Philippe Charrière, architecte de solutions chez Docker, et Kevin Aubry, CTO chez Palo IT à Singapour, plongent dans l'univers fascinant des assistants de code IA. Ils discutent de la transformation du codage grâce à ces outils, de leurs avantages et limites, et de l'intégration réussie dans les environnements de développement. Les enjeux de confidentialité et de sécurité sont également abordés, ainsi que l'évolution nécessaire des compétences des développeurs dans cette ère technologique. Leurs anecdotes humoristiques sur le monde du code ajoutent une touche légère à la conversation.
01:58:07
forum Ask episode
web_stories AI Snips
view_agenda Chapters
auto_awesome Transcript
info_circle Episode notes
insights INSIGHT
Agents IA et risques de sécurité
Les assistants IA ont un accès étendu à l'environnement du développeur via agents.
Cela pose des questions majeures de sécurité et de confidentialité des données envoyées aux modèles.
insights INSIGHT
Risques liés aux licences de code IA
Il existe un vrai risque d'utilisation de code non libre par l'IA sans attribution.
Certains outils commencent à offrir des options pour éviter de générer du code sous licence open source.
question_answer ANECDOTE
Démo d'intégration Figma rapide
Kevin Aubry montre une démo où, en quelques minutes, un composant Figma est intégré et modifié dans du code Next.js sans coder une ligne.
Il utilise le mode agent de GitHub Copilot pour analyser le design et générer les composants automatiquement.
Get the Snipd Podcast app to discover more snips from this episode
Dans cet épisode, nous explorons l’univers des assistants de code AI. Comment ces outils transforment-ils notre façon de coder ? Quels sont leurs atouts et leurs limites ? Nos invités Philippe Charrière et Kevin Aubry nous éclairent sur ces technologies qui bouleversent les pratiques des développeurs.
Quelle est ton expérience personnelle avec ces outils?
Tu l’utilises chez ton employeur ou juste pour tes projets personnels?
Qu’est-ce qui t’a attiré dans ce domaine en particulier?
Introduction à la techno
Qu’est-ce qu’un assistant de code AI exactement? Comment le définirais-tu?
Quels sont les principaux assistants de code disponibles aujourd’hui sur le marché?
Quand et pourquoi ces outils ont-ils commencé à émerger?
Quelle est la différence entre un assistant de code AI et un simple outil de complétion de code?
La techno en concepts
Quels sont les fondements technologiques des assistants de code actuels?
Quels sont les différences de flow entre un outil dédié genre CursorAI, GitHub Copilot, un chat LLM générique de type Claude ou un outil à la Devoxx Genie?
Il y a aussi des outils de terminal, en ligne de commande ou en desktop dédié genre Goose de Block - comment ceux-ci se positionnent-ils?
Quelles sont les différentes approches d’intégration dans les environnements de développement?
Comment se positionnent les assistants par rapport à d’autres outils d’aide au développement?
Quels sont les modèles économiques actuels (open source vs propriétaire, SaaS vs on-premise)?
Qu’en est-il de la confidentialité du code analysé par ces outils?
Comment on l’utilise en pratique pour un dev
Comment un développeur Java typique intègre-t-il un assistant de code dans son workflow quotidien?
Quels sont les assistants les plus adaptés à l’écosystème Java spécifiquement?
Vous utilisez plutôt VSCode? Ça marche bien dans IntelliJ IDEA?
Quelles sont les bonnes pratiques pour formuler des requêtes efficaces à un assistant?
Quelles tâches répétitives ou complexes sont particulièrement bien gérées par ces assistants?
Quels sont les tâches aujourd’hui où l’assistant de code excelle: squelette de code initial, ajout de fonctionnalité, écrire les tests, corriger un bug, la sécurité, grosse migration de version ou de framework?
Comment évaluer la qualité du code généré? Quelles vérifications faire systématiquement?
Quelle est ton expérience des hallucinations? Des trucs rigolos à raconter?
Comment évoluent les pratiques de pair programming avec ces outils?
C’est quoi ton budget code assistance / LLM?
Sous le capot
Pas sûr de pouvoir faire cette partie sous le capot si on a des interview orienté utilisateur.
Comment ces assistants sont-ils entraînés spécifiquement pour comprendre le code?
Quelle est la différence entre le fine-tuning pour le code et pour le langage naturel?
Comment fonctionnent les techniques de retrieval augmentation pour le contexte du projet?
Comment les assistants gèrent-ils les dépendances et la structure des projets complexes?
Quels sont les défis techniques majeurs pour analyser du code Java avec ses spécificités?
Comment les modèles réussissent-ils (ou échouent-ils) à comprendre la sémantique du code?
Quelles sont les limites actuelles des modèles de langage pour la génération de code?
Qu’en est-il de la consommation de ressources et de l’impact environnemental?
La communauté, le futur
Comment la communauté Java a-t-elle accueilli ces outils?
C’est pour quel type de développeur? Junior, intermédiaire, expert? Quels avantages pour chaque?
Quel impact ces assistants ont-ils sur l’apprentissage de la programmation?
Comment voyez-vous l’évolution des compétences requises pour les développeurs?
Quelles sont les prochaines frontières pour les assistants de code?
Quelles fonctionnalités manquent encore à l’appel?
Comment les assistants vont-ils évoluer dans les 2-3 prochaines années?
Ces outils vont-ils transformer radicalement la profession de développeur?
Les Cast Codeurs Podcast