Aujourd’hui, les r\u00e9seaux de neurones sont utilis\u00e9s partout. Les programmeurs les utilisent pour g\u00e9n\u00e9rer du code, expliquer d’autres solutions, automatiser les t\u00e2ches de routine et m\u00eame cr\u00e9er des applications enti\u00e8res \u00e0 partir de z\u00e9ro. Il semblerait que cela entra\u00eene une augmentation de l’efficacit\u00e9, r\u00e9duisant les erreurs et l’acc\u00e9l\u00e9ration du d\u00e9veloppement. Mais la r\u00e9alit\u00e9 est beaucoup plus prosa\u00efque: beaucoup ne r\u00e9ussissent toujours pas. Les r\u00e9seaux de neurones ne r\u00e9solvent pas les probl\u00e8mes cl\u00e9s – ils n’\u00e9clairent que la profondeur de l’ignorance.<\/p>\n
La raison principale est que de nombreux d\u00e9veloppeurs comptent compl\u00e8tement sur LLM, ignorant la n\u00e9cessit\u00e9 d’une compr\u00e9hension approfondie des outils avec lesquels ils travaillent. Au lieu d’\u00e9tudier la documentation – une demande de chat. Au lieu d’analyser les raisons de l’erreur – copier la d\u00e9cision. Au lieu de solutions architecturales – la g\u00e9n\u00e9ration de composants selon la description. Tout cela peut fonctionner \u00e0 un niveau superficiel, mais d\u00e8s qu’une t\u00e2che non standard survient, l’int\u00e9gration avec un vrai projet ou le besoin d’un r\u00e9glage fin est n\u00e9cessaire, tout s’effondre.<\/p>\n
Les r\u00e9seaux de neurones g\u00e9n\u00e8rent le code g\u00e9n\u00e9ralis\u00e9. Ils ne prennent pas en compte les sp\u00e9cificit\u00e9s de votre plate-forme, de votre version des biblioth\u00e8ques, des restrictions environnementales ou des solutions architecturales du projet. Ce qui est g\u00e9n\u00e9r\u00e9 semble souvent plausible, mais n’a rien \u00e0 voir avec le code r\u00e9el et pris en charge. M\u00eame des recommandations simples peuvent ne pas fonctionner si elles appartiennent \u00e0 la version obsol\u00e8te du cadre ou utilisent des approches qui ont longtemps \u00e9t\u00e9 reconnues comme inefficaces ou dangereuses. Les mod\u00e8les ne comprennent pas le contexte – ils d\u00e9pendent des statistiques. Cela signifie que les erreurs et les antipatt\u00e8res, populaires en code ouvert, seront reproduits encore et encore.<\/p>\n
L’IA g\u00e9n\u00e9r\u00e9e par le code est souvent redondante. Il comprend des d\u00e9pendances inutiles, des doublons la logique, ajoute des abstractions inutilement. Il s’av\u00e8re une structure lourde inefficace qui est difficile \u00e0 soutenir. Ceci est particuli\u00e8rement aigu dans le d\u00e9veloppement mobile, o\u00f9 la taille du gang, le temps de r\u00e9ponse et la consommation d’\u00e9nergie sont essentielles.<\/p>\n
Le r\u00e9seau neuronal ne m\u00e8ne pas le profilage, ne prend pas en compte les restrictions du CPU et du GPU, ne se soucie pas des fuites de m\u00e9moire. Il n’analyse pas l’efficacit\u00e9 du code en pratique. L’optimisation est toujours faite \u00e0 la main, n\u00e9cessitant une analyse et un examen. Sans cela, l’application devient lente, instable et \u00e0 forte intensit\u00e9 de ressources, m\u00eame si elle semble \u00abcorrecte\u00bb du point de vue de la structure.<\/p>\n
N’oubliez pas la s\u00e9curit\u00e9. Il existe d\u00e9j\u00e0 des cas connus lorsque les projets sont partiellement ou enti\u00e8rement cr\u00e9\u00e9s \u00e0 l’aide de LLM ont \u00e9t\u00e9 pirat\u00e9s avec succ\u00e8s. Les raisons sont typiques: l’utilisation de fonctions dangereuses, le manque de v\u00e9rification des donn\u00e9es d’entr\u00e9e, les erreurs dans la logique de l’autorisation, la fuite \u00e0 travers des d\u00e9pendances externes. Le r\u00e9seau neuronal peut g\u00e9n\u00e9rer un code vuln\u00e9rable simplement parce qu’il a \u00e9t\u00e9 trouv\u00e9 dans les r\u00e9f\u00e9rentiels ouverts. Sans la participation de sp\u00e9cialistes de la s\u00e9curit\u00e9 et une r\u00e9vision compl\u00e8te, de telles erreurs deviennent facilement des points d’entr\u00e9e pour les attaques.<\/p>\n
