Présentation du problème
L'utilisation des LLM (Large Language Model) est devenue une partie intégrante de mon travail quotidien. Je passe plusieurs heures par jour à interagir avec des LLM comme Claude Code et Codex, que ce soit pour discuter de tâches ou pour lire et réviser du code généré par ces assistants.
Fonctionnement et limites
Mon processus de travail a évolué pour inclure les LLM. Je conçois maintenant le code, je le décris à un LLM, je révise le code produit par le LLM, et enfin, j'écris le code. Les étapes impliquant les LLM m'exposent à des approches que je n'aurais peut-être pas considérées ou dont j'ignorais l'existence. Cependant, je commence à ressentir une certaine fatigue face aux productions des LLM, en raison de leurs erreurs répétitives et de leurs styles de rédaction souvent stéréotypés.
Implications et limites
Les LLM peuvent générer du code et du texte de manière efficace, mais leur manque de personnalisation et leur tendance à répéter les mêmes erreurs et les mêmes schémas de rédaction peuvent être frustrants. Même si les LLM sont utiles pour améliorer la productivité, il est important de reconnaître leurs limites et de trouver des moyens de gérer les frustrations qui peuvent surgir de leur utilisation répétée.
Analyse et perspectives
Il est essentiel de comprendre que les LLM ne sont pas parfaits et qu'ils peuvent présenter des défauts, tels que des hypothèses erronées et des « hallucinations ». La répétition de ces défauts peut entraîner une fatigue et une frustration chez les utilisateurs. Pour atténuer ces effets, il est crucial de développer des stratégies pour gérer l'utilisation des LLM de manière efficace et de continuer à améliorer leur capacité à générer du contenu de qualité supérieure.
