/ 18.11.2024
Le fait que l’intelligence artificielle (IA) soit présente dans presque tous les domaines, y compris le développement de logiciels, ne surprend personne. Toutefois, de nombreux développeurs s’interrogent sur la précision de l’IA dans l’analyse des bogues ou sur sa capacité à gérer le contexte et les nuances propres à un projet. Quelles sont les limites de l’IA dans l’examen automatisé du code ? L’IA s’adapte-t-elle à des normes et pratiques de codage spécifiques ?
L’utilisation d’outils de codage de l’IA est en hausse. Dans une récente enquête StackOverflow de septembre 2024, 76 % des développeurs ont déclaré utiliser ou prévoir utiliser des outils de codage de l’IA, contre 70 % l’année précédente. Cependant, les développeurs sont divisés sur la question de savoir s’ils doivent faire confiance aux résultats de l’IA : 43 % ont une opinion raisonnable de la précision de l’IA, tandis que 31 % sont sceptiques. En effet, des suggestions incorrectes de l’IA peuvent conduire à des conclusions erronées, affectant de manière significative la fonctionnalité du projet.
De nombreux développeurs s’interrogent sur les avantages potentiels de l’utilisation de l’IA dans l’examen du code et sur les pièges à éviter.
Sommaire
Comprendre l’IA dans l’analyse du code
Imaginez que vous disposiez d’un assistant intelligent capable de vérifier automatiquement le code de votre logiciel pour y déceler d’éventuels problèmes ou domaines à améliorer. C’est ce que fait l’examen du code par l’IA. L’intelligence artificielle utilise des algorithmes d’apprentissage automatique et d’autres technologies pour développer de meilleurs logiciels et améliorer le processus d’analyse du code. Il peut s’agir de détecter automatiquement des erreurs ou de fournir des suggestions pour améliorer la qualité du logiciel.
Comment l’IA fonctionne-t-elle dans le contexte du processus d’examen du code ?
Le processus d’examen du code est fondamental, mais il peut prendre autant de temps que la mise en œuvre du code, parfois même plus. Compte tenu des limites de l’IA, la plupart des développeurs ne veulent pas faire confiance à 100 % aux outils de codage, et encore moins effectuer des processus de révision de code en tant qu’analyse avant de fusionner les demandes de téléchargement.
C’est pourquoi nous nous attacherons à analyser cette question d’un point de vue différent. Nous étudierons comment l’IA peut aider à comprendre le code existant ou à en tirer des enseignements.
Principaux avantages de l’IA sur le flux de travail de codage
L’utilisation d’outils de codage peut accroitre considérablement la productivité des développeurs. Les outils d’IA permettent aux développeurs de se concentrer sur l’innovation en automatisant les tâches fastidieuses et répétitives, ce qui leur laisse le temps de développer des solutions créatives.
1. Détection automatique des erreurs
L’une des caractéristiques remarquables de l’intelligence artificielle dans l’examen du code est sa capacité à détecter automatiquement les erreurs de codage et à fournir un retour d’information instantané, en particulier au stade de la compilation. Cependant, ce n’est pas tout à fait universel, car l’intelligence artificielle peut ne pas tenir compte de la modification de l’état d’une application lorsqu’elle change d’état.
2. Vérification du style et de la cohérence du code
Les outils d’IA peuvent faire respecter les normes de codage en vérifiant le style et le formatage du code. Ils peuvent signaler les incohérences afin que tout le monde suive les mêmes lignes directrices, ce qui est particulièrement utile dans les environnements où plusieurs développeurs travaillent sur le même projet. Pour que cela fonctionne correctement, l’équipe doit décider d’un style de codage standard, qui sera ensuite utilisé dans les messages-guides, ou alors le modèle utilisé sera formé au style de codage ainsi défini.
3. Suggestions de remaniement basées sur l’intelligence artificielle
Le rôle du développeur est d’identifier la cible potentielle et la direction du remaniement. Pour ce faire, le code peut être optimisé à l’aide d’outils basés sur l’intelligence artificielle. Ces outils peuvent être utilisés pour analyser le code plus en profondeur, par exemple en posant des questions telles que « Quel modèle de conception vaut la peine d’être utilisé ici pour rendre l’ajout de fonctionnalités plus intuitif ? » Dans une telle situation, l’IA peut suggérer des options de remaniement qui amélioreront les performances ou la lisibilité du code.