La loi de Pareto travaille clairement avec les r\u00e9seaux de neurones: 80% du r\u00e9sultat est obtenu en raison de 20% des efforts. Le mod\u00e8le peut g\u00e9n\u00e9rer une grande quantit\u00e9 de code, cr\u00e9er la base du projet, r\u00e9partir la structure, organiser des types, connecter les modules. Cependant, tout cela peut \u00eatre d\u00e9pass\u00e9, incompatible avec les versions actuelles des biblioth\u00e8ques ou des cadres, et n\u00e9cessite une r\u00e9vision manuelle importante. L’automatisation ici fonctionne plut\u00f4t comme un projet qui doit \u00eatre v\u00e9rifi\u00e9, trait\u00e9 et adapt\u00e9 \u00e0 des r\u00e9alit\u00e9s sp\u00e9cifiques du projet.<\/p>\n
N\u00e9anmoins, l’avenir semble encourageant. Mise \u00e0 jour constante des ensembles de donn\u00e9es de formation, int\u00e9gration avec la documentation actuelle, v\u00e9rification de l’architecture automatis\u00e9e, conformit\u00e9 \u00e0 la conception et aux mod\u00e8les de s\u00e9curit\u00e9 – tout cela peut radicalement modifier les r\u00e8gles du jeu. Peut-\u00eatre que dans quelques ann\u00e9es, nous pouvons vraiment \u00e9crire le code plus rapidement, plus s\u00fbr et plus efficacement, en nous appuyant sur LLM en tant que co-auteur technique. Mais pour l’instant – h\u00e9las – il faut v\u00e9rifier, r\u00e9\u00e9crit et modifi\u00e9 manuellement.<\/p>\n
Les r\u00e9seaux de neurones sont un outil puissant. Mais pour qu’il travaille pour vous, et non contre vous, vous avez besoin d’une base, de la pens\u00e9e critique et de la volont\u00e9 de prendre le contr\u00f4le \u00e0 tout moment.<\/p>\n","protected":false},"excerpt":{"rendered":"
Aujourd’hui, les r\u00e9seaux de neurones sont utilis\u00e9s partout. Les programmeurs les utilisent pour g\u00e9n\u00e9rer du code, expliquer d’autres solutions, automatiser les t\u00e2ches de routine et m\u00eame cr\u00e9er des applications enti\u00e8res \u00e0 partir de z\u00e9ro. Il semblerait que cela entra\u00eene une augmentation de l’efficacit\u00e9, r\u00e9duisant les erreurs et l’acc\u00e9l\u00e9ration du d\u00e9veloppement. Mais la r\u00e9alit\u00e9 est beaucoupContinue reading “Pourquoi les programmeurs ne font-ils rien m\u00eame avec les r\u00e9seaux de neurones”<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[61],"tags":[],"class_list":["post-4193","post","type-post","status-publish","format-standard","hentry","category-techie","entry"],"translation":{"provider":"WPGlobus","version":"3.0.2","language":"fr","enabled_languages":["en","ru","zh","de","fr","ja","pt","hi"],"languages":{"en":{"title":true,"content":true,"excerpt":false},"ru":{"title":true,"content":true,"excerpt":false},"zh":{"title":true,"content":true,"excerpt":false},"de":{"title":true,"content":true,"excerpt":false},"fr":{"title":true,"content":true,"excerpt":false},"ja":{"title":true,"content":true,"excerpt":false},"pt":{"title":true,"content":true,"excerpt":false},"hi":{"title":false,"content":false,"excerpt":false}}},"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/4193","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/comments?post=4193"}],"version-history":[{"count":1,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/4193\/revisions"}],"predecessor-version":[{"id":4194,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/posts\/4193\/revisions\/4194"}],"wp:attachment":[{"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/media?parent=4193"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/categories?post=4193"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/demensdeum.com\/blog\/fr\/wp-json\/wp\/v2\/tags?post=4193"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}