Outils d’assistance au code pour les développeurs

Introduction

Dans le chapitre Le prompt engineering au service des métiers de l’IT, nous avons exploré les fondamentaux du prompt engineering et son application concrète dans le domaine de l’IT à l’aide d’IA telles que ChatGPT, Mistral, AI, Gemini et tant d’autres cités.

À présent, nous allons nous concentrer sur ces nouveaux outils qui révolutionnent le quotidien des développeurs : les assistants IA pour la création de code.

Nous reviendrons dans un premier temps sur les capacités de ces assistants, les nouvelles opportunités de travail pour les développeurs et comment s’intègre l’intelligence artificielle générative dans l’environnement de travail du développeur.

Le premier volet de ce chapitre sera tout d’abord consacré à définir le rôle de ces assistants et les cas d’usages associés.

Dans le second volet de ce chapitre, nous analyserons une à une les principales solutions du marché avant de vous en proposer une analyse comparative mettant en évidence leurs forces respectives ainsi que leurs particularités techniques, et surtout leur impact concret sur la productivité des développeurs.

Nous ferons un zoom sur les possibilités offertes par GitHub Copilot, à commencer par son installation jusqu’à...

Qu’est-ce qu’un assistant de code IA ?

Les assistants d’aide au développement basés sur l’IA sont des outils, disons-le d’entrée, « très avancés ».

Ces outils ont pour vocation d’optimiser le flux de travail des développeurs et de simplifier leur quotidien en automatisant certaines tâches complexes et considérées comme chronophages.

En exploitant les capacités de l’intelligence artificielle générative, ces assistants offrent des suggestions de code pertinentes, automatisent la saisie et permettent de produire un code davantage clair, robuste et performant. Grâce à leur capacité d’analyse avancée, ils sont capables d’examiner en profondeur le code source, de détecter et corriger les erreurs, et même de générer du code dans une grande variété de langages, selon les solutions ou plateformes choisies bien évidemment.

Lorsque ces outils sont intégrés à des environnements de développement intégrés (IDE), ils contribuent à améliorer considérablement la productivité des développeurs, à minimiser les erreurs et à accélérer le cycle de vie du développement logiciel.

Parmi les principaux atouts de ces outils, nous pouvons prendre en exemple ces cas d’usage :

1. Suggestions de code intelligentes et contextuelles

Les assistants IA analysent le code en temps réel pour proposer des recommandations adaptées au contexte. Ils permettent :

De Notepad++ à IntelliJ IDEA avec GitHub Copilot

Afin de bien appréhender le rôle de l’intelligence artificielle dans le quotidien des développeurs, revenons brièvement sur les fondamentaux des environnements de développements intégrés (Integrated Development Environment en anglais). 

Nous vous proposons dans cette section d’en retracer brièvement l’histoire et de comprendre comment nous sommes passés en deux décennies d’un simple éditeur de texte permettant d’éditer du code HTML à des IDE très avancés, augmentés par l’intelligence artificielle et offrant de nouvelles opportunités d’automatisation en simplifiant considérablement de nombreuses tâches du processus de développement.

On parle alors de développeur augmenté.

L’évolution des éditeurs de texte apparus dans les années 1990 vers des environnements de développement intégrés (IDE) sophistiqués, dans le début des années 2000, est révélatrice de cette progression. Cette section examine cette transition, en soulignant les avantages et limites de chaque étape sur le chemin de la productivité sans toutefois négliger la qualité.

Nous verrons à travers cette section que ces nouveaux compagnons n’ont pas vocation à remplacer les développeurs, mais bien à les accompagner dans un souci d’efficience, de qualité des livrables et de productivité, là aussi augmentée.

« L’augmentation des développeurs » n’exclut toutefois pas le contrôle du livrable en sortie, qu’il soit qualitatif ou quantitatif. C’est une exigence, un enjeu essentiel à...

Quelles options pour les développeurs ?

Dans cette section, nous vous proposons d’explorer l’impact grandissant des assistants au code basés sur l’IA à travers les principales solutions du marché qui, vous allez le constatez, sont susceptibles de prendre des formes différentes.

Loin de remplacer le développeur, ces technologies émergentes se présentent comme des assistants intelligents.

Nous analyserons leurs avantages et leurs limites, avec un zoom tout particulier sur la solution GitHub Copilot ainsi que les implications de leur adoption sur le métier de développeur et l’avenir du développement logiciel.

Zoom sur la solution : GitHub Copilot

Revenons dans cette section sur le produit qui fait dans parler dans les Open Space et les populations de développeurs.

GitHub Copilot est un plugin, c’est une extension qui vient prendre place dans votre éditeur de code (IDE). Le produit est développé conjointement par GitHub et la société OpenAI fondée par les non moins célèbres Sam Altman et Elon Musk.

Cet outil est tout simplement révolutionnaire, jugez plutôt :

GitHub Copilot utilise une vaste base de données open source et des algorithmes d’apprentissage automatique pour comprendre le contexte du code dans votre IDE et fournir des suggestions de lignes ou blocs de code au fur et à mesure que vous tapez. Nous pouvons raisonnablement le qualifier d’assistant haut de gamme pour les développeurs.

Sa mission est sur le papier plutôt simple : améliorer l’expérience des développeurs en aidant ces derniers à écrire du code plus rapidement et plus efficacement.

