Des programmeurs gagnant plusieurs milliers par mois vont-ils être remplacés par l'IA ?
TechFlow SélectionTechFlow Sélection
Des programmeurs gagnant plusieurs milliers par mois vont-ils être remplacés par l'IA ?
De l'assistance à la rédaction autonome de code, l'IA pour le code a évolué vers un outil de codage « collaboratif » de niveau ingénierie.
Dédié à des analyses Web3 approfondies
Image source : Generated by Wujie AI
Les programmeurs ont créé l'IA, qui remplacera d'abord les programmeurs.
« La capacité de codage des grands modèles atteint désormais le niveau d’un programmeur expérimenté (au salaire mensuel de plusieurs dizaines de milliers de yuans). » a déclaré Ding Yu, responsable de la plateforme d'applications cloud natives d'Alibaba Cloud et responsable de Tongyi Lingma, à Guangzhui Intelligence.
En réalité, les outils d’IA pour le code ne sont pas une nouveauté ; ils ont commencé à être appliqués dès la précédente vague d’intelligence artificielle.
Mais auparavant, « les produits d’IA pour le code n’étaient que des outils d’assistance. Aujourd’hui, ils peuvent exécuter des projets complexes, modifier du texte long avec contexte étendu, ou accomplir indépendamment des tâches simples de codage. » a expliqué Zhang Tao, responsable technique de la famille Xiaohuanxing, produit d’IA de SenseTime, à Guangzhui Intelligence.
Passant de l’assistance à l’écriture autonome de code, l’IA pour le code est désormais un outil de codage collaboratif de niveau ingénierie.
Sur cette base, non seulement un nombre croissant d'entreprises utilisent des outils d’IA pour réduire les coûts et améliorer l’efficacité du développement logiciel, à partir de 2025, l’IA pourrait même remplacer les programmeurs intermédiaires.
Récemment, Mark Zuckerberg, fondateur de Meta, a déclaré : « En 2025, l’IA atteindra le niveau de programmation d’un ingénieur logiciel intermédiaire. » Meta commencera en 2025 à automatiser les tâches des ingénieurs logiciels intermédiaires, et finalement externalisera à l’IA toutes les activités de programmation de ses applications.
Ce n’est pas une exagération : actuellement, le taux de pénétration du code généré par l’IA dans les entreprises a déjà atteint un niveau stupéfiant.
Par exemple, plus de 25 % du nouveau code chez Google est généré par intelligence artificielle ; au sein de iFlytek, le taux d’adoption du code généré par l’IA est passé de 30 % en octobre 2023 à 52 % en juin 2024, tandis que le taux de couverture des lignes de test unitaire est passé de 30 % à 50 %.
Le domaine de l’IA pour le codage est devenu l’un des secteurs d’application les plus dynamiques des grands modèles, car « l’IA Coding (programmation par IA) constitue le scénario à la fois le plus fréquent, le plus nécessaire et le plus certain parmi les applications pratiques des grands modèles, un domaine validé par le PMF (Product-Market Fit). » a ainsi déclaré Ding Yu à Guangzhui Intelligence.
C’est pourquoi de plus en plus d’entreprises investissent dans ce domaine, avec des leaders technologiques comme Microsoft, Google, AWS, Alibaba, Baidu, etc., en première ligne. Cependant, face à tant de produits similaires, la concurrence devient homogène. Comment réussir à se démarquer ? Comment parvenir à une commercialisation à grande échelle ?
Du soutien à la collaboration active, l’IA devient vraiment votre collègue programmeur
En août 2024, la fille de Ricky Robinett, vice-président de l'entreprise américaine Cloudflare, une fillette de seulement 8 ans, a développé en 45 minutes un chatbot, attirant l’attention en ligne de 1,8 million d’internautes.
L’éditeur de code basé sur l’IA qu’elle a utilisé, Cursor, est devenu viral du jour au lendemain. Le secteur de l’IA pour le codage est redevenu un sujet central dans l’industrie.
Dans le monde entier, selon PitchBook, environ 250 startups ont lancé un assistant d’IA pour le codage. En Chine, les grands groupes internet comme Alibaba, Baidu, Tencent, ByteDance, les licornes telles que iFlytek et SenseTime, voire des startups spécialisées dans les grands modèles comme Zhipu AI, ont toutes lancé leurs propres produits.
