Thèse stratégique 02
euphile voit un plafond pratique à ce que l’IA peut faire dans le développement de logiciels dans le cadre du flux de travail actuel. De meilleurs modèles restent utiles, mais le résultat doit rester compréhensible, auditable, testable, déployable, contrôlable et exploitable au sein de systèmes que les personnes et les organisations peuvent réellement gérer.
Des modèles plus intelligents seront utiles, mais le cycle de vie actuel des logiciels crée une limite pratique.
L’IA peut déjà créer des applications de bout en bout.
Mais la production doit encore rester compréhensible et exploitable par les humains.
Après le plateau, la différenciation se déplace vers le coût, la vitesse et la fiabilité.
La pression estimée sur les principaux fournisseurs d’IA commence.
C'est l'interface entre les logiciels générés par l'IA et le cycle de vie des logiciels que les humains peuvent réellement gérer.
Ce que dit la thèse
L’IA générative est déjà performante dans la production de code. Le plafond pratique apparaît car le développement de logiciels ne consiste pas seulement à générer du code. Le résultat doit encore survivre au raisonnement humain, aux processus logiciels explicites et à la réalité opérationnelle.
Les fichiers, les options d'architecture, les tests, les corrections de bogues et de grandes parties d'applications entières peuvent déjà être générés rapidement. Le facteur limitant réside de plus en plus dans ce qui se passe après l’apparition du code.
Les logiciels doivent encore être compris, révisés, versionnés, construits, packagés, déployés, surveillés, débogués et maintenus au sein des structures que les équipes peuvent réellement utiliser.
Si les résultats passent toujours par le même cycle de vie centré sur les fichiers, la construction, la révision et le déploiement, des modèles plus intelligents finissent par produire des gains incrémentiels plutôt que des changements progressifs.
Lorsque les capacités de pointe deviennent plus difficiles à monétiser et que les adeptes rapides continuent de s'améliorer, la concurrence s'oriente vers le coût, la vitesse, la fiabilité et l'adéquation opérationnelle.
Question courante
La réponse d’Euphile est oui : GenAI améliorera également ces tâches. La distinction importante réside entre l’utilisation de GenAI au sein de l’infrastructure numérique actuelle et la refonte de l’infrastructure numérique autour de GenAI.
De meilleurs générateurs, de meilleurs validateurs, de meilleurs harnais de test, de meilleurs DSL, de meilleurs compilateurs et une meilleure automatisation autour du SDLC font tous partie du même mouvement.
Les compilateurs suivent toujours des règles strictes. Les tests nécessitent toujours du calcul, des dépendances et des environnements. Les artefacts ont encore besoin d'être construits. Les conteneurs doivent encore être provisionnés. Les charges de travail doivent toujours être planifiées.
La latence, la mémoire, la sécurité, la puissance, l'alimentation en calcul et les coûts d'inférence limitent tous la mesure dans laquelle l’architecture actuelle peut être repensée simplement en invoquant davantage d'IA.
Pour repenser l'infrastructure avec GenAI, davantage d'infrastructures pour GenAI sont nécessaires. Une grande partie de cette infrastructure est encore construite au-dessus du paradigme actuel plutôt qu’au-delà.
Fenêtre d'opportunité
La capacité mondiale de calcul et des centres de données reste limitée, l'inférence de frontière reste coûteuse et les modèles génériques sont encore faibles pour le travail logiciel précis au niveau de l'entreprise. Cela crée de la place pour une stratégie différente.
Au lieu de payer un supplément pour l'inférence de frontière générique, les organisations peuvent adapter les modèles ouverts à leurs référentiels, à leurs règles de domaine et à leur travail logiciel spécifique au projet.
Des systèmes ouverts plus petits ou optimisés peuvent être exécutés sur une infrastructure déjà existante, notamment des environnements de type poste de travail et le matériel actuel de l'entreprise.
Même les modèles génériques hautement intelligents ont encore du mal à s’adapter au contexte de l’entreprise, aux conventions tacites et à la structure précise du travail réel des logiciels d’entreprise.
La fenêtre actuelle ne concerne pas seulement l’inférence moins coûteuse. Il s'agit également de créer des flux de travail gouvernés, des validateurs, des générateurs et des modèles d'exécution sécurisés qui restent utiles tout au long des cycles de modèle.
Implication stratégique
Le point de vue d’Euphile est qu’il est peu probable que la prochaine phase de la concurrence en matière d’IA logicielle soit remportée par la seule intelligence brute des modèles. Compte tenu des contraintes de flux de travail actuelles, les postes les plus précieux proviendront probablement de la spécialisation contextuelle, des outils déterministes, d’une moindre dépendance aux jetons et d’une exécution rentable sur les équipes d’infrastructure qu’elles possèdent et comprennent déjà. C’est là que se situe la fenêtre d’opportunité actuelle.