GitHub Copilot propose des fonctionnalités majeures comme la complétion de code, la génération de blocs de code à partir de commentaires mais également bien entendu la génération de commentaires à partir de blocs de code.

Ce qui est intéressant c’est que GitHub Copilot s’adapte à votre style de codage et à vos préférences en apprenant de votre base de code et du contexte technique dans lequel il se situe. Il saura se situer dans le paradigme de programmation utilisé poussant toujours plus loin l’expérience de compagnon assistant.

L’outil peut également fonctionner avec du texte brut, en créant des suggestions basées uniquement sur le contexte du fichier. Il réside toutefois quelques défauts puisque ses recommandations ne sont pas toujours exactes, gardez toujours à l’esprit que vous devez porter attention au code généré et contrôler, vérifier, valider le code suggéré et ce, quelle que soit l’intelligence artificielle avec laquelle vous souhaitez travailler. Nous le verrons tout au long du chapitre La documentation de code avec l’IA générative.

En effet, GitHub Copilot ne teste...

Les étapes d’adoption de GitHub Copilot : mesurer l’impact pour les développeurs

Alors que l’utilisation des assistants d’intelligence artificielle pour les développeurs s’est répandue comme une traînée de poudre dans les systèmes d’information ces derniers mois, les métriques d’ingénierie n’ont, quant à elles, pas suivi le même rythme.

De nombreuses équipes et organisation s’appuient sur des enquêtes anecdotiques et des arguments commerciaux pour foncer tête baissée dans le déploiement de ces outils sans en mesurer les impacts.

L’IA au service des professionnels de l’IT c’est un investissement aussi bien humain que financier que vous devez considérer. Celui-ci doit être quantifié, on parle alors de métriques d’adoption.

Chaque organisation devrait être en capacité de répondre à ces questions critiques :

Construisez-vous des applications de manière plus efficace depuis l’adoption de l’IA dans vos équipes ?

Pour cela, vous allez devoir comparer et quantifier le temps d’un cycle ou toute autre métrique opérationnelle pour quantifier la différence d’efficacité entre les équipes utilisant l’IA et celles qui ne l’utilisent pas.

Par exemple, l’équipe d’ingénierie de Helsinki a constaté que le temps de cycle pour les ingénieurs utilisant GitHib Copilot était jusqu’à 40 % plus rapide que pour ceux qui ne l’utilisaient.

Vos initiatives sont-elles plus prévisibles ?

En examinant les livrables en cours et terminés, un Scrum Master ou Tech Lead peut, par exemple, déterminer si son équipe surpasse systématiquement les attentes sur les projets assistés par IA et livre ainsi de la valeur produit plus rapidement.

Vous concentrez-vous davantage sur ce qui compte désormais ?

Vous devez appréhender l’avant/après. Notamment sur les activités fastidieuses pour comprendre comment l’élimination des tâches répétitives augmente l’effort consacré aux travaux à forte valeur ajoutée.

Comment les opérations d’ingénierie...

Finalement, quel assistant de code choisir ?

Vous l’aurez compris dans la lecture de ce chapitre, les assistants IA sont devenus des outils indispensables pour les développeurs, offrant une amélioration significative de la productivité et de la qualité du code.

Le marché est actuellement dominé par plusieurs acteurs majeurs tels que ceux mentionnés précédemment, chacun apportant sa propre vision de l’assistance au développement. GitHub Copilot, propulsé par GPT-4, s’est imposé comme la référence en matière de génération de code. Son intégration native avec l’écosystème GitHub et sa capacité à comprendre le contexte global des projets en font un outil particulièrement puissant pour les équipes de développement établies.

Amazon CodeWhisperer représente une alternative solide, particulièrement pertinente dans l’univers AWS. Sa gratuité pour les utilisateurs Amazon et son optimisation pour les services cloud AWS en font un choix naturel pour les entreprises déjà ancrées dans cet écosystème. La sécurité renforcée et la détection avancée des vulnérabilités constituent des atouts majeurs de cette solution.

L’arrivée de Gemini Code Assist de Google bouleverse tout autant les équilibres établis. Cette solution offre des capacités avancées de compréhension contextuelle et s’intègre parfaitement dans l’écosystème Google Cloud. Son modèle d’IA...

Conclusion

L’introduction des assistants IA au code dans l’écosystème du développement logiciel représente bien plus qu’une simple évolution technologique, il s’agit d’une révolution profonde dans la manière même de concevoir, d’écrire et de maintenir le code informatique.

Notre exploration approfondie des solutions actuelles, de GitHub Copilot à Gemini Code Assist en passant par Amazon CodeWhisperer et Replit, met en lumière une transformation fondamentale des pratiques professionnelles. Ces outils ont cessé d’être de simples aides ponctuelles pour devenir de véritables compagnons du processus de création logicielle.

Cette nouvelle génération d’assistants redéfinit les contours du métier de développeur à tous les niveaux d’expérience. Pour le junior, ils constituent un mentor infatigable, capable de suggérer des solutions instantanément tout en permettant l’apprentissage par l’exemple. Pour le développeur senior, ils se transforment en multiplicateur de productivité, automatisant les tâches répétitives et libérant ainsi du temps pour les problématiques complexes nécessitant une véritable expertise humaine.

La diversité des solutions disponibles est conséquente, chacune...