L'IA ne remplacera pas les informaticiens de si tôt – il y a 10 raisons pour lesquelles

Au fur et à mesure que les systèmes d'IA élargissent leurs capacités déjà impressionnantes, il y a une croyance de plus en plus courante que le domaine de l'informatique (CS) sera bientôt une chose du passé. Ceci est communiqué aux étudiants potentiels d'aujourd'hui sous la forme de conseils bien intentionnés, mais cela ne représente pas un peu plus que du ouï-dire des personnes qui, malgré leur intelligence, parlent en dehors de leur expertise.

Des personnages de haut niveau comme l'économiste lauréat du prix Nobel Christopher Pissarides ont fait cet argument, et en conséquence, il a pris racine à un niveau beaucoup plus banal – j'ai même entendu personnellement les conseillers de carrières du secondaire rejeter l'idée d'étudier la CS, malgré la connaissance du domaine lui-même.

Ces affirmations partagent généralement deux défauts communs. Le premier d'entre eux est que les conseils proviennent de personnes qui ne sont pas des informaticiens. Deuxièmement, il existe un malentendu généralisé de l'informatique implique réellement.

AI et le mythe du remplacement du code

Il n'est pas faux de dire que l'IA peut écrire du code informatique à partir d'invites, tout comme il peut générer des poèmes, des recettes et des lettres de motivation. Il peut augmenter la productivité et accélérer le flux de travail, mais rien de tout cela n'élimine la valeur de l'entrée humaine.

L'écriture de code n'est pas synonyme de CS. On peut apprendre à écrire du code sans jamais suivre une seule classe universitaire, mais un diplôme CS va bien au-delà de cette seule compétence. Il s'agit, entre autres choses, d'ingénierie des systèmes complexes, de conception d'infrastructures et de futurs langages de programmation, d'assurer la cybersécurité et la vérification des systèmes pour l'exactitude.

L'IA ne peut pas effectuer de manière fiable ces tâches, et il ne pourra pas le faire dans un avenir prévisible. L'apport humain reste essentiel, mais la désinformation pessimiste risque de diriger des dizaines de milliers d'étudiants talentueux loin des carrières importantes et significatives dans ce domaine vital.

Ce que l'IA peut et ne peut pas faire

L'AI excelle à faire des prédictions. L'IA générative améliore cela en ajoutant une couche de présentation conviviale au contenu Internet – il réécrit, résume et formate des informations en quelque chose qui ressemble à l'œuvre d'un humain.

Cependant, l'IA actuelle ne « pense pas vraiment ». Au lieu de cela, il repose sur des raccourcis logiques, appelés heuristiques, qui sacrifient la précision pour la vitesse. Cela signifie que, malgré la parole comme une personne, il ne peut pas raisonner, ressentir, se soucier, ou désirer quoi que ce soit. Cela ne fonctionne pas de la même manière qu'un esprit humain.

Il n'y a pas longtemps, il semblait que «l'ingénierie rapide» remplacerait CS. Aujourd'hui, cependant, il n'y a pratiquement pas d'observation d'emplois pour les ingénieurs rapides, tandis que des entreprises comme LinkedIn rapportent que les responsabilités des professionnels du CS se sont effectivement élargies.

Où Ai est court

Ce que l'IA fournit, ce sont des outils plus puissants pour que les professionnels du CS fassent leur travail. Cela signifie qu'ils peuvent désormais aller plus loin, des idées au déploiement du marché, tout en nécessitant moins de rôles de soutien et plus de leadership technique.

Il existe cependant de nombreux domaines où une contribution humaine spécialisée est toujours essentielle, que ce soit pour la confiance, la surveillance ou le besoin de créativité humaine. Les exemples abondent, mais il y a 10 domaines qui se distinguent en particulier:

1. Adapter un algorithme de fonds spéculatifs à de nouvelles conditions économiques. Cela nécessite une conception algorithmique et une compréhension profonde des marchés, pas seulement des rames de code.
2. Diagnostic des pannes de services cloud intermittents de fournisseurs comme Google ou Microsoft. L'IA peut dépanner à petite échelle, mais il ne peut pas contextualiser le dépannage à grande échelle et à enjeux élevés.
3. Réécriture du code pour les ordinateurs quantiques. L'IA ne peut pas le faire sans exemples approfondis d'implémentations réussies (qui n'existent pas actuellement).
4. Concevoir et sécuriser un nouveau système d'exploitation cloud. Cela implique une architecture de système de haut niveau et des tests rigoureux que l'IA ne peut pas effectuer.
5. Création de systèmes d'IA économes en énergie. L'IA ne peut pas inventer spontanément le code GPU de puissance inférieure ou réinventer sa propre architecture.
6. Construire des logiciels de contrôle sécurisés, à l'épreuve des pirates et en temps réel pour les centrales nucléaires. Cela nécessite que l'expertise des systèmes intégrés soit mélangée avec la traduction du code et de la conception du système.
7. Vérifier que le logiciel d'un robot chirurgical fonctionne dans des conditions imprévisibles. La validation critique de sécurité dépasse la portée actuelle de l'IA.
8. Concevoir des systèmes pour authentifier les sources de messagerie et assurer l'intégrité. Il s'agit d'un défi cryptographique et multidisciplinaire.
9. Audit et améliorer les outils de prédiction du cancer axés sur l'IA. Cela nécessite une surveillance humaine et une validation continue du système.
10. Construire la prochaine génération d'IA sûre et contrôlable. L'évolution vers une IA plus sûre ne peut pas être faite par l'IA elle-même – c'est une responsabilité humaine.

Pourquoi l'informatique est toujours indispensable

Une chose est certaine: l'IA remodelera la façon dont l'ingénierie et l'informatique sont réalisées. Mais ce à quoi nous sommes confrontés, c'est un changement dans les méthodes de travail, pas une destruction en gros du domaine.

Chaque fois que nous sommes confrontés à un problème ou à une complexité entièrement nouveau, l'IA seule ne suffira pas pour une raison simple: cela dépend entièrement des données passées. Le maintien de l'IA, la construction de nouvelles plates-formes et le développement de domaines comme la gouvernance de confiance de l'IA et de l'IA sont donc tous nécessitent CS.

Le seul scénario dans lequel nous pourrions ne pas avoir besoin de CS est si nous atteignons un point où nous ne nous attendons plus à de nouveaux langages, systèmes, outils ou défis futurs. C'est peu probable.

Certains soutiennent que l'IA pourrait éventuellement effectuer toutes ces tâches. Ce n'est pas impossible, mais même si l'IA devenait si avancée, cela placerait presque toutes les professions à risque égal. L'une des rares exceptions serait celles qui construisent, contrôlent et progressent sur l'IA.

Il y a un précédent historique à ce sujet: pendant la révolution industrielle, les travailleurs de l'usine ont été déplacés à un rapport de 50 à 1 en raison des progrès rapides des machines et de la technologie. Dans ce cas, la main-d'œuvre s'est effectivement développée avec une nouvelle économie, mais la plupart des nouveaux travailleurs étaient ceux qui pouvaient utiliser ou réparer des machines, développer de nouvelles machines ou concevoir de nouvelles usines et processus autour des machines.

Au cours de cette période de bouleversements massifs, les compétences techniques étaient en fait les plus recherchées, pas le moins. Aujourd'hui, le parallèle est vrai: l'expertise technique, en particulier en CS, est plus précieuse qu'elle ne l'a jamais été.

Ne confondons pas la prochaine génération avec le message opposé.