Pourquoi je parle peu d'IA ?

Posté le - A Propos Par Grafikart

Aujourd'hui, je voulais revenir sur ma ligne éditoriale et vous expliquer pourquoi je ne parle pas tant que ça d'IA générative sur la chaîne. Je précise tout de suite que le sujet n'est pas de savoir si l'IA est utile ou non pour les développeurs. Ici, je parle uniquement de la place que je veux lui donner dans mes contenus.

Sommaire

Comment parler d'IA ?

Pour moi, le principal problème, c'est que je n'ai pas aujourd'hui d'axe d'approche que je trouve vraiment intéressant pour évoquer l'IA. On peut en parler de plusieurs manières, mais aucune ne me semble suffisamment pertinente pour en faire un sujet régulier sur la chaîne.

L'approche technique

La première approche serait d'en parler d'un point de vue technique : expliquer comment fonctionne un modèle, ce que sont les tokens, les vecteurs, ou encore comment entraîner son propre modèle. Mais pour traiter ces sujets correctement, il faut des connaissances solides et surtout de l'expérience.

De mon côté, je suis développeur web, comprendre et maitriser ce sujet me prend déjà suffisamment de temps, et je ne suis ni data-scientist, ni ingénieur IA. Les connaissances que j'ai sur le fonctionnement des IA génératives viennent surtout d'autres contenus que j'ai pu consulter. Je ne me sens donc pas forcément pertinent pour aborder l'IA sous cet angle.

L'approche utilisateur

L'autre approche possible, c'est d'en parler comme utilisateur : ce que l'IA peut apporter à un développeur et comment on peut travailler avec au quotidien. Mais là aussi, j'ai une réserve car je trouve que l'IA est une des technologies les plus intuitives qui ait été créée et qu'elle ne nécessite justement pas un apprentissage important pour être utile.

Vous installez un outil comme Codex, Claude Code ou autre, vous avez un champ texte, vous tapez votre demande, et l'outil essaie de faire ce que vous lui demandez.

Il y a bien sûr des notions plus avancées, comme les skills, les goals, les boucles... Mais, ce ne sont au final pas des notions propres à l'IA. Ce sont des pratiques que l'on retrouve déjà lorsque l'on travaille en équipe.

La différence, c'est qu'au lieu d'écrire ce document pour un humain, on l'écrit pour une IA. Mais faire une vidéo sur "comment écrire un skill" reviendrait souvent à expliquer comment écrire un fichier Markdown pour décrire ce dont vous avez besoin. Je ne trouve pas ça forcément très pertinent. Je n'exclus pas de partager mon expérience un jour, mais pour l'instant je ne vois pas d'apprentissage majeur à transmettre sur ce point.

De plus, l'évolution des modèles tend vers une compréhension de plus en plus automatique des projets (comme avec les derniers modèles de Claude par exemple).

Il y a aussi un autre aspect important : l'IA n'est pas déterministe. Deux personnes peuvent utiliser le même outil et obtenir des résultats très différents. Il faut donc adapter son usage à ses besoins, à son projet et à ses propres expériences.

Si vous constatez que l’IA part dans la mauvaise direction, il faudra lui fournir davantage de contexte. Cela peut passer par la création de fichiers de documentation qui expliquent les conventions à respecter, l’architecture du projet ou encore les pratiques à éviter.

Il n’existe cependant pas de fichier universel qui fonctionnerait pour tous les projets. Son contenu dépendra de votre structure, de vos choix techniques et de vos propres conventions. L’approche est similaire aux guides de contribution que l’on retrouve dans certains projets open source : on documente la manière dont les choses doivent être faites.

Avec l’IA, le principe reste le même. Elle peut vous assister et appliquer les règles définies, mais c’est toujours à vous de choisir et de contrôler l’architecture du projet.

L'approche actualité

Le dernier type de contenu que l’on voit beaucoup concerne les annonces autour des nouveaux modèles et des nouveautés liées à l’IA. Le secteur est rythmé par une succession permanente de lancements et de promesses. Il y a une hype constante maintenu par les principaux acteurs qui cherchent naturellement à capter l’attention.