L’apparition massive de produits d’IA pour le code s’explique par l’évolution substantielle des capacités offertes par les grands modèles aux outils d’IA.
Au début, ces outils pouvaient principalement effectuer des tâches simples, comme compléter automatiquement du code à partir des commentaires du programmeur ou signaler des erreurs pendant l’écriture.
Avec l’amélioration des capacités des grands modèles, les outils d’IA pour le code peuvent maintenant résoudre de plus en plus de problèmes, notamment entretenir et mettre à jour des projets existants, « et sont désormais capables d’accomplir certaines tâches de R&D de manière autonome », a déclaré Ding Yu.
Par exemple, les grands modèles linguistiques peuvent comprendre les instructions humaines en langage naturel et, selon le contexte du projet, accomplir automatiquement des tâches complexes de codage, y compris modifier simultanément plusieurs fichiers front-end et back-end, exécuter des scripts, rédiger des tests et déployer du code.
« Au départ, Tongyi Lingma apparaissait sous forme d’un assistant de codage, principalement là pour aider les programmeurs, en complétant automatiquement le code selon le contexte. » a dit Ding Yu. « Fin 2024, Tongyi Lingma a été mis à niveau vers sa version 2.0 sous forme de “programmeur IA”, devenant un assistant collaboratif capable de travailler conjointement avec les programmeurs humains, percevant l’ensemble du projet, modifiant plusieurs fichiers selon les tâches, réalisant ainsi un saut qualitatif de ses capacités. »
Le passage d’un outil d’IA pour le code à un véritable “programmeur IA” marque une transition : auparavant, la création du code était pilotée par l’humain, alors qu’à présent, c’est progressivement l’IA qui prend le relais, l’humain jouant surtout un rôle de supervision et de validation.
« Auparavant, c’était principalement l’humain qui écrivait le code, et l’IA aidait pour des tâches simples, prévisibles et répétitives. Désormais, à partir d’une description des besoins, l’IA peut comprendre et aider les programmeurs à accomplir des tâches de développement de complexité moyenne », a également souligné Zhang Tao.
Par ailleurs, grâce à l’évolution des grands modèles multimodaux et des grands modèles à raisonnement approfondi, les capacités des outils d’IA pour le code continuent de s’améliorer.
Le produit « Xiaohuanxing Office » de la famille Xiaohuanxing de SenseTime permet non seulement le traitement et l’analyse de données et la création de documents via un grand modèle, mais aussi la génération d’images de données et de fichiers PowerPoint, illustrant parfaitement cette capacité multimodale intégrée.
L’entrée multimodale est tout aussi importante : « Beaucoup de produits outils, s’ils ne permettent qu’une interaction textuelle, peinent à traduire précisément les besoins, car la formulation textuelle entraîne inévitablement une perte d’information. De plus, les limites actuelles des grands modèles en compréhension sémantique, ainsi que les hallucinations, restreignent la portée des outils d’IA pour le code. Entrer directement des images ou vidéos visuelles dans le grand modèle permet une exécution bien plus efficace des tâches », a expliqué Zhang Tao.
En outre, les grands modèles multimodaux permettent aux outils d’IA pour le code de réaliser de bout en bout, depuis la génération d’image à partir de texte jusqu’à la génération de code, des fonctionnalités full-stack.
Prenons l’exemple de la conception de site web : un designer peut créer un visuel d’interface front-end via une génération d’image à partir de texte, puis transmettre directement ce visuel à un grand modèle spécialisé en codage, qui le traduira en interface front-end, puis générera automatiquement le code back-end selon les fonctionnalités de l’interface.
« Actuellement, l’IA pour le codage peut accomplir des tâches complexes, supprimant les asymétries de compétences techniques. Par exemple, elle peut générer de manière intégrée le front-end et le back-end, brisant ainsi le mode traditionnel de collaboration séparée entre spécialistes front-end et back-end, augmentant considérablement l’efficacité. » a affirmé Ding Yu. « Et après génération, l’IA peut aussi aider à produire automatiquement les tests, et renvoyer finalement les résultats corrigés suite aux tests. »
Cependant, bien que l’IA puisse désormais générer du code de manière autonome, en pratique, ce code ne fonctionne pas toujours du premier coup et contient souvent de nombreux bogues.
