Le débat s’intensifie autour de la pertinence des plateformes low-code face à l’arrivée des solutions de génération de code informatique. Une question se pose : l’évolution des pratiques de développement, rendra-t-elle les solutions low-code obsolètes ?
Les acteurs-clés du domaine du low-code sont de plus en plus sollicités afin de se positionner face aux récentes percées technologiques comme ChatGPT et les algorithmes d’intelligence artificielle générative.
Des solutions de génération de code informatique telles que GitHub Copilot, utilisant OpenAI Codex, AWS Code Whisperer, ou encore Meta Code Llama, fraîchement arrivé sur le marché, font l’objet d’une attention soutenue. Ce ne sont là que quelques exemples parmi une multitude d’autres outils émergents.
Dans ce contexte, le débat s’intensifie autour de la pertinence des plateformes low-code puisqu’au premier abord, elles peuvent être jugées obsolètes face à l’arrivée de ces innovations.
La question se pose donc : l’évolution des pratiques de développement, rendra-t-elle les solutions low-code obsolètes ?
La génération de code : pratique mais pas sans faille
Un examen attentif des articles et des témoignages d’experts révèle des constats intéressants. Il est indéniable que les capacités de ces nouveaux outils sont impressionnantes. Ils excellent dans la génération de documentation, l’auto-complétion intelligente et la rédaction de morceaux de code et d’algorithmes. Cependant, il est crucial de noter que lorsque la taille du code généré augmente, les risques d’erreurs, d’extrapolations erronées et de mécompréhensions suivent la même trajectoire.
Une préoccupation majeure concerne la sécurité. Le code généré par des outils d’IA peut introduire des vulnérabilités, car ces outils n’ont aucune connaissance des meilleures pratiques en matière de sécurité.
Selon une étude, 40 % des programmes écrits avec GitHub présentent des failles de sécurité. Une autre étude publiée par l’Université Cornell révèle que « 62% du code généré contient des utilisations incorrectes d’API, ce qui pourrait entraîner des conséquences inattendues si le code était intégré dans un logiciel réel. »
De plus, si les gains de temps sont tangibles, ils ne constituent pas pour autant une révolution mais se situeraient plutôt autour de 20 à 30% par rapport aux méthodes traditionnelles.
Il n’en demeure pas moins que ce sont assurément des outils intéressants et un consensus existe au sujet de leur valeur ajoutée. Une remise en contexte s’impose en revanche dans le but de donner à ces avancées leur juste proportion.
Low-code et génération de code : une comparaison hors de propos ?
Il est possible de répondre d’emblée à cette question : la comparaison ne tient pas. Les plateformes low-code offrent une infrastructure Cloud SaaS évolutive, permettant de créer et déployer d’un clic des applications full-stack sécurisées et immédiatement testables.
Elles résolvent les incompatibilités entre frameworks et bibliothèques, assurent des mises à jour transparentes, maintiennent une infrastructure robuste, compilent et déploient sans erreur, produisent des logs pour le monitoring et le débogage, et garantissent la conformité aux bonnes pratiques de sécurité, d’évolutivité et de maintenabilité.
Il y a donc un gouffre entre générer des morceaux de code et fournir un service SaaS complet de génération, d’administration et de monitoring d’applications métier full-stack, web et mobile.
Par ailleurs, les outils de génération de code ne répondent pas à un certain nombre de problématiques. Le “time-to-market” n’est pas comparable aux gains obtenus grâce au low-code qui, par une abstraction visuelle et une réduction de la quantité de code, permet une vitesse de déploiement allant de 2 à 4 fois plus rapidement.
Par opposition, sur des projets complexes l’IA générative peut rallonger les délais par la nécessité de comprendre et déboguer le code généré. En termes de compétences, le low-code permet de développer des applications full-stack avec un minimum de connaissances techniques tandis que l’IA générative, bien qu’utile pour les jeunes développeurs, peut induire des bugs sans une compréhension approfondie du code.
Sur le plan de la maintenabilité, la simplicité d’accès des solutions low-code permet de comprendre facilement les modèles visuels afin de les corriger et les faire évoluer. L’IA générative fait courir le risque d’une complexification et d’une densification du code, rendant la maintenance corrective et évolutive bien plus fastidieuse, elle qui représente pourtant 60% des coûts d’un projet sur 5 ans.
Le low-code optimise d’ailleurs le cycle de vie des applications, de la génération au déploiement tandis que l’IA générative introduit de la complexité via des possibles bugs, vulnérabilités et des problèmes de propriété intellectuelle.
Low-code et IA générative : unifier pour mieux régner
Les solutions low-code ont été conçues pour accélérer le développement et le déploiement des applications web et mobiles. Elles sont donc légitimes pour exploiter ces nouvelles avancées et tirer le meilleur parti de l’IA générative. En effet, ce sont elles qui ont permis l’automatisation et l’industrialisation de la génération d’applications web et mobile full-stack grâce à la modélisation visuelle.
Contrairement au développement traditionnel, où il est nécessaire de combiner et compiler différents langages de programmation, les solutions low-code permettent ainsi d’enseigner aux intelligences artificielles génératives la création de modèles d’applications sécurisés, évolutifs et prêts à être déployés en un clic.
L’avenir du développement d’applications s’oriente donc vers une approche « Midjourney », où l’humain pourra demander à une IA de générer une application fonctionnelle à partir d’une simple instruction.
Par exemple, un utilisateur pourrait demander la création d’une application de gestion de comptes, contacts et opportunités, avec des paramètres spécifiques en une phrase. Ce qui semblait relever de la science-fiction est aujourd’hui une réalité en devenir dans le domaine du développement d’applications.