Le problème, c’est qu’il reste difficile de comparer objectivement les modèles. On se retrouve avec des benchmarks où quelques pourcents changent, sans que cela se traduise forcément par un écart significatif dans un usage réel. Si vous demandez à plusieurs développeurs quel modèle ils préfèrent, vous n'obtiendrez pas une réponse unanime prouvant que le côté subjectif lié aux habitudes et aux cas d’usage.

C’est pour cette raison que tester en vidéo chaque nouveau modèle ne m’intéresse pas particulièrement car je pense qu'il est nécessaire, pour se faire une opinion, de tester les modèles soit même dans son propre contexte, sur ses propres projets, afin de se faire une opinion adaptée à ses besoins.

Je n'ai pas envie de devenir une chaîne YouTube qui attend chaque nouveau modèle pour annoncer que c'est une révolution, pour refaire une vidéo deux semaines plus tard pour dire qu'il est finalement pas si bien, avant de recommencer avec le modèle suivant. Sauf changement majeur dans l'utilisation, je ne trouve pas ce type de contenu très intéressant.

Pourquoi continuer ?

On pourrait alors se demander pourquoi continuer à faire des tutoriels techniques si l'IA est capable d'expliquer des concepts complexes, de décomposer un problème et même d'écrire du code de manière autonome ?

Sans poule, pas d'oeuf

Le premier problème que j'ai avec cette réflexion et le manque de compréhension autour de l'entrainement. Si l'IA sait faire autant de chose aujourd'hui, c'est parce qu'elle a été entraînée sur le contenu de nombreux développeurs. Des personnes qui, comme moi, se sont donné du mal pour créer du contenu, vulgariser des notions, répondre sur des forumset partager du code.

Venir maintenant reprocher à ces même personnes de continuer à produire du contenu me semble donc assez malvenu. Surtout que si on s'imagine un futur asséché de tout contenu humain cela affectera irrémédiablement l'évoltuion des modèles aussi...

Il est donc bénéfique que des personnes continuent à faire des contenus techniques, à expliquer des sujets et à partager leurs connaissances. Cela donne aussi de la matière aux outils que vous utilisez.

La technique améliore l'utilisation de l'IA

Le second point, c'est que je reste persuadé qu'avoir des compétences techniques nous rend plus performants, même si on fait le choix de l'intelligence artificielle. Être compétent permet d'évaluer ce que l'IA propose, d'améliorer ses prompts, et de faire certains choix en amont (plutôt que de passer des heures en conversation pour arriver au même résultat).

Continuer à suivre des contenus techniques, découvrir de nouvelles architectures, et voir les problèmes à éviter reste donc important. Cela permet d'être un meilleur développeur, mais aussi d'améliorer les résultats obtenus avec l'IA. À l'inverse, si vous ne développez plus ces compétences, vous devenez complètement dépendant de ce que l'IA vous donne. Vous ne serez pas forcément capable d'évaluer les solutions techniques proposées et vous devrez lui faire une confiance aveugle ce qui peut être problématique sur le long terme.

Aussi, dans mes vidéos, je continuerai à écrire du code car cela me permet d'expliquer les concepts progressivement en même temps que je tape et c'est mieux pour la pédagogie. C'est par exemple pour cette raison que j'essaie d'utiliser peu de racourci clavier quand j'enregistre une vidéo, l'objectif est de permettre à un apprenant de comprendre ce que je fais et de pouvoir suivre.

Je n'écrit pas le code de la même manière en vidéo que dans mon activité freelance

Conclusion

C'est donc pour ces raisons qu'il risque d'y avoir assez peu de contenu autour de l'IA sur cette chaîne et ce site. Je reste persuadé que ce sont les compétences fondamentales qui nous rendent pertinents et efficace, même lorsque l'on choisit d'utiliser l'IA.

Aussi, je reste persuader que l'utilisation de l'IA ne nécessite pas de formations et des apprentissages complexes. C'est un outil intuitif par nature.