Introduction
Les agents IA sont souvent présentés comme capables de révolutionner la maintenance de logiciels, mais la réalité est plus nuancée. Malgré les progrès réalisés, les agents IA ne sont pas encore en mesure de modifier de manière sûre et autonome les systèmes logiciels complexes.
Contexte Technique
Les agents IA peuvent effectuer des tâches additives, telles que la génération de code, mais elles sont limitées lorsqu'il s'agit de tâches transformantes, qui nécessitent une compréhension approfondie des dépendances, des invariants et des conséquences. Les systèmes logiciels sont causaux, ce qui signifie que les composants dépendent les uns des autres et que les changements peuvent avoir des effets imprévus.
Analyse et Implications
Les agents IA peuvent imiter le travail d'ingénierie, mais ils ne peuvent pas maintenir une représentation interne stable d'un système qui doit être modifié de manière cohérente. Cela est dû au fait que les agents IA ne peuvent pas raisonner de manière causale sur les systèmes, mais seulement prédire des tokens. Les conséquences de cette limitation sont importantes, car les agents IA ne peuvent pas produire de diffs PR-prêts qui soient sûrs et respectent l'architecture et les intentions du système.
Perspective
Les agents IA peuvent être utilisés comme assistants, mais ils ne doivent pas être considérés comme des ingénieurs. Les équipes doivent maintenir leur jugement humain au centre du système et investir dans la clarté, l'architecture et la discipline de test. Les agents IA peuvent évoluer, mais pour l'instant, ils ne sont pas en mesure de remplacer les ingénieurs humains. Les organisations qui bénéficient le plus de l'utilisation des agents IA sont celles qui les utilisent comme un moyen de structurer leur travail et de libérer les ingénieurs de tâches mécaniques pour se concentrer sur les tâches qui nécessitent du jugement et de la créativité.
