Comme beaucoup d'entre vous, nous avons beaucoup discuté de l'intelligence artificielle (IA) et de l'avenir du Web. Il y a beaucoup de bruit, et il est difficile de savoir exactement ce que nous, en tant que développeurs Web, devons savoir.
Le Web est bien plus vaste que notre équipe. Nous voulions donc comprendre ce que vous pensiez de l'IA, ce que vous espériez apprendre et ce que vous vouliez faire avec ces technologies émergentes. Nous pourrons ainsi vous proposer les contenus les plus adaptés pour vous aider à vous démarquer.
Au cours des derniers mois, nous avons discuté avec des professionnels du Web pour comprendre le paysage et votre vision de l'IA. Bien sûr, nous ne pouvons pas parler à tout le monde de tout. Nous avons eu quelques conversations avec des développeurs Web, y compris des Google Developer Experts, sur la façon dont ils utilisent l'IA pour proposer des fonctionnalités aux utilisateurs et augmenter leur productivité dans leur workflow quotidien.
Nous pensons que ce que nous avons appris peut être largement applicable à d'autres personnes sur le Web. Nous avons pensé que la communauté pourrait être intéressée par ce que nous avons appris.
Nous avons pris en compte ces commentaires, ainsi que d'autres études sur le paysage des développeurs Web, pour créer notre nouvelle collection d'IA. Dans cette collection, vous trouverez des présentations destinées aux développeurs Web, des ateliers de programmation et des démonstrations, ainsi que d'autres ressources pour réfléchir aux outils et modèles d'IA sur le Web.
Et ce n'est qu'un début. Nous vous en dirons beaucoup plus dans les mois à venir.
Amélioration de la productivité grâce à l'IA générative
Nous avons remarqué que les développeurs Web souhaitent profiter de l'IA générative pour augmenter leur productivité et interagir avec des chatbots afin d'apprendre de nouvelles technologies ou obtenir des réponses à leurs questions sur le développement Web.
Les développeurs avec lesquels nous avons discuté utilisent déjà l'IA dans leur workflow quotidien, pour des projets professionnels ou personnels, ou connaissent quelqu'un qui le fait.
Génération de code
Vous nous avez indiqué que les outils de génération de code, tels que Gemini et Copilot, sont très utiles pour les tests unitaires standards, l'autocomplétion de base (lorsque vous savez ce que vous devez écrire, mais que vous avez juste besoin de le faire) et les fonctions plus simples qui ne nécessitent pas une connaissance approfondie de la base de code. Ces outils ont tendance à être moins utiles lorsqu'il s'agit d'écrire du code et des fonctions algorithmiques plus complexes qui nécessitent un contexte étendu d'un projet spécifique.
Les développeurs plus expérimentés ont exprimé des inquiétudes concernant la qualité à long terme de leurs bases de code, y compris les problèmes liés à la duplication de code et à la maintenabilité à long terme. Certains craignaient que les membres de l'équipe moins expérimentés ne détectent pas les erreurs ou ne sachent pas comment valider précisément le code produit par les outils d'IA générative.
Les développeurs ont également indiqué que les cas d'utilisation nécessitant des connaissances spécifiques du domaine, comme l'écriture de composants accessibles, ne sont pas encore correctement pris en charge par les outils de génération de code qu'ils ont essayés.
Apprendre avec les LLM
Nous avons constaté que de nombreux développeurs utilisent ChatGPT et Gemini pour apprendre des concepts de développement logiciel, par exemple en demandant à un grand modèle de langage (LLM) d'expliquer le fonctionnement d'un algorithme de tri, en se familiarisant avec différents langages de programmation ou en comblant des lacunes dans leurs connaissances.
Vous pensez que les LLM offrent une excellente expérience grâce à l'interactivité rapide des questions et des réponses, et parce que l'IA ne critique pas les questions posées, mais fournit simplement la réponse dont les utilisateurs ont besoin.
Une fois de plus, un problème se pose pour les développeurs moins expérimentés, car un niveau de connaissances minimal est nécessaire pour identifier les cas où le modèle hallucine et génère des réponses incorrectes.
La protection de la propriété intellectuelle en tant que préoccupation commerciale
De nombreux développeurs avec lesquels nous avons discuté ont déclaré que leurs entreprises n'avaient pas encore mis en place de règles concernant l'utilisation de l'IA générative par les développeurs pour améliorer leur productivité. L'utilisation des outils d'IA générative est souvent motivée par les développeurs qui les testent.
"Mon entreprise ne comprend pas vraiment ce qu'est l'IA, ce qui fait qu'elle ne crée pas les bonnes règles."
Toutefois, les entreprises qui disposent d'une telle politique ont tendance à décourager l'utilisation de l'IA générative, car elles craignent que la propriété intellectuelle de l'entreprise ne soit divulguée à des tiers. Dans certains cas, ces règles ont été modifiées après un échange direct avec les entreprises à l'origine de ces outils pour comprendre comment les données sont utilisées et les risques potentiels.
