Comme beaucoup d'entre vous, nous avons 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, avons besoin de savoir.
Le Web est tellement plus vaste que notre équipe. Nous avons donc voulu savoir ce que vous pensez de l'IA, ce que vous espérez apprendre et ce que vous voulez faire avec ces technologies émergentes. De cette façon, nous pourrons mieux vous proposer des contenus pour vous démarquer.
Ces derniers mois, nous avons discuté avec des spécialistes du Web pour comprendre l'environnement et votre vision de l'IA. Bien sûr, nous ne pouvons pas parler de tout le monde de tout. Nous avons discuté avec des développeurs Web, dont des Experts Google Developers, de la manière dont ils utilisent l'IA pour proposer des fonctionnalités destinées aux utilisateurs et augmenter la productivité dans leur workflow quotidien.
Nous pensons que ce que nous avons appris peut être largement applicable à d'autres internautes. Nous avons pensé que la communauté pourrait être intéressée par ce que nous avons appris.
Nous nous sommes appuyés sur ces commentaires, ainsi que sur d'autres recherches 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 communiquerons bien d'autres informations dans les mois à venir.
Amélioration de la productivité grâce à l'IA générative
Nous avons remarqué que les développeurs Web souhaitaient profiter de l'IA générative pour augmenter leur productivité, et interagir avec les chatbots pour apprendre de nouvelles technologies ou trouver des réponses à leurs questions sur le développement Web.
Les développeurs utilisent déjà l'IA dans leur workflow quotidien, pour des projets professionnels ou personnels, ou connaissent quelqu'un qui l'est.
Génération de code
Vous nous avez appris 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 (qui permet de savoir quoi écrire, mais il suffit d'écrire) et les fonctions plus simples qui ne nécessitent pas une connaissance approfondie du codebase. Ces outils ont tendance à être moins utiles lorsqu'il s'agit d'écrire du code et des fonctions algorithmiques plus complexes nécessitant un contexte étendu d'un projet spécifique.
D'autres développeurs expérimentés ont mentionné des préoccupations concernant la qualité à long terme de leurs codebases, y compris des problèmes de duplication de code et de gestion à long terme. Certains craignaient que les membres moins expérimentés de l'équipe ne détectent pas les erreurs ou ne sachent pas valider avec précision le code produit par les outils d'IA générative.
Les développeurs ont également indiqué que les cas d'utilisation nécessitant une connaissance spécifique du domaine, tels que l'écriture de composants accessibles, ne sont pas encore pris en charge par les outils de génération de code qu'ils ont essayés.
Apprendre avec les LLM
De nombreux développeurs utilisent ChatGPT et Gemini pour apprendre les concepts de développement logiciel, par exemple demander à un grand modèle de langage (LLM) d'expliquer le fonctionnement d'un algorithme de tri, de passer à la vitesse supérieure avec différents langages de programmation ou de combler les lacunes en termes de connaissances.
Vous pensez que les LLM offrent une excellente expérience en raison de la rapidité de l'interactivité entre les questions et les réponses, et que l'IA ne critique pas les questions posées et ne se contente pas de fournir les réponses dont elles ont besoin.
Là encore, un problème est lié aux développeurs moins expérimentés, où un niveau minimal de connaissances est nécessaire pour détecter les cas où le modèle hallucine et génère des réponses incorrectes.
La protection de la propriété intellectuelle, un enjeu commercial
De nombreux développeurs avec lesquels nous avons discuté ont déclaré que leur entreprise n'avait pas encore mis en place de règles concernant les développeurs utilisant l'IA générative pour augmenter leur productivité. L'utilisation des outils d'IA générative est souvent dictée par les développeurs qui les utilisent.
"En général, mon entreprise ne comprend pas bien ce que signifie l'IA. Elle ne crée donc pas les bonnes règles."
Toutefois, les entreprises ayant mis en place des règles ont tendance à décourager leur utilisation en raison de craintes liées à la divulgation de leurs propriétés intellectuelles à des tiers. Il arrive que ces règles aient été modifiées, après avoir contacté directement les entreprises qui se cachent derrière ces outils pour comprendre comment les données sont utilisées et les risques potentiels.
