Alors que les avantages de l’IA générative sont mis partout en avant, en disant au monde entier à quel point elle facilitera nos vies, l’avis des développeurs qui doivent réellement construire ces applications miracles est différent. C’est ce que révèle une enquête d’IBM (menée par Morning Consult) qui a recueilli les avis de plus de 1 000 développeurs d'entreprise aux États-Unis, dans laquelle ils listent les nombreux défis qu’ils doivent affronter pour créer des applications de GenAI

Un déficit de compétences en GenAI

Sans surprise, l'un des principaux problèmes est le manque de compétences. Lorsqu'on leur demande d'évaluer leur technicité et leur expérience professionnelle dans ce domaine, moins d'un quart des développeurs sondés (24 %) se considèrent comme des experts en IA générative. Parmi les sept catégories de développeurs auto-identifiés interrogés (développeur en IA, datascientist, ingénieur logiciel, développeur de systèmes, ingénieur en machine learning, développeur de logiciels, ingénieur informatique, ingénieur en IA et développeur d'applications), les seuls groupes dans lesquels une majorité se considère comme des experts en IA générative sont les développeurs d'IA et les datascientist. Moins de la moitié de ceux qui se considèrent comme des ingénieurs ML (43 %) et des ingénieurs IA (38 %) se considèrent comme des spécialistes de la GenAI.

« Ces résultats témoignent du déficit de compétences dans le domaine de l'IA générative », a écrit Ritika Gunnar, directrice générale de Data and AI chez IBM, dans un billet de blog. « Pour de nombreux développeurs, c’est un domaine tout à fait nouveau, avec une courbe d'apprentissage abrupte, et les cycles d'innovation rapides signifient qu’ils doivent se familiariser en permanence avec ces technologies », a-t-elle ajouté.

L’absence de processus de développement normalisés soulevé

La dirigeante a ajouté que « même les développeurs ayant le niveau de compétences nécessaire en IA, sont confrontés à des défis ». Et de préciser « le manque de clarté sur la fiabilité des frameworks et des boîtes à outils vient s'ajouter au manque de compétences », a-t-elle déclaré. « L'absence d'un processus normalisé de développement de l'IA ainsi qu’un manque de priorité donnée à la transparence et à la traçabilité sont les principaux défis cités par les répondants à l'enquête. »

Chacune de ces deux catégories a été pointée par un tiers des répondants, ce qui en fait les principaux défis parmi les 10 mentionnés. Arrivent peu après l'adaptation au contexte de l'entreprise (32 %), le rythme de changement des techniques/technologies (31 %), la complexité de l'infrastructure (29 %) et la mise en place d'une gouvernance et d'une conformité (28 %). La qualité des grands modèles de langage (LLM) n'est considérée comme un défi que par 19 % des personnes interrogées. Cependant, plus d'un quart des développeurs (26 %) ont été confrontés au cauchemar de tout programmeur : le manque de clarté quant aux résultats/objectifs de l'entreprise.

Des outils inadéquats

Selon le rapport, la majorité des développeurs utilisent entre 5 et 15 outils pour faire leur travail - 35 % utilisent entre 5 et 10 outils, 37 % entre 10 et 15 outils, et 13 % utilisent 15 outils ou plus. Pourtant, ces outils ne répondent pas toujours à leurs besoins. « Selon les personnes interrogées, la performance (42 %), la flexibilité (41 %), la facilité d'utilisation (40 %) et l'intégration (36 %) sont les quatre qualités les plus essentielles des outils de développement de l'IA d'entreprise », a indiqué Ritika Gunnar. « Pourtant, plus d'un tiers des personnes interrogées ont également déclaré que ces mêmes caractéristiques étaient les plus rares. » Environ un tiers des personnes interrogées ont également déploré l'état de quatre autres caractéristiques essentielles : la qualité de la documentation, la rentabilité, le soutien et les ressources de la communauté, et le fait que les outils soient open source.

Compte tenu du nombre d'outils dont ils ont besoin pour faire leur travail, il n'est pas surprenant que les développeurs n’aient pas très envie de consacrer beaucoup de temps à l'ajout d'un autre outil à leur arsenal. Deux tiers d'entre eux ne sont prêts à investir que deux heures ou moins dans l'apprentissage d'un outil de développement d'IA, 22 % y consacrent de trois à cinq heures et 11 % seulement plus de cinq heures. Et dans l'ensemble, ils ne cherchent pas très souvent à explorer d’autres outils. Seuls 21 % d'entre eux disent qu’ils en consultent tous les mois, tandis que 78 % le font une fois tous les un à six mois, et les 2 % restants rarement ou jamais. L'enquête a révélé qu’en général, ils examinent environ six outils à chaque fois. Si plus de la moitié des développeurs utilisent des outils « low code » (65 %) et « no code » (59 %), les outils « pro code » restent majoritaires (73 %). Presque toutes les personnes interrogées utilisent des assistants de codage dans leur travail de développement de l'IA, 41 % d'entre elles déclarant qu’elles peuvent ainsi économiser une à deux heures par jour.

Inquiétudes à propos des agents d’IA

Le dernier domaine exploré par l'enquête est celui des agents IA. Quasiment tout le monde (99 %) étudie ou développe des agents d'IA, et leurs préoccupations sont bien connues : 31 % s'inquiètent de la fiabilité (s'assurer que les résultats sont exacts et exempts de biais), 23 % s'inquiètent de l'introduction de nouveaux vecteurs d'attaque que les mauvais acteurs pourraient exploiter, 22 % citent la conformité et le respect des réglementations, et 22 % craignent que les agents deviennent trop autonomes et que les humains perdent le contrôle et la visibilité sur les systèmes. Quoi qu'il en soit, les trois principaux cas d’usage sont assez prévisibles : service et assistance à la clientèle (50 %), gestion de projet/assistant personnel (47 %) et création de contenu (46 %). Seuls 1 % des répondants n'explorent pas les cas d’usage impliquant des agents d’IA.

Une brique de développement simple et intuitive nécessaire

L'enquête souligne le fait que, si l'IA et la GenAI sont de plus en plus importantes pour les entreprises, les outils et les techniques nécessaires pour les développer ne suivent pas. « Les résultats de notre enquête fournissent des pistes pour résoudre la complexité du développement de l'IA et montrent l’intérêt de certains outils déjà utilisés », a fait valoir Rikita Gunnar. « Tout d'abord, étant donné le rythme des changements dans le paysage de l'IA générative, nous savons que les développeurs recherchent des outils faciles à maîtriser. »

Elle ajoute que « en ce qui concerne la productivité des développeurs, l'enquête a révélé une adoption généralisée et des gains de temps significatifs grâce à l'utilisation d'outils de codage alimentés par l'IA. » Cela signifie, selon elle, que pour créer ces applications d'IA générative de plus en plus importantes, la pile de développement a besoin de beaucoup plus d'attention. « La pile de développement de l'IA n’est pas suffisamment au cœur des discussions générales sur l'IA générative. Pourtant, elle peut jouer un rôle considérable dans l'impact de la technologie », a-t-elle affirmé. « Nous devons rendre la pile d'IA aussi simple et intuitive que les applications qu'elle produit. »