Série Travailler à l’aide de l’intelligence artificielle : Coder en collaboration avec l’IA

En cette ère de progrès technologiques remarquables, l’émergence de l’intelligence artificielle générative (IA générative) a constitué une avancée importante. Ce sous-ensemble précis de l’IA génère du nouveau contenu pour répondre à presque toutes les demandes. Il lui faut seulement quelques mots de texte de la part de la personne qui l’utilise. 

Chaque volet de la série Travailler à l’aide de l’intelligence artificielle porte sur un cas d’utilisation précis, illustrant comment l’IA générative peut être utilisée efficacement dans divers scénarios. Nous étudions les outils les plus appropriés pour chaque tâche, nous révélons les invites les plus efficaces et nous proposons des astuces pour accélérer le parcours de l’entrée à la sortie idéale. 

N’oubliez pas que lorsque vous utilisez des outils d’IA, en particulier des outils d’IA générative comme ChatGPT, il est essentiel de suivre les pratiques exemplaires. Nous vous recommandons de consulter et de suivre le Guide sur l’utilisation de l’intelligence artificielle générative du gouvernement du Canada pour vous assurer d’utiliser ces outils de manière responsable et éthique. 

Cet article analyse le rôle de l’IA générative dans la programmation et traite des thèmes suivants : 

• améliorer l’efficacité de la programmation grâce à l’IA générative; 
• utiliser l’IA générative comme outil de collaboration pour les tâches de programmation; 
• assurer l’utilisation éthique et responsable de l’IA générative. 

Votre nouveau collaborateur propulsé par l’IA

En développement de logiciels, on accorde la priorité à l’efficacité, à l’innovation et aux codes sûrs et fiables. C’est donc un domaine en constante évolution. Au cours des derniers mois, l’IA générative en est devenue une force de transformation. Parmi les possibilités offertes par celle-ci figurent les grands modèles de langage, qui sont formés pour comprendre les langages de programmation et aider à générer du code. Ces outils d’IA excellent en faisant des suggestions, en trouvant et en corrigeant des bogues et en fournissant des renseignements pour optimiser le code. 

Cependant, les grands modèles de langage ne sont pas des solutions qui peuvent être utilisées seules. Ils n’ont pas la capacité de gérer de façon indépendante tous les aspects du développement de logiciels. Ils doivent plutôt être considérés comme des éléments de soutien ou des codéveloppeurs qui travaillent en étroite collaboration avec des développeuses et développeurs humains. Alors que ces derniers apportent une pensée critique, de la créativité et une compréhension nuancée, les outils d’IA générative apportent de la rapidité, des capacités étendues de traitement des données et une reconnaissance des tendances. 

Cet article met l’accent sur ChatGPT d’OpenAI, mais la plupart des techniques et des approches qui y sont présentées peuvent être appliquées à d’autres outils basés sur de grands modèles de langage. 

Comment ChatGPT a-t-il appris à coder?

Contrairement à une développeuse ou un développeur humain, qui comprend et écrit des codes en fonction de ses connaissances et de son expérience, ChatGPT génère des codes en tirant parti des modèles qu’il a appris d’un vaste ensemble de données de textes liés à la programmation au cours de sa formation. Dire un « vaste ensemble de données » peut ne pas être assez clair. Disons, selon les estimations actuelles, que l’ensemble de données de formation de ChatGPT comprend environ 11,5 millions de livres et qu’il y a 500 pages par livre. Non seulement cet ensemble de données est-il énorme, mais il comprend divers types de textes, comme des échantillons de code, des tutoriels de programmation et des analyses techniques.  

Cependant, l’exactitude et l’efficacité de ChatGPT sont variables. Celui-ci ne peut pas créer un nouveau code authentique ou intégrer des concepts sur lesquels il n’a pas reçu de formation. 

Rédaction et itération de codes

Lancer un nouveau projet de programmation peut être intimidant. Les grands modèles de langage comme ChatGPT peuvent aider les développeuses et développeurs à surmonter cet obstacle initial. Ils peuvent créer des modèles de code à partir des informations fournies dans une invite. Les développeuses et développeurs peuvent ensuite peaufiner le modèle, apporter des modifications, puis remplir le modèle avec du contenu. 

Les outils basés sur de grands modèles de langage utilisent un mécanisme appelé « attention » pour déterminer quelle partie de l’invite mérite une attention particulière. Si l’invite est trop complexe, l’IA peut se concentrer sur la mauvaise information. Commencez par une invite simple, claire et précise, puis ajoutez graduellement plus de complexité. 

Dans l’exemple qui suit, on demande à ChatGPT d’effectuer une tâche de programmation avec une invite simple.

Cette invite est simple et précise. La première phrase précise le langage de programmation souhaité et ce que la fonction devrait accomplir. La deuxième phrase demande ensuite à ChatGPT de tester l’exactitude du code généré. 