Un doctorant en IA à l’Université de Zhejiang, Chen Rong (nom fictif), a confié à Guangzhui Intelligence : « Les codes un peu complexes comportent presque tous des bogues ; il est presque impossible de réussir du premier coup. D’un point de vue technique, on peut comprendre que le modèle traite le codage comme une tâche de traduction, produisant une séquence de code sans forcément tenir compte de l’environnement d’exécution. »
Les raisons principales sont doubles : d’une part, la plupart des humains ont du mal à décrire précisément leurs besoins réels, et même de nombreux programmeurs expérimentés doivent réviser leur code plusieurs fois durant le processus.
D’autre part, les grandes lacunes actuelles des grands modèles en compréhension sémantique, ainsi que les problèmes d’hallucination, limitent aussi la portée des outils d’IA pour le code. Ainsi, bien que “dans la fenêtre de contexte autorisée par le modèle, les grands modèles puissent comprendre des codes de l’ordre de dizaines de milliers de lignes, la limite des capacités de l’IA pour le code reste difficile à définir.” a ainsi déclaré Zhang Tao.
Tout comme les programmeurs humains doivent réviser et tester leur code plusieurs fois, lors de la génération de code par IA, on peut réduire les bogues par une interaction multiround avec l’IA.
Ding Yu précise : « L’IA pour le codage ne génère pas un résultat final en une seule fois, mais aboutit à travers une itération multiround avec le grand modèle. Pendant cette collaboration de codage, il y a un processus continu de réflexion et d’exploration logique. Une fois que les résultats sont corrigés correctement après plusieurs interactions, l’IA peut procéder autonomément à la vérification des tests, au déploiement du code, accomplissant ainsi toute la durée de vie de la tâche. »
Bien que les outils actuels d’IA pour le code présentent encore certains défauts, un nombre croissant d’entreprises commencent à les adopter. Ces outils d’IA, à la fois bon marché et performants, améliorent non seulement l’efficacité de programmation des développeurs, mais permettent aussi aux entreprises de réduire les coûts et d’augmenter leur productivité.
Des “petits rouages” dans les grands projets : l’IA augmente l’efficacité des programmeurs de plus de 10 %
L’évolution apportée par les grands modèles aux outils d’IA pour le code abaisse davantage le seuil d’accès à la programmation.
Actuellement, l’IA peut coder de manière autonome dans trois types principaux de scénarios :
Le premier type concerne les petits produits, comme des assistants APP personnels liés à la vie quotidienne ;
Le deuxième type inclut les sites web axés sur le contenu, dont la quantité et la difficulté de code sont modérées, permettant à l’IA de réaliser le codage de façon autonome ;
Le troisième type concerne les outils bureautiques, comme l’édition de tableaux Excel ou la synthèse de données.
En pratique, ces scénarios impliquent globalement peu de code, une difficulté de développement modeste et des connaissances techniques limitées pour les développeurs.
On peut dire que les outils d’IA pour le code abaissent bien le seuil de la programmation, permettant à davantage de personnes sans compétence en codage d’y accéder et de développer elles-mêmes certaines fonctionnalités.
Mais, bien que ces outils abaissent le seuil d’entrée, ils exigent des programmeurs d’élever leur niveau de compétence, notamment dans le développement logiciel complexe ou celui de systèmes d’entreprise de grande envergure.
Un programmeur du secteur fintech, Xiao Xiao (nom fictif), a déclaré à Guangzhui Intelligence : « Pour un projet industrialisé d’entreprise, il est encore très difficile de le confier entièrement à l’IA. Les projets industrialisés impliquent de nombreux processus et nécessitent une collaboration interdépartementale, or l’IA ne peut pas avoir une vision d’ensemble. »
On constate clairement que, dans les entreprises, l’IA gère surtout les tâches fastidieuses et pénibles, tandis que les tâches globales et innovantes restent du ressort des programmeurs humains.
