À chaque problème complexe correspond une solution claire, simple… et fausse.
— H. L. Mencken
J’ai passé des années à chercher des solutions élégantes à des problèmes complexes.
Aujourd’hui, l’un d’eux me résiste particulièrement :
Comment évaluer la qualité réelle d’un dépôt de code source ?
Avec l’IA, le défi a changé. Ce n’est plus seulement “est-ce que ça fonctionne ?”, mais :
Ce code sera-t-il encore maintenable, sûr et fiable dans six mois ?
On ne va pas parler ici d’altruisme, je n’ai aucune intention d’offrir à mon modèle un datacenter ou l’accès à toutes les connaissances humaines (ça d’autres s’en chargent déjà).
Quand je dis “réaliser”, je le pense au sens littéral: comment implémenter la fonction de rêver pour un modèle ?
Mais pour comprendre pourquoi et comment je suis arrivé à cette hypothèse de conception, il faut revenir en arrière.
Tout part d’un travail sur la mémoire à long terme des agents que j’essaie d’implémenter via l’outil Open Source Mnemos1.
Mon profil psychologique est INTJ1 aussi appelé Architecte, et j’ai passé une bonne partie de ma vie à prouver que cette étiquette était adaptée…de la pire des manières.
Des années à avoir une multitude d’idées
Des années à produire des centaines d’idées à la chaîne pour rien ou pire pour en voir certaines réalisées par d’autres des années plus tard.
Face à une IA capable de compiler nos intentions en programmes fonctionnels, je m’interroge : notre métier se réduit-il à l’assemblage de syntaxe, ou cache-t-il une dimension qui échappe par nature au calcul ?
J’avais 17 ans quand j’ai enfin mis la main sur “The Art of Computer Programming” de Donald Knuth.
À l’époque, en 1989, les livres de référence sur la programmation étaient rares et les 4 volumes de TAOCP faisaient figure de “bible”; il reste encore pour moi un ouvrage de référence que chaque informaticien devrait lire.