Présentation

En tant que directeur d'ingénierie, j'ai constaté que certaines règles anciennes sont toujours répétées, telles que le fait qu'un directeur ne devrait pas passer de temps à coder ou que le bon travail prend du temps. Cependant, avec l'introduction des modèles de langage (LLM) dans mon organisation, le coût de production de code a chuté, et j'ai commencé à remettre en question ces règles.

Il est important de noter que le coût de production de code a effectivement chuté, mais cela n'implique pas nécessairement que les autres aspects de l'ingénierie soient devenus plus rapides ou plus efficaces. Les outils d'IA peuvent accélérer certaines tâches, mais ils ne remplacent pas la nécessité d'une gestion et d'une planification efficaces.

Contexte technique

Les modèles de langage ont réduit le coût de production de code, mais cela ne signifie pas que les autres aspects de l'ingénierie soient devenus obsolètes. La revue de code, la documentation et la formation sont toujours essentielles pour garantir la qualité et la fiabilité du code.

Il est important de comprendre que les outils d'IA peuvent être utilisés pour accélérer certaines tâches, mais ils ne remplacent pas la nécessité d'une gestion et d'une planification efficaces. Les équipes doivent toujours évaluer les coûts et les bénéfices de l'utilisation de ces outils et les intégrer de manière efficace dans leurs processus.

Implications et limites

La réduction du coût de production de code a des implications importantes pour la gestion de l'ingénierie. Les équipes doivent revoir leurs processus et leurs métriques pour tenir compte de ce nouveau contexte. Les métriques traditionnelles, telles que la vitesse et la productivité, ne sont plus suffisantes pour évaluer l'efficacité d'une équipe.

Il est important de noter que la vérification de la correction du code est toujours un processus complexe qui nécessite une combinaison de méthodes automatisées et manuelles. Les outils d'IA peuvent accélérer certaines parties de ce processus, mais ils ne remplacent pas la nécessité d'une vérification humaine.

Les équipes doivent investir dans la spécification, les contrats et les invariants pour garantir que leur code est correct et fiable.

Cela nécessite une approche plus stratégique et plus intégrée pour la gestion de l'ingénierie, qui prend en compte les coûts et les bénéfices de l'utilisation des outils d'IA et les intègre de manière efficace dans les processus de l'équipe.