Dev Nag est dans les tranchées des outils de codage d'IA depuis plusieurs années et est le PDG de QueryPal, une société de logiciels axée sur la génération de tickets basée sur l'IA. Il décrit le processus de refactorisation et de maintenance du code généré par l’IA comme étant étonnamment difficile. « Le code manque souvent de cohérence en termes de style et de conventions de dénomination, ce qui peut donner l'impression qu'une base de code est décousue », dit-il. « J'ai passé de nombreuses heures à nettoyer et à standardiser le code généré par l'IA pour l'adapter aux conventions d'un projet. »
Dhaval Gajjar, PDG de la société de services informatiques et de conseil Pranshtech Solutions, CTO de la société de développement SaaS Textdrip et développeur de logiciels expérimenté, est d'accord. « Le code basé sur l'IA est généralement syntaxiquement correct, mais manque souvent de la clarté ou de la finition qui vient de la compréhension des meilleures pratiques par un développeur humain », dit-il. « Les développeurs doivent souvent nettoyer les noms de variables, simplifier la logique ou restructurer le code pour une meilleure lisibilité. »
Pour Travis Rehl, CTO chez Innovative Solutions, qui migre, modernise et construit des systèmes de nouvelle génération sur le cloud, l'étrangeté de travailler avec du code écrit par l'IA afin de le refactoriser ou de le maintenir peut être plus profonde. « Lorsque l'IA a utilisé des modèles ou des bibliothèques inconnus, il peut être difficile de refactoriser sans une compréhension approfondie de ces choix », explique-t-il. « Il existe également le risque de rompre les dépendances complexes que l'IA aurait pu créer. C'est définitivement une expérience différente. Vous travaillez souvent avec du code qui vous semble à la fois familier et étranger. L'IA pourrait utiliser des approches qui semblent non conventionnelles aux développeurs humains, ce qui conduit à se demander « Pourquoi a-t-elle procédé de cette façon ? » instants. »
GIPHY App Key not set. Please check settings