humains) de se concentrer sur des tâches à valeur ajoutée.
L’aide d’IA générative peut également être disponible pour fournir un regard objectif sur vos demandes d’extraction. C’est précisément ce que propose GitHub Copilot for Pull Requests . Des balises alimentées par l’IA sont intégrées dans la description d’une demande d’extraction et remplies automatiquement par GitHub Copilot sur la base du code que les développeurs ont modifié.
Prochaines étapes
Pour Github, l’IA générative permettra aux développeurs et aux entreprises d’une part, de réduire les tâches manuelles, de l’autre, de se concentrer leur créativité sur la valeur tout en restant dans le flux : « La capacité future de l’IA générative à aider les équipes en automatisant les tâches fastidieuses aidera les humains à se concentrer sur un travail à plus grande valeur ajoutée . »
[5]
[1] https://github.blog/2023-03-22-github-copilot-x-the-ai-powered-developer-experience/
[2] https://github.com/features/copilot/
[3] https://github.com/features/preview/copilot-x
[4] https://github.blog/2023-04-11-generative-ai-enabled-compliance-for-software-development/
[5] https://www.toolinux.com/?ia-generative-developpement#forum
jeudi 13 avril 2023
L’audit et la création de code informatique font partie des capacités de l’IA générative appliquée au développement. L’occasion d’explorer ce qu’est l’IA générative, comment elle fonctionne et quel est son potentiel pour les développeurs, en nous basant sur les annonces récentes de Github en la matière.
IA générative : de quoi on parle ?
L’IA générative fait référence à une catégorie de modèles et outils d’IA conçus pour créer de nouveaux contenus , tels que du texte, des images, des vidéos, de la musique ou du code. On parle alors de développement avec IA générative.
GitHub Copilot X
Fin mars, Github [1]évoquait une évolution importante de GitHub Copilot, son outil de développement avec IA générative, basé sur le modèle Codex d’OpenAI (un descendant de GPT-3). [2]La solution agit littéralement comme une forme de binôme IA qui maintient les développeurs dans le flux en complétant automatiquement les commentaires et le code.
L’autocomplétion assistée par l’IA n’était en réalité que le point de départ de cette évolution. L’équipe R&D de GitHub confie ainsi avoir travaillé pour faire évoluer GitHub Copilot vers un assistant IA plus facilement accessible tout au long du cycle de développement, [3]GitHub Copilot X ,
Ce dernier adopte non seulement le nouveau modèle GPT-4 d’OpenAI, mais avec des fonctionnalités avancées de discussion (chat) et de voix pour répondre aux questions des développeurs sur leurs projets.
GitHub Copilot Chat reconnaît le code tapé par le développeur, les messages d’erreur affichés, et il est profondément intégré à l’IDE. Un développeur peut obtenir une analyse approfondie et des explications sur ce que les blocs de code sont censés faire, générer des tests unitaires et même obtenir des propositions de correction de bogues.
À terme, GitHub Copilot suggérera automatiquement des phrases et des paragraphes au fur et à mesure que les développeurs créent des demandes d’extraction en tirant dynamiquement des informations sur les changements de code.
Conformité générative basée sur l’IA
Pour répondre aux interrogations des développeurs, Github [4]a publié cette semaine un article détaillé sur la conformité générative basée sur l’IA pour le développement de logiciels . L’occasion d’explorer le potentiel de l’IA générative pour optimiser et automatiser certains des composants de conformité fondamentaux de la séparation des tâches que de nombreuses entreprises gèrent et examinent encore souvent manuellement.
L’un des composants clés de tout programme de conformité est l’examen du code. Le fait d’avoir un ensemble distinct d’yeux objectifs qui examinent votre code, qu’il s’agisse d’humains ou d’IA, permet de s’assurer que les risques, la dette technologique et les vulnérabilités de sécurité sont détectés et atténués le plus tôt possible.
Les analyses de code permettent de mettre en œuvre le concept de séparation des tâches, puisqu’elles interdisent à une seule personne ou à une seule fonction, un seul compte ou un seul processus de faire passer le code à la partie suivante de votre flux de travail de livraison. En outre, ce que l’on appelle code review permet de séparer les tâches pour les flux de travail Infrastructure as Code (IaC), les configurations Policy-as-Code et même les déploiements déclaratifs Kubernetes.
Ici, l’IA générative est exploitée pour rendre plus fluides et conviviales des opérations qui ont toujours été exigeantes en termes de main-d’œuvre et de temps. L’IA générative peut ainsi aider à mettre en œuvre les approches DevOps et cloud native pour la séparation des tâches en automatisant les tâches fastidieuses et en permettant aux développeurs (humains) de se concentrer sur des tâches à valeur ajoutée.
L’aide d’IA générative peut également être disponible pour fournir un regard objectif sur vos demandes d’extraction. C’est précisément ce que propose GitHub Copilot for Pull Requests . Des balises alimentées par l’IA sont intégrées dans la description d’une demande d’extraction et remplies automatiquement par GitHub Copilot sur la base du code que les développeurs ont modifié.
Prochaines étapes
Pour Github, l’IA générative permettra aux développeurs et aux entreprises d’une part, de réduire les tâches manuelles, de l’autre, de se concentrer leur créativité sur la valeur tout en restant dans le flux : « La capacité future de l’IA générative à aider les équipes en automatisant les tâches fastidieuses aidera les humains à se concentrer sur un travail à plus grande valeur ajoutée . »
[5]
[1] https://github.blog/2023-03-22-github-copilot-x-the-ai-powered-developer-experience/
[2] https://github.com/features/copilot/
[3] https://github.com/features/preview/copilot-x
[4] https://github.blog/2023-04-11-generative-ai-enabled-compliance-for-software-development/
[5] https://www.toolinux.com/?ia-generative-developpement#forum