4. Reconnaissance des modèles de conception
L’intelligence artificielle excelle dans la reconnaissance des formes, ce qui peut également s’appliquer au code. En analysant les décisions de codage antérieures et leur impact, l’intelligence artificielle peut aider à prédire les meilleures approches pour le nouveau code en faisant des recommandations basées sur des données historiques. Cela peut conduire à une prise de décision plus éclairée et à des résultats de meilleure qualité.
Défis et limites de l’intelligence artificielle dans les revues de code
Si l’intelligence artificielle offre de nombreux avantages, il est nécessaire d’en reconnaitre les défis et les limites. Malgré les avantages de l’IA, l’examen humain du code reste essentiel pour comprendre les nuances et les intentions qui se cachent derrière le code. Examinons-en quelques-unes.
- Type d’environnement de développement
Dans le contexte de l’intégration de l’intelligence artificielle dans le processus d’analyse du code, l’environnement de développement joue un rôle important. Les outils de code IA tels que GitHub Copilot sont de plus en plus populaires parmi les développeurs. Cependant, beaucoup d’entre eux utilisent IntelliJ et JetBrains, mais ils ont des limitations liées à la disponibilité de certaines fonctionnalités, que Copilot fournit dans les dernières versions.
Pour en savoir plus sur le rôle de l’outil GitHub Copilot, consultez l’article : Comment Microsoft Github Copilot facilite-t-il le travail des développeurs ?
Les outils d’IA tels que GitHub Copilot prennent en charge plusieurs langages de programmation, ce qui les rend polyvalents pour divers environnements de codage.
- Limite la taille du contexte
Les outils d’IA ont des limites liées à la taille du contexte qu’ils peuvent analyser. Dans Visual Studio Code, la fonction Workspaces, qui permet d’ajouter un contexte à un projet, est essentielle. Un espace de travail peut couvrir l’ensemble du projet, ce qui permet de fournir davantage d’informations pour l’analyse. IntelliJ, quant à lui, fonctionne sur la base des fenêtres ouvertes, qui s’ajoutent automatiquement au contexte, et les fichiers peuvent également être ajoutés manuellement.
Cependant, pour les grands projets, l’ajout de plusieurs fichiers devient inefficace et peut entrainer des problèmes de taille de contexte, ce qui est une limitation des LLM (Large Language Models). Par exemple, Chat GPT-based Copilot a une limite de 32 000 tokens, alors que Gemini supporte 2 millions de tokens. Les limitations du nombre de tokens posent de sérieux problèmes dans l’analyse linguistique basée sur le texte.
- Nécessite les instructions du programmeur
L’IA peut ne pas être en mesure de fournir une image complète si le programmeur ne peut pas définir clairement ce qu’il veut obtenir. Pour cela, il faut que l’utilisateur comprenne et soit capable de formuler des requêtes appropriées.
Copilot dispose d’une option « Explication » qui permet d’expliquer le fonctionnement du code, mais nécessite des instructions claires. Alors que Copilot fonctionne bien avec du code simple et qu’il est plus à même de déduire les travaux antérieurs de l’utilisateur, les outils d’analyse de code tels que Chat GPT, Gemini et Claude.ai sont bien plus performants en ce qui concerne l’analyse du code.
Lorsque la structure et l’architecture d’un projet sont claires, vous pouvez inclure efficacement des fichiers à analyser. Les problèmes commencent dans les projets avec une architecture microservices ou lorsqu’il y a de nombreuses dépendances internes, ce qui rend difficile la création d’un contexte d’analyse.
- Créativité limitée
L’intelligence artificielle n’a pas la créativité et l’intuition des programmeurs expérimentés. Il peut être difficile pour les outils d’intelligence artificielle de comprendre pleinement les dépendances complexes dans le code, en particulier dans les projets présentant des problèmes potentiels tels qu’une mauvaise architecture ou de nombreuses dépendances internes. Cela peut conduire à une situation où l’intelligence artificielle ne peut pas fournir de recommandations ou d’analyses valables.