 
# Définir la fonction factorielle  
déf factorielle (n) : 
    si n < 0 : 
        # factorielle non définie pour les nombres entiers négatifs 
        donne « Non définie pour les nombres entiers négatifs » 
    elif n == 0 : 
        donne 1 
    autre : 
        résultat = 1 
        pour i dans l’intervalle(1, n + 1) : 
            résultat *= i 
        donne résultat 

# Testez la fonction avec les entiers relatifs compris entre -1 à 5 et inscrivez chaque résultat sur une ligne distincte 
factorial_values = {n: factorial(n) pour n dans la plage(-1, 6)} 
pour n, fact_value dans factorial_values.items(): 
    print(f"factorial({n}): {fact_value}") 

ChatGPT a fourni une fonction de Python fonctionnelle et l’a évaluée par rapport aux valeurs demandées. Maintenant, la fonction pourrait facilement être intégrée à un programme plus vaste, ou on pourrait demander à l’IA de développer davantage la fonction pour atteindre un résultat souhaité. 

Python n’est qu’un des nombreux langages dans lesquels ChatGPT peut générer des codes, y compris la plupart des langages traditionnels comme Java, JavaScript, C, C++, C#, Rust, Swift, HTML/CSS, TypeScript, SQL, R, Ruby et Kotlin. ChatGPT prend même en charge l’ancien code, car il connaît bien COBOL, Fortran et le langage d’assemblage IBM 360 et peut facilement convertir d’un langage à l’autre. Pour démontrer cela, convertissons le code de Python ci-dessus en JavaScript : 

 
# Définir la fonction factorielle 
déf factorielle(n) : 
  si n < 0 : 
        # factorielle non définie pour les nombres entiers négatifs 
        donne « Non définie pour les nombres entiers négatifs » 
    elif n == 0 : 
        donne 1 
    autre : 
        résultat = 1 
        pour i dans l’intervalle(1, n + 1) : 
            résultat *= i 
        donne résultat	 

 
factorielle(n) de fonction { 
    si (n < 0) { 
        donne « Non définie pour les nombres entiers négatifs » 
    } sinon si (n === 0) { 
        donne 1; 
    } ou { 
        soit le résultat = 1; 
        pour (soit i = 1; i <= n; i++) { 
            résultat *= i; 
        } 
        donne résultat; 
    } 
} 

ChatGPT peut également générer des codes et des commandes pour des technologies plus complexes, telles que Microsoft PowerShell, HashiCorp Terraform et Cisco IOS. Il peut même générer un pseudocode, qui propose une séquence d’instructions qui ne sont pas dans un langage lisible par machine. Les développeuses et développeurs peuvent ensuite exprimer le pseudocode dans leur langage de script préféré.

Débogage de code 

Le débogage de code est un processus fastidieux qui prend beaucoup de temps, surtout lors de la recherche d’erreurs logiques. Bien que les erreurs de syntaxe puissent être facilement repérées par les compilateurs ou les environnements de développement intégrés, les erreurs logiques passent souvent inaperçues. Elles provoquent un comportement inattendu ou des résultats incorrects dans le code qui peuvent prendre des heures, voire des jours à localiser. La complexité et la subtilité de ces erreurs peuvent entraîner d’importantes frustrations et des retards dans le développement. Le débogage du code écrit par quelqu’un d’autre ajoute une couche de complexité supplémentaire. 

ChatGPT peut examiner le code, suggérer des erreurs logiques potentielles et expliquer ce qu’il doit faire pour les corriger. En plus de cerner les éléments problématiques que les développeuses et développeurs auraient pu négliger, il aide à réduire le nombre d’erreurs possibles. 

Examinons un exemple en utilisant C. La fonction suivante devrait renvoyer la somme de deux nombres. Une erreur logique a toutefois été commise. Le code calcule la somme du même nombre (n1 + n1 au lieu de n1 + n2). Une erreur comme celle-ci peut passer inaperçue dans un programme qui contient des dizaines de milliers de lignes de code similaire. 

Pour défier encore plus ChatGPT, cet exemple suggère que la somme devrait être égale à 50, alors qu’elle devrait être égale à 30. Voyons s’il détecte également cette erreur. 

 
#inclure  
int main() { 
    int n1 = 10; 
    int n2 = 20; 
    int total = n1 + n1;  
    printf("Total: %d", total); 
    donne 0; 
}

 
int main() { 
    int n1 = 10; 
    int n2 = 20; 
    int total = n1 + n2; 
    printf("Total: %d", total); 
    donne 0; 
} 

ChatGPT a correctement cerné l’erreur logique. Il a même suggéré des ajustements au code pour renvoyer le résultat « attendu » de 50. 

Parfois, nous héritons aussi du code complexe de développeuses et développeurs qui n’ont pas laissé de commentaires expliquant ce qu’ils ont fait et pourquoi. Le code dans l’exemple suivant est très difficile à lire. Il comporte une fonction C appelée Fast InvSqrt() ou « racine carrée inverse rapide ». 

 
float InvSqrt (float x){ 
    float xhalf = 0.5f*x; 
    int i = *(int*)&x; 
    i = 0x5f3759df - (i>>1); 
    x = *(float*)&i; 
    x = x*(1.5f - xhalf*x*x); 
    donne x; 
} 

ChatGPT a décomposé cette structure de code complexe en segments gérables. Il est maintenant plus facile pour les développeuses et développeurs débutants et expérimentés de comprendre le problème et, au besoin, de le résoudre. 

