Découverte des cas d'usages IA pour les développeurs
Quickstart
Demandez à votre LLM :
Interroge moi pour identifier :
- mon rôle dans la chaîne de production informatique ;
- ma vision personnelle de ce rôle ;
- quelles sont les bonnes pratiques que j'observe.
Tendances actuelles de l'IA pour les développeurs
État des lieux de la relation IA / Dev
Il est difficile d'avoir des sondages représentatifs dans le domaine du développement informatique.
Un sondage a été mis en place pour "State of AI" qui est dérivé de "State of Web Dev". Il n'est pas forcément représentatif.
Le résultat du sondage démontre que la majorité des utilisateurs qui se mettent à utiliser des outils IA GEN dans leur workflow trouvent un équilibre de fonctionnement au quotidien.
On observe une situation inégale selon les profils et les appétences.
La plupart des développeurs qui adoptent l'IA trouvent un équilibre après une période d'adaptation. L'usage varie fortement selon les profils et l'expérience.
On constate que la grande majorité des utilisateurs vont venir corriger le code fourni par l'IA.
Ce pattern est pour le moment cohérent par rapport aux limites qu'on a vu précédemment.
Il implique d'avoir des outils qui permettent de refactorer du code de manière sécurisée.
L'évolution des outils de développement
Les outils informatiques du développeur ont constamment évolué dans le sens de l'automation et de l'augmentation de sa capacité.
- 1980 Précurseurs : éditeur de texte + compilateur
- 1990 Intégration graphique : debugging, refactoring, syntax highlighting, autocomplétion
- 2000 Gestion CICD : contrôle de version, tests locaux (linters)
- 2010 Allègement : Eclipse et Netbeans vs. SublimeText, Atom
- 2020 Versions cloud : collaboration, association avec les autres outils de développement et environnements de déploiement
- 2025 IA intégrée : génération de code, agents autonomes, workflows agentiques
Chaque décennie apporte une nouvelle couche d'abstraction et d'automatisation. L'IA en 2025 n'est pas une rupture, mais la continuation naturelle de cette évolution.
Comment les développeurs peuvent-ils utiliser l'IA ?
Avant de commencer, une expérience
Si vous n'avez jamais utilisé un LLM pour générer du code, c'est le moment.
Consignes :
- Allez sur le premier problème du site de Project Euler
- Copiez le texte de la question dans l'interface de votre choix
- Lancez l'inférence
Que se passe-t-il ?
- Est-ce que le modèle trouve le bon résultat en faisant des maths ? Le résultat peut être calculé mathématiquement de manière élégante, et les modèles récents y parviennent.
Montrer
- Est-ce qu'il essaie de répondre ou de créer un programme pour y répondre ? Le code pour résoudre le problème est particulièrement trivial.
Montrer
#!/usr/bin/env python3
# Initialize the total sum
total = 0
# Loop through all numbers from 1 to 999
for i in range(1, 1000):
if i % 3 == 0 or i % 5 == 0:
total += i
# Print the final result
print(total)
Expérience 1 : traduire via un LLM un texte court
Nous allons commencer immédiatement avec quelques expériences d'interaction avec des interfaces connectées à des modèles de langage.
Connectez-vous à l'interface LLM de votre choix : celle de votre poste de travail ou sur le virtual lab.
Traduisez via un LLM le texte court suivant en swahili...
Mignonne, allons voir si la rose
Qui ce matin avait éclose
Sa robe de pourpre au Soleil,
A point perdu cette vesprée
Les plis de sa robe pourprée,
Et son teint au vôtre pareil.
... ce qui donne par exemple
Mpenzi wangu, twende tuone kama waridi
Uliyofunika asubuhi hii
Mavazi yake ya zambarau kwa Jua,
Hawajapoteza jioni hii
Mikunjo ya vazi lake la zambarau,
Wala rangi yake inayofanana na yako.
Conclusion : vous ne savez pas si l'IA Gen fait un bon travail si vous n'avez pas l'expertise.
Expérience 2 : traduire via un LLM un texte long
Maintenant, faites traduire un texte de plusieurs milliers de mots à un LLM dans une langue de votre choix.
🔗 Exemples de textes longs :
Conclusion : malgré des erreurs, c'est un problème qu'on résoud assez bien désormais, à une vitesse de conversion très élevée.