- Inquiétudes concernant la protection de la vie privée et les vulnérabilités en matière de sécurité
Bien qu’il existe de nombreux outils d’analyse de la sécurité, la plupart d’entre eux n’utilisent pas l’IA, car il est difficile de détecter efficacement les vulnérabilités avec cette technologie.
Les développeurs expérimentés préfèrent utiliser des bibliothèques spécialisées, telles que SonarQube, qui contrôlent la qualité du code, le nombre de tests et identifient les vulnérabilités potentielles des bibliothèques utilisées.
- Inquiétudes quant à la cohérence des solutions créées
GitHub Copilot s’appuie largement sur la structure actuelle et peut interpréter correctement le style de développement de code d’un programmeur donné. La programmation étant un travail hautement créatif, l’IA doit disposer de toutes les informations dont nous avons besoin dans le contexte du projet, ainsi que de l’équipe. Ce faisant, nous minimisons les risques associés à la mise en œuvre de différentes manières de résoudre les mêmes problèmes dans un projet. Ainsi, nous nivelons la complexité cognitive des solutions que nous créons.
Meilleure utilisation de l’IA dans le contexte de la qualité du code
Dans le contexte de l’application de l’IA au travail, il est crucial de comprendre l’architecture d’un projet et d’en saisir les éléments les plus importants. Les outils d’IA permettent aux développeurs d’identifier plus efficacement l’architecture et les modèles de conception. Cependant, il existe un risque de se concentrer sur des détails moins importants, ce qui peut conduire à une analyse erronée.
Il est essentiel de déterminer précisément ce que l’on veut obtenir et ce qui est pertinent pour le projet avant d’utiliser l’IA. Donner des informations à un outil d’IA sans y avoir réfléchi peut conduire à des illusions quant à la qualité des réponses, c’est pourquoi une vérification supplémentaire est nécessaire. Bien que les outils de code d’IA puissent aider à suggérer des solutions pour des modèles spécifiques, il faut veiller à ne pas les sortir de leur contexte.
Les outils d’IA fonctionneront bien lorsqu’ils seront appliqués dans le contexte des différentes couches du système, telles que la sécurité, l’authentification ou la surveillance, plutôt que comme une solution globale pour l’ensemble de l’application.
L’IA peut examiner le code avec précision dans des scénarios bien définis, mais peut négliger des subtilités qui nécessitent une compréhension approfondie du contexte ou de l’intention, domaines dans lesquels l’expertise humaine est cruciale.
Utilisation efficace de l’IA par des développeurs expérimentés
Les développeurs expérimentés perçoivent la valeur des outils d’IA lorsqu’ils atteignent leurs objectifs, en particulier lorsqu’ils écrivent du code — un processus facile à mesurer et à comprendre.
L’utilisation d’outils d’IA n’est pas une mauvaise chose, mais il est essentiel d’utiliser le temps gagné sur la génération de code pour en comprendre le fonctionnement. Les outils d’IA qui prennent en charge les commandes en langage naturel permettent aux développeurs d’interagir avec le code d’une manière plus intuitive et plus humaine. Le plus grand danger réside dans les solutions que les utilisateurs ne comprennent pas, ce qui peut entrainer des problèmes, en particulier pour les développeurs inexpérimentés. Chaque organisation devrait envisager d’introduire l’IA pour travailler avec ces personnes, car la responsabilité de l’examen du code incombe toujours aux personnes, et leur capacité à expliquer le code est cruciale.
Par conséquent, l’IA devrait être un outil pour ces professionnels, pour lesquels l’IA leur permettra de minimiser le temps passé sur le codage simple pour comprendre le processus d’affaires ou analyser des solutions alternatives. En effet, il arrive souvent que nous choisissions une solution (pas nécessairement la meilleure) parce que nous la connaissons. L’IA permet d’analyser plus finement le potentiel d’un projet en apportant une solution à laquelle on n’avait pas pensé.
Si vous souhaitez discuter de l’application de l’IA dans votre projet, nous sommes à votre disposition. Contactez-nous et nos développeurs expérimentés se feront un plaisir de répondre à vos questions.
