Electronique Mag - Le journal de l'électronique.

L’intelligence artificielle s’impose dans le développement informatique, mais la confiance reste fragile : 46 % des développeurs interrogés déclarent ne pas faire confiance à la précision des résultats générés par les outils d’IA. Un paradoxe qui prend tout son sens à l’occasion de la Journée mondiale du codage, le 29 octobre : alors que produire du code devient de plus en plus facile, la capacité à en comprendre le fonctionnement pourrait bien devenir la compétence la plus précieuse.

Une ligne de code générée en quelques secondes peut aussi dissimuler une erreur, une faille de sécurité ou un problème de conception. Le gain de temps initial risque alors de se transformer en travail supplémentaire de vérification et de correction. Le danger n’est donc pas tant de laisser l’IA programmer que de confondre rapidité d’exécution et qualité du développement. Sans une compréhension solide des fondamentaux, les développeurs peuvent difficilement exercer le recul critique nécessaire sur ce que produisent ces outils.

L’enjeu est désormais de former des professionnels capables de travailler avec l’IA sans en devenir dépendants. Cela suppose d’abord de consolider les fondamentaux de la programmation et de développer l’esprit critique dès l’apprentissage, tout en élargissant l’accès à ces compétences. C’est notamment dans cette logique qu’Acer soutient en France l’association STEM4ALL, qui favorise l’accès des femmes aux formations d’ingénieures et de la rechercher à travers son programme STEM IA et de la cybersécurité. Mais la théorie ne suffit pas : pour apprendre à identifier les limites de l’IA, encore faut-il pouvoir expérimenter, tester et corriger ses résultats dans des conditions concrètes. Des environnements de développement comme la station de travail Acer Veriton GN100, utilisée lors du Spark Hack Series de New York pour expérimenter des modèles d’IA en local et illustrent cette nécessité de passer de la maîtrise des fondamentaux à leur application pratique. Avec cette solution, les développeurs, chercheurs, data scientists et étudiants peuvent utiliser des frameworks et outils courants (PyTorch, Jupyter et Ollama) pour prototyper, affiner, tester et déployer des modèles de langage volumineux en local pour monter en puissance et travailler avec des modèles d’IA (jusqu’à 405 milliards de paramètres).

« L’IA ne doit pas conduire à former des développeurs qui savent obtenir du code sans en comprendre les mécanismes. Au contraire, son essor rend les fondamentaux de la programmation encore plus importants. L’objectif n’est pas de rivaliser avec la vitesse des machines, mais de développer les compétences nécessaires pour exploiter leurs capacités tout en gardant un regard critique sur leurs résultats. », explique Karim Ouahioune, Directeur Marketing et Communication, Acer Europe du Sud.

À l’ère de l’IA, apprendre à coder ne peut plus se résumer à maîtriser un langage de programmation. La véritable fracture ne sera pas entre ceux qui utilisent l’IA et ceux qui s’en passent, mais entre ceux qui savent en contrôler les résultats et ceux qui doivent s’y fier aveuglément. C’est cette capacité de jugement et de maîtrise qu’il faut désormais placer au cœur de l’apprentissage du code.