Expérience 3 : translitération d'une librairie d'un langage vers un autre
Considérons le code informatique, et qu'on veuille obtenir via un LLM une traduction d'un langage vers un autre ?
🔗 Exemple de script Bash à convertir
Procédure :
- Prenez le code de la page ci-dessus
- Copiez le texte
- Collez-le dans l'interface avec l'instruction suivante :
(... le code collé...)
As a code assistant, you must convert this program to python.
Qu'est-ce qui risque de se passer ?
Premier avantage du code : c'est instrumentable et exécutable, on va pouvoir tester le résultat.
La machine peut indiquer si le résultat est correct ou non d'un point de vue syntaxique.
En revanche il n'y a pas de garantie que le résultat soit conforme aux attentes fonctionnelles.
De même il n'y a pas de garantie qu'il soit performant ou sécurisé : il peut avoir dégradé le script d'origine.
Il va falloir qu'on encadre cette production pour s'assurer qu'elle répond aux attentes.
Leçons des trois expériences
Ces 3 expériences nous révèlent des insights importants :
| Expérience | Domaine | Validation possible | Conclusion |
|---|---|---|---|
| Traduction courte | Poésie en swahili | ❌ Difficile sans expertise | Confiance aveugle impossible |
| Traduction longue | Texte de milliers de mots | ⚠️ Partielle | Rapide mais imparfait |
| Translitération code | Bash → Python | ✅ Tests syntaxiques + fonctionnels | Instrumentable et testable |
Le code a un avantage majeur : il est instrumentable et testable. La machine peut valider la syntaxe, et nous pouvons créer des tests pour valider le comportement fonctionnel.
Les principaux cas d'usage de l'IA pour les développeurs
1. Génération et complétion de code
L'IA peut générer du code à partir de descriptions en langage naturel.
Cas d'usage :
- Autocomplétion intelligente
- Génération de fonctions complètes
- Conversion entre langages
- Génération de boilerplate
2. Documentation automatique
L'IA peut générer de la documentation à partir du code existant.
Cas d'usage :
- Commentaires de fonctions (docstrings)
- Documentation d'API
- README et guides d'utilisation
- Diagrammes d'architecture
3. Création de tests
L'IA peut générer des tests unitaires, d'intégration et end-to-end.
Cas d'usage :
- Tests unitaires
- Tests HTTP
- Test d'acceptance
4. Débogage et résolution de problèmes
L'IA peut aider à identifier et corriger les bugs.
Cas d'usage :
- Analyse de stack traces
- Suggestions de corrections
- Identification de patterns problématiques
5. Revue de code
L'IA peut analyser le code pour identifier des problèmes.
Cas d'usage :
- Détection de code smell
- Vérification de conventions
- Détection de vulnérabilités
- Suggestions d'optimisation
6. Optimisation des performances
L'IA peut proposer des améliorations de performances.
Cas d'usage :
- Analyse de complexité algorithmique
- Optimisation de requêtes SQL
- Identification de goulots d'étranglement
- Suggestions de mise en cache
Qu'est-ce qu'un (bon) développeur ?
La question n'est pas simple :)
- Une personne qui sait bien coder ?
- Une personne qui sait bien résoudre des problèmes ?
- Une personne qui travaille bien en équipe ?
- Une personne qui maîtrise un langage de programmation ?
- Une personne qui maîtrise un domaine technique ?
- Une personne qui a beaucoup d'expérience ?
- Une personne qui sait bien utiliser des outils de développement ?
- Une personne qui fournit rapidement des fonctionnalités ?
- Une personne qui fournit du code élégant ?
- Une personne qui sait respecter les contraintes et les besoins ?
- Une personne qui sait innover et anticiper les besoins futurs ?
- Une personne qui documente bien ?
- Une personne qui respecte les normes ?
- Une personne qui fait des programmes performants ?
- Une personne qui fait des programmes qui ont du succès ?
On voit que la définition est très complexe.
Il faut
- de l'expérience
- de l'expertise
- de la rigueur
- de l'attention au détail
Mais il faut aussi la prise en compte de tout le contexte
- la demande
- l'application
- l'entreprisse
- le temps disponible
- les moyens disponible
- les exigences de performance, de sécurité
- etc.
Au final, est-ce que vous avez déjà formalisé votre approche personnelle par rapport au code ?
C'est ce qu'il va falloir faire avec les outils de l'intelligence artificielle pour parvenir à des résultats professionnels.