{ Tribune Expert } - Trois défis en développement logiciel qui impactent les gains de productivité de votre IA
Publié par Michel Isnard * le - mis à jour à
L'IA devient de plus en plus essentielle au développement logiciel. Cependant quand il s'agit de mettre en oeuvre de nouveaux outils, il existe des défis potentiels en matière de croissance qui peuvent rendre plus complexe la transition vers le développement de logiciels basés sur l'intelligence artificielle.
L'IA a le potentiel d'être un outil de transformation considérable pour le développement de logiciels. Elle apporte des avantages tels que des cycles d'itérations plus efficaces et plus rapides, une réduction des vulnérabilités, ainsi qu'un gain de temps alloué aux tâches administratives - permettant également aux organisations de livrer les logiciels à la vitesse du marché. Afin d'atteindre ces gains de productivité, les organisations doivent envisager de mettre en oeuvre des changements spécifiques aux processus et à la culture tout en intégrant des outils alimentés par l'IA.
Un manque de formation à l'IA
Selon une récente étude de GitLab, 25 % des collaborateurs en France déclarent que leurs organisations ne leur fournissent pas de formation ou de ressources adéquates ou suffisantes dans le cadre de l'utilisation de l'IA. En comparaison, 15 % des Chief Experience Officer (CxO) expriment le même sentiment, mettant en évidence une divergence entre la perception qu'ont les dirigeants et leurs équipes des investissements en matière de formation à l'intelligence artificielle.
Cela peut s'expliquer par le fait que certaines organisations considèrent encore l'IA comme un remplaçant potentiel des développeurs plutôt que comme un outil permettant un travail plus créatif et stratégique centré sur l'humain. Pour tirer parti de l'IA, les organisations doivent réaliser des investissements supplémentaires au niveau de la formation et du développement, afin de permettre aux équipes d'acquérir assurance et motivation au fil du temps.
Les équipes devraient aussi bénéficier d'un temps de transition pour déterminer comment intégrer l'IA de manière optimale dans leurs processus. Au départ, la productivité peut diminuer le temps qu'elles s'adaptent aux nouveaux workflows, mais en analysant l'intégration de l'IA dans les tâches quotidiennes, elles gagneront en confiance dans ces nouveaux outils et pourront ainsi obtenir de meilleurs résultats.
Une chaîne d'outils trop complexe
Un facteur négligé qui peut nuire à l'expérience des développeurs et avoir un impact sur la productivité globale est la multiplicité de solutions dans une chaîne d'outils, ou l'accès à plusieurs solutions ponctuelles dans l'ensemble des processus du développement logiciel. En effet, deux tiers des recherches de GitLab ont révélé que les professionnels du DevSecOps souhaitent consolider leurs chaînes d'outils, et nombreux ont cité des effets négatifs sur l'expérience des développeurs du fait d'un passage d'un outil à l'autre en fonction du contexte.
Une chaîne d'outils trop complexe présente d'autres inconvénients, tels que l'augmentation des coûts et de la complexité, la création de silos et la difficulté de normaliser les processus au sein des équipes. Elle pose également des problèmes de sécurité en raison de l'élargissement des surfaces d'attaque et des points de transfert inutiles. En effet, les solutions ponctuelles d'IA contribuent à aggraver ces problèmes.
Pendant cette phase décisive d'adoption de l'IA, les dirigeants devraient adopter de meilleures pratiques stratégiques et cohérentes au lieu d'essayer de l'intégrer dans des chaînes d'outils lourdes et complexes. Avant de s'équiper de nouvelles solutions en matière d'IA, les organisations devraient évaluer leurs chaînes d'outils existantes pour déterminer les domaines dans lesquels elles peuvent rationaliser ou éliminer des briques disparates afin d'éviter la contrainte liée à l'intégration d'outils superflus avec des solutions d'intelligence artificielle.
Des mesures de productivité obsolètes
La productivité des développeurs est l'une des principales préoccupations des CxO. Parmi les répondants interrogés, presque tous (99 %) ont déclaré que la mesure de la productivité des développeurs pourrait contribuer à la croissance de l'entreprise, mais 45 % d'entre eux ne lient pas cette mesure aux résultats de l'entreprise. S'il a toujours été difficile de mesurer la productivité des développeurs, l'IA est venue accentuer cette difficulté.
De nombreuses organisations peinent à quantifier l'impact des outils alimentés par l'IA sur la productivité de leurs développeurs ou à évaluer avec précision la façon dont leurs résultats ont un effet sur leur entreprise. Les mesures traditionnelles, telles que les lignes de code, les validations de code ou l'achèvement des tâches, sont insuffisantes pour évaluer l'impact du développement sur les résultats de l'entreprise.
La meilleure approche pour moderniser les pratiques de mesure commence par la consolidation des données quantitatives tout au long du cycle de vie du développement logiciel avec les retours des développeurs sur la façon dont l'IA peut soutenir ou impacter leur travail au quotidien.
Pour déterminer l'efficacité de l'IA dans le développement logiciel, les entreprises doivent évaluer le retour sur investissement en fonction de l'adoption par les utilisateurs, du délai de mise sur le marché, du chiffre d'affaires et de la satisfaction des clients. Les indicateurs de performance les plus pertinents à surveiller varient probablement d'une entreprise, d'un service ou d'un projet à l'autre.
L'IA a le potentiel de faire évoluer les pratiques DevSecOps et de les accélérer. Les organisations peuvent contourner les obstacles potentiels et constater des gains de productivité plus rapides en abordant de manière proactive les défis culturels et axés sur les processus qui peuvent survenir au cours des étapes initiales de la mise en oeuvre de l'IA.
* Michel Isnard est vice-président EMEA de GitLab