À suivreGuide suivant
L'IA dans la migration automatisée du code
Applications
GUIDE DES APPLICATIONS
Les débutants peuvent utiliser les assistants de codage de l’IA pour apprendre la programmation, mais seulement s’ils les utilisent pour expliquer, remettre en question et réviser le code plutôt que de l’écrire à leur place.
Les bases de la lecture du code, de la prédiction de son action, du débogage et de la résolution des problèmes sont exactement des compétences qui s'estompent lorsque l'IA fournit toutes les réponses. Ce sont aussi les compétences qui vous permettent de détecter les erreurs de l'IA.
Les outils de codage d'IA vont des assistants de discussion tels que ChatGPT et Claude à la saisie semi-automatique dans l'éditeur de code, tels que GitHub Copilot, qui suggère des lignes ou des fonctions entières au fur et à mesure que vous tapez. Pour les développeurs expérimentés, ces outils accélèrent le travail de routine. Pour les débutants, l’effet dépend fortement de la manière dont ils sont utilisés. Le principal risque est l’illusion de compétence. Lire du code fonctionnel, c'est comme le comprendre, mais apprendre à programmer dépend de la production de solutions vous-même. Cela signifie décider comment diviser un problème en étapes, choisir comment stocker les données, prédire ce que le code fera et déboguer lorsqu'il ne fonctionne pas. Si un assistant effectue ces étapes, un apprenant peut terminer les exercices sans se faire une idée mentale du fonctionnement du code, puis avoir des difficultés lors des examens, des entretiens ou de toute tâche que l'IA se trompe. Les avantages sont également réels. Un assistant peut expliquer un message d'erreur déroutant dans un anglais simple, expliquer ce que fait chaque ligne, proposer une analogie pour la récursion ou générer des problèmes pratiques supplémentaires. Les habitudes utiles incluent essayer le problème avant de le poser, demander des indices plutôt que des solutions, prédire le résultat de votre propre code avant de l'exécuter, puis demander à l'IA de l'expliquer, demander une révision du code et des cas manqués, et demander à l'IA de vous interroger. Certains cours intègrent ces garanties. Le CS50 de Harvard, par exemple, a introduit en 2023 un tuteur en IA conçu pour soutenir l'apprentissage sans simplement donner des réponses. Trois idées fausses méritent d’être évitées. La première est que le code généré par l’IA est correct car il s’exécute, alors qu’il peut échouer sur des entrées inhabituelles ou contenir des failles de sécurité. La seconde est que l’apprentissage de la syntaxe est inutile maintenant, alors que vous devez encore lire et vérifier le code. La troisième est que l’utilisation de l’IA revient toujours à tricher. Les politiques des cours diffèrent, alors suivez les règles de chaque devoir et divulguez l'utilisation de l'IA si nécessaire.
La conception au niveau de l’application détermine si l’IA améliore les résultats réels.
Une bonne intégration des flux de travail crée des gains de productivité sur lesquels les utilisateurs peuvent compter.
Des cas d’utilisation bien ciblés réduisent la lassitude face au changement et les risques de mise en œuvre.
Les assistants IA deviennent la norme dans la programmation professionnelle, donc apprendre à travailler avec eux fait désormais partie de l’apprentissage du code. Les enseignants essaient différentes approches : autoriser l'IA avec divulgation, évaluer les étudiants en leur demandant d'expliquer leur code en direct et donner à la lecture, au test et à la révision du code autant de poids qu'à son écriture. Les débutants doivent s’attendre à ce que les règles du cours changent constamment. Ce qui semble durable, c’est que comprendre le fonctionnement du code, être capable de déboguer et juger si le code généré est correct sont les compétences qui séparent quelqu’un qui peut utiliser les résultats de l’IA de quelqu’un qui est à sa merci.
Un étudiant colle un message d'erreur Python et demande à l'assistant d'expliquer ce que cela signifie et où chercher, mais pas de corriger le code. Elle trouve alors elle-même le bug : sa boucle fait un pas de trop.
Un apprenant écrit une fonction qui compte les voyelles, puis demande à l'IA de la revoir et de lui suggérer deux cas qu'il a manqués. Il pointe vers les lettres majuscules et les chaînes vides.
Le cours CS50 de Harvard offre aux étudiants un tuteur « canard » en IA conçu pour les guider vers des solutions plutôt que de leur transmettre le code complet.
Un bootcamp de codage oblige les étudiants à rédiger la première version de chaque exercice avec les assistants de saisie semi-automatique désactivés. Ensuite, les étudiants peuvent utiliser l’IA pour nettoyer leur code, en ajoutant une note expliquant toute modification.
L'automatisation d'un processus interrompu peut amplifier les problèmes existants.
Les équipes peuvent sur-automatiser et supprimer le jugement humain nécessaire.
La qualité peut dériver si les résultats ne sont pas évalués en permanence.
Cartographiez le flux de travail actuel et identifiez l’étape la plus problématique.
Définissez des points de contrôle humains avant une automatisation complète.
Formez les utilisateurs aux invites, aux voies d’escalade et aux normes de qualité.
Suivez les résultats au niveau des tâches pour confirmer la valeur durable.
Free newsletter
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Les débutants peuvent utiliser les assistants de codage de l’IA pour apprendre la programmation, mais seulement s’ils les utilisent pour expliquer, remettre en question et réviser le code plutôt que de l’écrire à leur place. Les bases de la lecture du code, de la prédiction de son action, du débogage et de la résolution des problèmes sont exactement des compétences qui s'estompent lorsque l'IA fournit toutes les réponses. Ce sont aussi les compétences qui vous permettent de détecter les erreurs de l'IA.
Lire du code fonctionnel, c'est comme le comprendre. Mais sans produire vous-même des solutions, vous ne construirez jamais l’image mentale dont vous avez besoin lorsque l’IA est erronée ou indisponible.
Les modèles linguistiques génèrent un texte d’apparence plausible. Un nom de fonction inventé peut sembler aussi probable qu'un nom réel, vous devez donc vérifier les suggestions par rapport à la documentation.
Les outils d'édition envoient le code à proximité comme contexte, de sorte que leurs suggestions s'appuient sur ce que vous avez écrit, y compris vos erreurs.
Essayer d'abord le problème et demander des indices permet à l'apprenant de réfléchir, tout en obtenant de l'aide lorsqu'il est bloqué.
Le « canard » IA du CS50 a été conçu pour guider les étudiants vers des solutions, ce qui est un exemple de cours intégrant des protections dans l'outil lui-même.
Continuez à apprendre
Plus de guides sélectionnés pour ce sujet
À suivreGuide suivant
L'IA dans la migration automatisée du code
Applications