Comme beaucoup d'entre vous, nous avons eu de nombreuses conversations sur l'intelligence artificielle (IA) et 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 avons donc voulu comprendre ce que vous pensiez de l'IA, ce que vous espériez apprendre et ce que vous vouliez faire avec ces technologies émergentes. Ainsi, nous pourrons vous fournir le contenu le plus adapté pour vous aider à vous y retrouver.
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 Web , sur la façon dont les développeurs utilisent l'IA pour proposer des fonctionnalités aux utilisateurs et améliorer 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 également pensé que la communauté pourrait être intéressée par ce que nous avons appris.
Nous avons utilisé ces commentaires, ainsi que d'autres recherches sur le paysage des développeurs Web, pour créer notre nouvelle collection sur l'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. Vous en entendrez beaucoup plus parler dans les mois à venir.
Améliorer votre productivité grâce à l'IA générative
Nous avons remarqué que les développeurs Web souhaitent profiter de l'IA générative pour améliorer leur productivité et interagir avec des chatbots afin de découvrir de nouvelles technologies ou de trouver des réponses à leurs questions sur le développement Web.
Les développeurs à qui nous avons parlé utilisent déjà l'IA dans leur workflow quotidien, pour des projets professionnels ou personnels, ou connaissent quelqu'un qui l'utilise.
Génération de code
Vous nous avez indiqué que les outils de génération de code, tels que Gemini et Copilot, sont parfaits pour les tests unitaires standards, la saisie semi-automatique de base (lorsque vous savez ce que vous voulez 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 plus large d'un projet spécifique.
Les développeurs plus expérimentés ont exprimé leur inquiétude quant à 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 avec précision le code produit par les outils d'IA générative.
Les développeurs ont également indiqué que les cas d'utilisation qui nécessitent 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 vu de nombreux développeurs utiliser ChatGPT et Gemini pour découvrir 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.
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 vous avez besoin.
Là encore, les développeurs moins expérimentés sont concernés, car un niveau de connaissances minimal est nécessaire pour détecter les cas où le modèle hallucine et génère des réponses incorrectes.
Protection de la propriété intellectuelle comme préoccupation commerciale
De nombreux développeurs à qui nous avons parlé ont déclaré que leur entreprise n'avait pas encore de règles concernant l'utilisation de l'IA générative par les développeurs pour améliorer leur productivité. L'utilisation d'outils d'IA générative est souvent motivée par les développeurs qui l'expérimentent.
"Mon entreprise ne comprend généralement pas ce que signifie l'IA, elle ne crée donc pas les bonnes règles."
Toutefois, les entreprises qui disposent d'une règle 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 avoir contacté directement les entreprises à l'origine de ces outils pour comprendre comment les données sont utilisées et les risques potentiels.
Avec les comptes et les partenariats d'entreprise dédiés à la protection des données, les entreprises sont plus susceptibles d'encourager les développeurs à utiliser l'IA générative.
IA générative pour les fonctionnalités de produits destinées aux utilisateurs
Du côté des produits, nous n'avons pas été surpris de constater que lorsque nous avons lancé notre conversation avec le terme "IA / ML", 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 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 à 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 de la sortie est la principale préoccupation que vous nous avez exprimée. En particulier, les développeurs espèrent s'assurer que les réponses sont exactes et visent à empêcher le LLM de générer du contenu sans rapport avec l'objectif visé. Cela est particulièrement vrai lorsque la sortie du LLM est directement destinée à l'utilisateur, comme un chatbot.
"Les démos avec l'IA sont folles. Chaque fois que je fais une démo de mon projet, la sortie est complètement différente."
Vous déployez beaucoup d'efforts pour créer des suites de tests afin de valider les sorties d'IA générative pour une grande variété de requêtes, mais il n'existe pas de moyen clair et établi de tester ou de surveiller les réponses. La plupart du travail d'évaluation est manuel. De nombreux développeurs ne sont pas habitués à gérer des sorties non déterministes. En tant que communauté, nous n'avons pas encore créé 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 ou personnalisés
Le plus souvent, les développeurs à qui nous avons parlé avaient tendance à s'appuyer sur des modèles et des API prêts à l'emploi. Cela permet d'optimiser le délai de mise sur le marché et l'utilisation du temps et des connaissances techniques, qui étaient limités.
"Je veux 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 l'affinage, ils préfèrent se concentrer sur l'aspect développement Web de leur travail. En fin de compte, vous préférez utiliser les outils par défaut ou faire appel à d'autres équipes pour produire des modèles optimisés pour vos cas d'utilisation.
Préoccupations concernant la confidentialité et la 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 davantage de tiers avec les API cloud est une préoccupation, et un certain nombre de développeurs voient la valeur de l'apprentissage automatique sur l'appareil ou de l'IA générative pour atténuer les pièges potentiels en matière de confidentialité et de sécurité.
IA pour les développeurs Web
L'IA est omniprésente 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 ?
D'après ce que nous avons appris de vous, nous travaillons sur 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 des opportunités d'utiliser l'IA générative pour améliorer votre 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 publierons d'autres contenus.
Bien que la plupart des développeurs Web préfèrent se concentrer sur ce qu'ils font le mieux (le développement Web !), nous encourageons ceux d'entre vous qui souhaitent approfondir leurs connaissances à créer les outils, les modèles et les API dont les développeurs Web ont besoin. Nous voulons vous entendre et découvrir comment nous pouvons vous aider à réussir.
L'IA est un domaine en pleine évolution. Nous continuerons donc à interagir avec la communauté à mesure que les choses évoluent, en organisant davantage de conversations et d'enquêtes. Si vous souhaitez discuter avec nous, planifiez des heures de bureau avec notre équipe.