Software engineering

Post LinkedIn lead magnet · Software engineering

Ouais bon ça fait un moment que j'utilise Codex. Avis : - J'ai deux projets. Le premier est un coeur algorithmique assez out of distribution avec du compilateur de langage lazy en JS etc - le second est une UI Vue qui va manipuler ce compilateur (Non je peux pas en dire plus, vous avez pas mérité, il fallait manger toute la soupe !) Eh baaaah... Sur le premier projet c'est *systématiquement* de la merde. Ça tape à côté, ça introduit des bugs hyper vicieux, et je passe mon temps à péter un câble. Si je savais bien écrire du typescript (c'est pas un langage que je manipule vraiment), j'aurais clairement plus vite fait de le faire moi-même. Sur le second c'est *systématiquement* positivement surprenant. Mais c'est aussi potentiellement dû au fait que je ne sois pas capable de détecter les horreurs introduites parce que je ne maîtrise pas du tout Vue. Dans tous les cas, malgré mes prompts et mon AGENTS.md, le modèle comprend pas que je fais pas du vibe coding où je le laisse faire sa vie comme si il était chez mémé, et que je lui demande du code bien précis que je vais relire. Il en fait systématiquement trop : trop verbeux, trop de fonctions, trop de nouvelles classes, over engineering, il va changer du design orthogonal à la tâche, il va résoudre des "bugs" qu'il croise sur le chemin, prend des décisions de "performances" sans me consulter (et qui sont bien souvent techniquement fonctionelles mais fausses au vu de mes plans futurs ou des compromis que je veux faire). Et évidemment à la relecture ça a toujours l'air assez raisonnable donc il faut vraiment des relectures super attentives pour trouver les problèmes. Relectures qui sont d'autant plus dures que la compréhension et la connaissance de la codebase sont très vaporeuses puisque je ne l'ai déjà pas écrite moi-même. Voilà, donc, je suis à la fois enthousiaste et mitigé. Enthousiaste parce que ça permet clairement de pisser de la feature au kilomètre quand le type de projet est assez convenu, qu'il n'y a pas besoin de beaucoup d'explications ou de compréhension pour comprendre la big picture. Dans mon front c'est souvent le cas : corriger un composant, etc, c'est des trucs assez bateau. Pour le compilo c'est une cata, parce qu'à chaque nouvelle session il faudrait que Codex comprenne le computation model qui est derrière, qui n'est pas simple à expliquer, et il n'y arrive évidemment pas, parce qu'il croit avoir compris après 3 colgrep hasardeux. Je n'ai pas essayé de faire générer une explication à lui redonner à chaque nouvelle session mais de façon générale à chaque fois que j'essaie de faire générer un .md je suis consterné par la nullité des explications : pas de big picture, pas de bonne structuration ou de pédagogie, une sorte de collection de petits points de détails qui sont parfaitement inintéressants ou contingents (bien souvent en plus juste des points précis de la conversation en cours dont le modèle n'arrive pas à s'extraire). Mon AGENTS.md en premier commentaire.

Mécanisme lead magnet

Mon AGENTS.md en premier commentaire.

17 11×1.2

Autres lead magnets en software engineering

2

Software engineering

Post LinkedIn

Texte

Commente "BUDGET" et on fait le calcul sur ton cas précis.

13 4 0×2.0
3

Software engineering

Post LinkedIn

Image

Peut-on vraiment confier l’écriture de code à une intelligence artificielle ? 🧪 J’ai voulu tester pour toi. Le défi : créer un pipeline GitLab CI grâce à l’IA. Quand j’ai commencé à travailler sur My GitLab Check Instance, un projet sur lequel je planche depuis plusieurs mois, et dont je te reparlerai l’an prochain, j’avais un besoin bien précis : créer un code GitLab CI capable de modifier dynamiquement des jobs en fonction d’une variable d’environnement. En clair, je voulais exécuter certains jobs sur des runners spécifiques, en ajoutant des tags dynamiques contenus dans des variables CI/CD. Ce défi technique, je l’ai confié à deux IA : ChatGPT et GitLab Duo. Et j’étais curieux de voir si elles pouvaient me proposer une solution innovante. Spoiler : l’expérience a tourné au fiasco. 🥺 Après une heure, ChatGPT me proposait du code… inutilisable. Il "hallucinait", littéralement. Des bouts de script impossibles à intégrer dans un fichier GitLab CI. Chaque suggestion semblait plausible, mais dès que je les comparais à la documentation, ça ne tenait pas debout. Si je les avais intégrés dans GitLab CI, ça aurait planté avec des erreurs partout. Pire : il mélangeait des concepts incompatibles. Quant à GitLab Duo, il est resté bloqué dans une réflexion interminable. Après une heure, j’ai arrêté la session. 🙃 En parallèle, j’ai fini par écrire moi-même le code. C’était technique, certes, mais pas impossible. Le problème n’était pas la difficulté du code, mais le besoin de créativité et de logique humaine. Je mets dans le premier commentaire le commit lié à cette expérience. 😩 Pourquoi l’IA a échoué ? Les IA ont échoué parce qu’elles ne comprennent pas vraiment ce qu’elles font. Elles se basent sur des modèles statistiques, là où un humain mobilise intuition, expérience et vision stratégique. Nous avons quelque chose d’unique : la créativité. 🎨 🪄 L’IA : un outil, pas un magicien Attention, je ne dis pas que ChatGPT est inutile. Au contraire. Il peut être une excellente boîte à idées ou un assistant pour les tâches basiques. Si tu es novice et que tu te fies aveuglément à ses réponses… tu risques de gros problèmes. Il faut te méfier. Ce que l’IA propose n’est pas la vérité absolue. Il faut toujours vérifier, toujours valider. Pour l’instant, l’expertise humaine reste irremplaçable. Et c’est une bonne nouvelle. Parce que là où les IA hallucinent, nous, humains, innovons. 💼 Et les pros dans tout ça ? Avec la montée en puissance des outils IA, les développeurs qui les maîtrisent auront un avantage compétitif. Mais remplacer complètement l’expertise humaine ? Pas demain. Je continue néanmoins à penser qu’une partie des personnes qui codent vont être remplacées, grâce aux gains de productivité permis par l’IA. 🦊 Tu as un projet complexe sur GitLab CI ? Plutôt que de te perdre dans des suggestions bancales d’IA, fais appel à des pros. Détails dans le premier commentaire. ⤵️ #GitLabCI #DevOps #IntelligenceArtificielle

Détails dans le premier commentaire. ⤵️

26 23 0×1.6

Demander le retrait de ce post

LinkHub

LinkHub

Attire des clients qualifiés sur LinkedIn avec tes commentaires

LinkPost

LinkPost

Crée du contenu viral sur LinkedIn de façon scientifique

LinkEarn

LinkEarn

Attire des clients en illimité grâce à LinkedIn - sans y passer des heures.

LinkMagnet

LinkMagnet

Distribue tes lead magnets automatiquement sur LinkedIn