« Le travail du programmeur ne consiste pas seulement à produire un petit projet. Il manipule des codes de production complexes, avec un contexte de fichiers projet très dense et des relations de code très intriquées, et a ses propres exigences en matière de qualité du code », a ajouté Zhang Tao.
Cela signifie donc que, pour les programmeurs en entreprise, les outils d’IA pour le code restent surtout des aides, mais élèvent indirectement le niveau minimum requis des compétences, car les tâches simples et répétitives sont désormais largement prises en charge par l’IA.
« Si vous demandez à l’IA de générer directement les 100 000 fichiers de code pour toutes les opérations bancaires, elle en serait actuellement incapable », a reconnu Ding Yu. « Dans les grands projets d’entreprise, l’IA pour le codage commence nécessairement par de petites tâches, en trouvant un angle spécifique, comme implémenter un module fonctionnel ou repérer une faille de sécurité dans un projet de code d’un million de lignes. Là, l’IA peut être très précise et rapide. »
Par ailleurs, tout le monde dans le secteur sait que, pour les grands projets d’entreprise, le plus redouté est l’incertitude du système : une faille peut entraîner des pertes colossales en ressources et finances.
C’est pourquoi, selon Ding Yu : « Les grands projets nécessitent toujours que des programmeurs humains maîtrisent l’incertitude du processus de développement logiciel, comme la conception architecturale ou la modélisation métier. Ils doivent décomposer les éléments déjà déterminés — comme le développement de modules, la recherche de failles de sécurité, la complétion de cas de test — puis les confier à l’IA, afin que celle-ci exécute ces tâches déterministes selon les instructions humaines. »
Bien que jouant un rôle d’assistance, les outils d’IA pour le code apportent aux développeurs et aux entreprises une amélioration concrète de l’efficacité.
Prenons l’exemple d’Alibaba Cloud : tous les techniciens utilisent actuellement Tongyi Lingma, avec un taux d’utilisation mensuelle active supérieur à 82 %. Chaque jour, le code généré par l’IA représente plus de 30 % du volume total de code soumis. À partir de ces chiffres, on peut estimer grossièrement que l’IA améliore l’efficacité des développeurs d’environ 17,5 %, soit, en étant prudent, entre 10 % et 15 %.
« C’est pourquoi chaque fois que je rencontre des responsables d’entreprise, j’insiste sur le fait que Tongyi Lingma permet d’augmenter la productivité des équipes d’ingénieurs de plus de 10 % », a déclaré Ding Yu. « Autrement dit, si une entreprise dispose de 100 ingénieurs utilisant Tongyi Lingma, elle obtient une productivité supplémentaire équivalente à celle de 10 ingénieurs. »
De plus, les programmeurs humains sont spécialisés : front-end, back-end, etc. Si l’on veut qu’un développeur back-end prenne en charge un travail de front-end, cela nécessiterait une formation longue et intensive, et il ne pourrait pas immédiatement assumer les tâches d’un programmeur front-end.
Mais avec un outil d’IA pour le code, un programmeur peut simplement poser une question à l’IA pour apprendre facilement les connaissances de développement sur différentes plateformes linguistiques et s’adapter rapidement. « Avant, un projet pouvait prendre deux ou trois semaines de recherche préalable ; maintenant, on peut le réaliser en deux ou trois jours, permettant aux employés d’atteindre une croissance de 1 à N en compétences », a expliqué Ding Yu.
Bien sûr, l’IA peut aussi aider les programmeurs humains à accomplir davantage de tâches répétitives, comme la rédaction de tests — un travail que beaucoup de développeurs détestent, jugé peu créatif, mais pourtant indispensable.
Les outils d’IA pour le code peuvent utiliser le code écrit par le programmeur comme indicateur et générer automatiquement des tests unitaires, libérant véritablement les développeurs pour qu’ils consacrent leur temps à des tâches plus créatives.
En outre, pour les entreprises, au-delà des gains explicites, il existe des avantages implicites : les outils d’IA pour le code permettent de maintenir plus facilement la haute qualité et la stabilité à long terme des systèmes logiciels. Non seulement ils complètent les tests unitaires, mais ils détectent aussi automatiquement les failles de sécurité et proposent des corrections, améliorant ainsi la qualité tout en raccourcissant les délais de livraison.
