De l'usage de l'IA en production

Intégration dans le flux de production

Passer de la découverte à l'intégration dans les méthodes de travail n'est pas chose aisée. Outre le fait que la sortie de nouveaux modèles et de nouvelles IA est fréquente, l'assimilation efficace au quotidien peut prendre du temps : tests, vérifications, qualité, modification des processus de création, etc. Il faut souvent faire un bilan régulier : quelle réelle plus-value ? Quelle amélioration de la productivité ou de la qualité ?

Des images (encore) très marquées

Première application des IA génératives, la création d'image s'améliore progressivement. Pour ce qui est du design, elles peuvent servir de base de travail et éviter un long processus de réflexion et d'essais. Parfait pour tester rapidement des idées ou servir de support à une vectorisation. À noter que les IA génératives sont très performantes dans les "associations de couleurs".

Pour les images de type "photo réaliste", le résultat reste encore fréquemment très marqué. Il faut régulièrement retoucher la colorimétrie, sans compter les hallucinations qui persistent parfois, en particulier sur les yeux.

Un exemple de "photo réaliste" générée par 3 IA différentes et qui utilisent le même prompt, il s'agit d'une photo destinée à réaliser des mockup.

Le vrai problème vient de l'uniformisation des images, elles ont tendance à toutes "se ressembler", c'est assez flagrant sur les réseaux sociaux et maintenant sur des affiches ou des illustrations. En réalité, les images générées par IA présentent souvent des caractéristiques similaires : mêmes palettes de couleurs, mêmes compositions, même esthétique "lissée".

Code : après l'euphorie, la désillusion

L'intelligence artificielle est très efficace dans le codage : en l'utilisant comme métamoteur de recherche, on évite des longues heures de recherche dans la documentation, ou sur des forums spécialisés. L'inconvénient, c'est de ne pas réellement comprendre ce que l'on fait, avec tous les risques que cela pose en termes de qualité, de sécurité et de maintenabilité du code. Aujourd'hui, on arrive à un point ou des codeurs sont embauchés pour réparer les erreurs commises par l'IA.

La question du vibe coding

Avec le vibe coding, on touche à l'expérience extrême : coder des sites web ou des applications sans rien n'y connaître (c'est-à-dire sans relire le code, le corriger, l'implémenter, le tester...). Ce genre de projet tourne quasi systématiquement à la catastrophe.

Des avantages indéniables

L'usage de l'IA, dans un process bien encadré, permet d'accélérer la productivité : résumé de contenu et rédaction de texte, génération d'images, qui peuvent servir d'ébauche, ou être utilisées comme base de travail. Codage plus rapide : snippets ou recherche de bug. Accès à l'apprentissage et à des domaines d'expertises plus élevés.

Les inconvénients et risques à long terme

• Uniformisation : c'est déjà flagrant sur les images, mais aussi sur les textes ou le code. L'homogénéisation des contenus provoque une réelle menace pour l'identité de marque, et la différenciation devient plus difficile. Reproduire la complexité et la nuance, n'est pas chose aisée. Pour le code, cela pourrait aller jusqu'à un appauvrissement des écosystèmes et à des vulnérabilités plus fréquentes.
• Perte de compétence : à force d'utiliser l'IA, les développeurs pourraient perdre des compétences ou de l'expertise. Savoir coder avant d'utiliser l'intelligence artificielle constitue une condition préalable incontournable. Cela pourrait être pire avec les nouvelles générations, biberonnées à ChatGPT durant toutes leurs études !
• Dépendance : être accoutumé à un outil devient problématique si l'on ne conserve pas le savoir-faire humain. En cas de dysfonctionnement, tout est bloqué !

À cela s'ajoute le manque de données pour l'entraînement des IA (elles ont déjà "digéré" tout ce que l'humain a produit) et le contenu de masse généré automatiquement commence à "polluer" le web.

Conclusion

Il y a fort à parier que l'IA, comme tous les outils précédents, finissent par s'intégrer dans les processus de production en conservant un certain équilibre : automatiser et accélérer la conception, tout en préservant l'expertise humaine pour la créativité, la stratégie et l'innovation. Utiliser l'intelligence artificielle comme un copilote, et non en remplacement de la compétence humaine.