Il est incroyable pour moi que "coder", tel que nous le voyions auparavant, soit en grande partie résolu à ce stade. J'ai entendu parler pour la première fois du concept de code généré par l'IA en 2015, lorsque un ami à moi a commencé à travailler dans une startup appelée @trygigster. Le principe de Gigster était d'être une plateforme pour embaucher des ingénieurs logiciels freelances. Leur plan était d'utiliser le code que ces freelances écrivaient pour les clients afin de former leurs réseaux neuronaux. L'espoir était que ces modèles puissent finalement générer du code et remplacer complètement les développeurs freelances. À l'époque, l'apprentissage profond commençait vraiment à prendre de l'ampleur (c'était avant la découverte des LLM), et l'équipe de Gigster croyait qu'elle pouvait utiliser les dernières recherches - les réseaux neuronaux récurrents (RNN) pour entraîner une machine à écrire du code par elle-même. Le problème avec les RNN, c'est qu'ils génèrent des charabias qui ressemblent à du code valide mais qui ne fonctionnent pas réellement. Ils manquent de la capacité à maintenir de grands contextes et sont très lents à entraîner, donc l'idée de générer automatiquement du code n'était tout simplement pas réalisable à l'époque. Dix ans plus tard, tout ce que Gigster essayait de faire est maintenant disponible pour tout le monde. Les progrès réalisés par Anthropic, Google et OpenAI dans la génération de code sont étonnants si l'on prend du recul. Ce que je pensais être un rêve impossible est maintenant une réalité.