Encore plus intéressant : grâce à l’utilisation d’outils externes, la capacité de codage de l’IA commence à dépasser progressivement celle des programmeurs intermédiaires. L’un des points forts du modèle sous-jacent de Xiaohuanxing de SenseTime est justement son renforcement de la capacité d’interpréteur de code, permettant au modèle d’effectuer lui-même des itérations de débogage.
« Dans les projets complexes, la simple génération de code par raisonnement du grand modèle a un faible taux de succès initial, généralement inférieur à 20 %. » a déclaré Zhang Tao. « Mais Xiaohuanxing Office, basé sur une solution d’interpréteur de code, atteint près de 80 % de taux de réussite pour des tâches courantes comme les graphiques. »
Le secteur de l’IA pour le codage commence à se différencier : l’innovation dans des scénarios précis détermine le succès
L’IA pour le codage est désormais une direction validée par le PMF, ce qui attire de nombreux acteurs et provoque une prolifération de produits homogènes.
Actuellement, sur le marché chinois, de nombreuses entreprises — grands groupes internet, PME, startups spécialisées dans les grands modèles — ont lancé leurs produits d’IA pour le code, tels que Tongyi Lingma d’Alibaba Cloud, Wenxin Kuaima de Baidu, Douba MarsCode de ByteDance, l’assistant d’IA pour le code de Tencent Cloud, CodeGeeX de Zhipu AI, etc.
Bien qu’il existe de nombreux produits, leurs fonctionnalités offertes ne diffèrent guère. « Le marché est actuellement très homogène, les fonctionnalités sont essentiellement similaires, car les produits de programmation visent tous à résoudre les mêmes problèmes des utilisateurs », a déclaré Zhang Tao.
Cependant, avec l’évolution technologique des grands modèles, le secteur de l’IA pour le codage entre désormais dans une phase intermédiaire de “différenciation”. « Concernant actuellement ce secteur, différentes approches commencent à émerger », a ajouté Zhang Tao.
Des produits comme Cursor, capables de programmer des tâches complètes via un IDE open source modifié, ou comme Bolt.new, utilisable sous forme d’outil en ligne où l’utilisateur décrit ses besoins et l’IA développe la page web, mais limité aux technologies front-end, illustrent cette diversité.
Actuellement, on observe clairement que chaque produit commence à trouver son propre créneau spécifique et construit ses avantages distinctifs, poursuivant un développement différencié : certains excellent dans le développement web, d’autres dans la modification de code sur des projets existants, d’autres encore dans le développement d’outils simples ou de tâches low-code.
Ding Yu pense également que : « Le développement logiciel comporte de nombreux scénarios et domaines spécialisés. Les entreprises peuvent choisir différents angles d’entrée pour innover dans des scénarios spécifiques ou dans la forme du produit. »
La segmentation fonctionnelle des outils d’IA pour le code entraînera aussi des différences commerciales, chaque entreprise ayant des priorités commerciales légèrement différentes.
Par exemple, le produit Xiaohuanxing Office de la famille Xiaohuanxing de SenseTime se concentre sur le segment des outils bureautiques, et dans sa mise en œuvre commerciale, vise à la fois les clients particuliers (C) et les entreprises (B).
Pour les particuliers, le modèle repose principalement sur l’abonnement payant, tandis que pour les entreprises, il s’agit surtout de déploiements privés. « Actuellement, nous avons près de 40 clients en déploiement privé, y compris de grands éditeurs internet. »
Zhang Tao est également optimiste quant au potentiel du marché grand public, dont la diffusion actuelle dépasse les attentes.
Entre segmentation fonctionnelle et orientation commerciale, le secteur de l’IA pour le codage connaît déjà une différenciation, mais ce n’est pas la forme finale de son évolution.
Avec la poursuite de l’itération des capacités des grands modèles, la prochaine étape sera l’“auto-programmation” par l’IA, c’est-à-dire qu’elle ne se contentera plus d’assister les programmeurs, mais pourra accepter indépendamment des demandes et accomplir des projets complets.
« Nous allons inévitablement vers une auto-programmation par l’IA, ce qui signifiera une augmentation de 10 fois de la productivité informatique pour les entreprises et les développeurs », a conclu Ding Yu.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