Avec les comptes d'entreprise et les partenariats dédiés à la protection des données, les entreprises sont plus susceptibles d'encourager l'utilisation par les développeurs.
IA générative pour les fonctionnalités produit visibles par l'utilisateur
Côté produit, nous n'avons pas été surpris par le fait que lorsque nous avons lancé notre conversation avec le terme "IA / ML", la réponse était souvent axée sur l'IA générative. Les développeurs s'intéressent à la manière dont 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 à leur disposition pour les proposer en production.
Pour les développeurs qui ont créé ou créent des fonctionnalités d'IA générative dans leurs produits, l'utilisation de l'IA générative pour répondre aux questions des utilisateurs à l'aide de chatbots ou d'interfaces ponctuelles est le cas d'utilisation le plus courant.
La qualité des résultats est votre principale préoccupation. En particulier, les développeurs espèrent s'assurer que les réponses sont exactes et 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 dans le cas d'un chatbot.
"Les démonstrations avec l'IA sont incroyables. Chaque fois que je fais une démonstration de mon projet, la sortie est complètement différente. »
La création d'ensembles de tests visant à valider les résultats de l'IA générative pour une grande variété de requêtes représente beaucoup d'efforts, mais il n'existe aucun moyen clair et établi de tester ou de surveiller les réponses. La majeure partie du travail d'évaluation est manuelle. De nombreux développeurs débutent dans la gestion des sorties non déterministes. En tant que communauté, nous n'avons pas encore créé de systèmes qui fonctionnent bien avec elles.
Le coût d'exécution d'un modèle d'IA générative est également une préoccupation importante, et les développeurs l'évaluent soigneusement par rapport aux avantages pour leurs utilisateurs.
Modèles standards et personnalisés
Le plus souvent, les développeurs avec lesquels nous avons discuté avaient tendance à s'appuyer sur des API et des modèles prêts à l'emploi. Cela permet d'optimiser le délai de mise sur le marché, ainsi que l'utilisation limitée du temps et des connaissances en ingénierie.
"Je veux rester dans l'univers du développement Web. Je ne veux pas devenir ingénieur en ML."
Bien que les développeurs connaissent et voient la valeur potentielle des techniques avancées, telles que la récupération d'augmentation (RAG) et l'affinage, vous préférez vous concentrer sur l'aspect du 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 leurs cas d'utilisation.
Inquiétudes concernant la confidentialité et la sécurité
La confidentialité et la sécurité étaient au cœur des préoccupations, en particulier pour les secteurs présentant des exigences strictes en termes de données, comme le secteur médical. L'IA sur l'appareil peut s'avérer essentielle pour répondre à ces cas d'utilisation, mais ce domaine reste peu exploré.
L'exposition des données utilisateur à un plus grand nombre de tiers avec les API cloud est un sujet de préoccupation. De nombreux développeurs comprennent l'intérêt du machine learning ou de l'IA générative sur l'appareil pour limiter les risques liés à la confidentialité et à la sécurité.
L'IA pour les développeurs Web
L'IA est partout et évolue à un rythme incroyable. Comment rester à jour, intégrer des outils et des modèles existants, ou collaborer avec des ingénieurs en ML pour produire de nouveaux modèles mieux adaptés à nos besoins ?
En nous appuyant sur ce que vous nous avez appris, nous élaborons des conseils sur l'IA pour les développeurs Web. Notre objectif est de vous aider à comprendre les concepts de l'IA dans les grandes lignes, à découvrir comment utiliser l'IA générative pour gagner en productivité, et à exploiter l'IA pour créer des expériences utilisateur attrayantes à l'aide d'outils, de modèles et d'API existants. Revenez régulièrement pour découvrir d'autres contenus publiés dans notre collection d'IA.
Bien que la plupart des développeurs Web préfèrent se concentrer sur ce qu'ils font de mieux (le développement Web), nous vous encourageons à approfondir le sujet afin de créer les outils, modèles et API dont les développeurs Web ont besoin. Votre avis nous intéresse pour savoir comment nous pouvons vous aider à réussir.
L'IA est un domaine en constante évolution. Nous continuerons donc à interagir avec la communauté à mesure que la situation évolue, avec davantage de conversations et d'enquêtes. Si vous souhaitez en discuter, planifiez une permanence avec notre équipe.