N’oubliez pas que si vous souhaitez utiliser ChatGPT (ou d’autres outils basés sur un grand modèle de langage) pour expliquer le code, vous devez vous assurer que le code n’est pas exclusif ou confidentiel. 

Vérifier le code pour déceler les failles et les vulnérabilités 

Comme les développeuses et développeurs se concentrent sur la création de codes fonctionnels et le respect des échéances, ils peuvent négliger par inadvertance les failles et vulnérabilités potentielles. Leur code devient alors plus vulnérable aux atteintes à la sécurité. Cela peut avoir des répercussions importantes sur les environnements où la sécurité numérique est primordiale. 

ChatGPT peut aider à corriger cette lacune grave. Il peut balayer et analyser le code puis mettre en évidence les failles de sécurité potentielles qu’une développeuse ou un développeur pourrait avoir manquées.  

L’authentification est une tâche courante pour la plupart des sites Web. Dans l’exemple suivant, on demande à ChatGPT de balayer certains codes d’authentification de Hypertext Preprocessor (PHP) pour détecter les vulnérabilités potentielles.

< ?php  
    $name_nom = $_POST['name_nom'];  
    $pass_passe = $_POST['pass_passe'];  
    echo "Login/connexion : $name_nom";  
    // ... code to authenticate user - code pour authentifier l’utilisateur ...  
? > 

< ?php 
    $name_nom = $_POST['name_nom']; 
    $pass_passe = $_POST['pass_passe']; 
  
    $safe_name_nom = htmlspecialchars($name_nom, ENT_QUOTES, 'UTF-8'); 
    echo "Login/connexion : $safe_name_nom"; 
? > 

ChatGPT a localisé la vulnérabilité principale dans le code et l’a identifiée comme étant une injection de code indirecte (XSS). Il a non seulement offert une solution pratique pour atténuer ce problème, mais il a également mis en lumière d’autres vulnérabilités potentielles en matière de sécurité. 

Invites à image 

ChatGPT a introduit une nouvelle fonctionnalité qui permet d’ajouter une image à l’invite. Cette fonctionnalité peut être utilisée pour communiquer beaucoup d’information sans trop de texte. Dans ChatGPT, une image peut être jointe à l’aide du symbole de trombone.

Commande :

Créez le code HTML5 et CSS3 nécessaire pour produire la mise en page exacte du site Web indiquée dans l’image, avec le contenu, les proportions et les couleurs exacts.

Dans cet exemple, ChatGPT a fourni le code HTML et CSS requis pour bien reproduire l’image, comme montré.  

Cette fonction permet une forme de communication plus intuitive et visuelle. Elle est particulièrement utile dans les cas où le code produit une sortie visuelle, comme la conception de l’interface utilisateur ou la visualisation des données. Elle réduit considérablement les malentendus et clarifie le résultat souhaité. ChatGPT peut mieux comprendre la demande et fournir des conseils ou des solutions ciblés pour le codage. 

Il importe de noter que les outils basés sur un grand modèle de langage n’ont pas tous encore intégré cette fonction.  

Une approche globale  

La collaboration entre les développeuses et développeurs humains et les outils d’IA générative basés sur un grand modèle de langage marque une avancée significative dans le développement de logiciels. Ces outils peuvent rédiger du code, cerner les vulnérabilités potentielles en matière de sécurité et résoudre des problèmes de programmation complexes.  

Les outils d’IA générative comme ChatGPT peuvent maintenant être utilisés à toutes les étapes du cycle de développement logiciel. Par exemple, à la phase de planification de projet, l’IA peut formuler des recommandations sur la façon de structurer le logiciel. À la phase de conception, elle peut créer des modèles de code. Pendant la mise en œuvre, elle peut aider à peaufiner le code. Pendant les tests, elle peut cerner et corriger les bogues. 

Toutefois, il est important de se rappeler que l’IA a ses limites. Nous devons constamment examiner et valider les extrants générés par l’IA et faire preuve de prudence lorsque nous traitons des renseignements de nature délicate. Nous devrions également consulter et respecter les principes « PRETES » recommandés dans le Guide sur l’utilisation de l’intelligence artificielle générative du Secrétariat du Conseil du Trésor du Canada. 

Ressources 

Vous aimez cette série? Lisez aussi l’article suivant : Série Travailler à l’aide de l’intelligence artificielle : Inciter les outils d’intelligence artificielle à rédiger en langage inclusif

• Article | Aperçu de ChatGPT d’OpenAI  
• Article | Démystifier l’intelligence artificielle 
• Article | Lutter contre les changements climatiques grâce à l’apprentissage automatique 
• Cours | Découvrez l’intelligence artificielle (DDN210) 
• Cours | Démarrer avec l’apprentissage automatique (DDN220) 
• Guide sur l’utilisation de l’intelligence artificielle générative