Grâce aux comptes et aux partenariats d'entreprise dédiés à la protection des données, les entreprises sont plus susceptibles d'encourager l'utilisation par les développeurs.
IA générative pour les fonctionnalités produit destinées aux utilisateurs
Du côté du produit, nous n'avons pas été surpris de constater que, lorsque nous avons utilisé le terme "IA / ML" dans notre conversation, la réponse était souvent axée sur l'IA générative. Les développeurs sont curieux de savoir comment l'IA générative peut être utilisée pour améliorer l'expérience de leurs utilisateurs, mais ils ne savent pas exactement à quoi ressemblent ces expériences ni quels sont les outils disponibles pour les proposer en production.
Pour les développeurs qui ont intégré ou qui intègrent des fonctionnalités d'IA générative dans leurs produits, l'utilisation de l'IA générative pour répondre aux questions des utilisateurs, avec des chatbots ou des interfaces ponctuelles, est le cas d'utilisation le plus courant.
La qualité des résultats est la principale préoccupation que vous nous avez signalée. En particulier, les développeurs espèrent s'assurer que les réponses sont précises et empêcher le LLM de générer du contenu sans rapport avec l'objectif visé. C'est particulièrement vrai lorsque la sortie du LLM est directement visible par l'utilisateur, comme dans un chatbot.
"Les démos avec l'IA sont folles. Chaque fois que je fais une démonstration de mon projet, le résultat est complètement différent."
Vous déployez beaucoup d'efforts pour créer des suites de tests afin de valider les résultats de l'IA générative pour une grande variété de requêtes, mais il n'existe pas de méthode claire et établie pour tester ou surveiller les réponses. La plupart des tâches d'évaluation sont manuelles. De nombreux développeurs ne sont pas habitués à gérer les résultats non déterministes. En tant que communauté, nous n'avons pas encore mis en place de systèmes qui fonctionnent bien avec eux.
Le coût d'exécution d'un modèle d'IA générative est également une préoccupation importante, et les développeurs évaluent soigneusement le coût par rapport aux avantages pour leurs utilisateurs.
Modèles standards et personnalisés
La plupart des développeurs avec lesquels nous avons échangé avaient tendance à s'appuyer sur des modèles et des API prêts à l'emploi. Cela permet d'optimiser le délai de commercialisation, ainsi que l'utilisation du temps et des connaissances des ingénieurs, qui étaient limités.
"Je souhaite rester dans le domaine du développement Web. Je ne veux pas devenir ingénieur en ML."
Bien que les développeurs soient conscients de la valeur potentielle des techniques avancées, telles que la génération augmentée par récupération (RAG) et le réglage fin, ils préfèrent se concentrer sur l'aspect développement Web de leur travail. En fin de compte, vous préférez utiliser les outils par défaut ou vous appuyer sur d'autres équipes pour produire des modèles optimisés pour leurs cas d'utilisation.
Problèmes de confidentialité et de sécurité
La confidentialité et la sécurité étaient les principales préoccupations, en particulier pour les secteurs verticaux soumis à des exigences strictes en matière de données, comme le secteur médical. L'IA sur l'appareil peut être essentielle pour répondre à ces cas d'utilisation, mais ce domaine reste largement inexploré.
L'exposition des données utilisateur à un plus grand nombre de tiers avec les API cloud est une source d'inquiétude. De nombreux développeurs reconnaissent l'intérêt du machine learning ou de l'IA générative sur l'appareil pour atténuer les pièges potentiels en matière de confidentialité et de sécurité.
IA pour les développeurs Web
L'IA est partout et évolue à un rythme incroyable. Comment rester à jour, intégrer les outils et modèles existants, ou collaborer avec des ingénieurs en ML pour produire de nouveaux modèles qui répondent le mieux à nos besoins ?
Grâce à vos commentaires, nous élaborons des conseils sur l'IA pour les développeurs Web. Notre objectif est de vous aider à comprendre les concepts d'IA de manière générale, à découvrir les opportunités d'utiliser l'IA générative pour gagner en productivité et à utiliser l'IA pour créer des expériences utilisateur agréables à l'aide des outils, modèles et API existants. N'hésitez pas à revenir consulter notre collection sur l'IA, car nous y publions régulièrement de nouveaux contenus.
Bien que la plupart des développeurs Web préfèrent se concentrer sur ce qu'ils font de mieux (le développement Web), nous encourageons ceux qui souhaitent aller plus loin à créer les outils, les modèles et les API dont les développeurs Web ont besoin. Votre avis nous intéresse et nous aimerions savoir comment nous pouvons vous aider à réussir.
L'IA est un domaine en constante évolution. Nous continuerons donc à échanger avec la communauté à mesure que les choses évolueront, en organisant davantage de conversations et d'enquêtes. Si vous souhaitez discuter avec nous, planifiez une permanence avec notre équipe.