Développement décentralisé en diffusion… Les entreprises sont impatientes de construire des systèmes d'IA multi-modèles et de gouvernance

html

Dans le développement logiciel de première ligne, « le développement d’agents intelligents » se répand rapidement, et la manière dont les entreprises intègrent l’IA connaît également des changements majeurs. Le diagnostic indique qu’au lieu de dépendre d’un fournisseur spécifique, la construction d’un système « multi-modèles IA » qui opère plusieurs modèles d’IA et agents en même temps devient une question centrale.

Michaël Vink, vice-président du développement commercial chez JetBrains s.r.o., a déclaré lors d’une interview sur place au Google Cloud Next que la vitesse des changements dans l’environnement de développement récent dépasse largement les prévisions du marché. JetBrains est une entreprise d’environnement de développement intégré (IDE) utilisée par 15 millions de développeurs dans le monde. Vink a indiqué : « Ce mois-ci, c’est Anthropic, le mois prochain, c’est Gemini, de nouvelles fonctionnalités d’IA apparaissent sans cesse », et a souligné que pour obtenir les meilleurs résultats sur le marché, les développeurs doivent pouvoir utiliser plusieurs modèles de manière flexible.

Il a expliqué en particulier que « le vrai défi du développement d’agents intelligents » ne réside pas tant dans la génération de code elle-même, mais dans la construction de l’infrastructure sous-jacente. Si une entreprise veut appliquer l’IA à ses activités réelles, elle doit contrôler plusieurs agents, connecter les données, le contexte et la mémoire, voire intégrer de manière organique des outils externes et des pipelines. Cela signifie qu’au-delà d’un environnement IA d’entreprise simple pour des expérimentations, la structure complexe requise dépasse largement l’imagination.

La génération de code devient plus simple, mais l’exploitation et le contrôle sont plus importants

Vink insiste sur le fait que pour que les agents intelligents fonctionnent normalement, « le contexte » et « les données réelles » sont indispensables. À cette fin, il pense qu’il est nécessaire de réaliser simultanément la connexion avec le serveur du protocole de contexte de modèle (MCP), la transmission de données structurées, et la mise en place d’un environnement de développement durable. Il explique que, sans ces bases, les résultats générés par l’IA peuvent s’éloigner de la réalité du travail.

JetBrains indique qu’en réponse à cette tendance, ils construisent une plateforme de gouvernance pour suivre les coûts, gérer les permissions d’accès aux modèles, et analyser le degré d’adoption des recommandations d’IA par les développeurs. Leur jugement est que, du point de vue de l’entreprise, seule une maîtrise claire de l’utilisation de l’IA, de l’efficacité et du niveau de contrôle permet une adoption à grande échelle. Cela signifie qu’avec l’expansion des applications d’IA, la « gouvernance » et la « visibilité » deviennent aussi importantes que la performance.

Le rôle des développeurs, passant de simple codeurs à « orchestrateurs »

Ce changement modifie également le rôle des développeurs eux-mêmes. Ils ne se limitent plus à écrire directement du code comme par le passé ; désormais, le rôle d’« orchestrateur » qui coordonne plusieurs agents et modèles d’IA devient encore plus crucial. Par ailleurs, les exigences en matière de garantie de qualité, de validation de sécurité et de compréhension des algorithmes atteignent un niveau supérieur.

Vink considère que la « pensée critique » est le facteur le plus important dans la gestion de la qualité. Il pense qu’il ne faut pas simplement approuver les résultats fournis par l’IA, mais comprendre en profondeur le fonctionnement du système et vérifier personnellement les algorithmes générés. Cela indique que, même si l’IA augmente la productivité du développement, la responsabilité finale et le pouvoir de jugement restent entre les mains des développeurs humains.

En fin de compte, à l’ère du développement d’agents intelligents, la compétitivité ne dépend pas uniquement de l’utilisation des modèles les plus récents. Les entreprises systématiques capables de combiner de manière flexible plusieurs IA, de les sécuriser, et de gérer la qualité de leurs productions ont plus de chances de prendre l’initiative dans le développement logiciel à l’avenir.

TP AI Notes : Cet article a été résumé à l’aide du modèle linguistique de base TokenPost.ai. Le contenu principal peut être incomplet ou non conforme à la réalité.