Le brief IA que les pros lisent chaque soir
Les 7 actus IA du jour, décryptées en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Les LLM et l'influence sur les choix technologiques
Les modèles de langage de grande taille (LLM) suscitent des préoccupations quant à leur influence potentielle sur les choix technologiques. En effet, ils pourraient favoriser les outils les mieux représentés dans leurs données d'entraînement, ce qui pourrait freiner l'adoption de nouveaux outils plus performants.
Il y a quelques années, les résultats obtenus en sollicitant l'aide des LLM pour des langages comme Python ou JavaScript étaient nettement meilleurs que pour des langages moins courants. Cependant, avec les derniers modèles et leurs environnements d'agents de codage, cette tendance pourrait être en train de changer.
Des résultats prometteurs avec de nouveaux outils
Les nouveaux modèles de LLM offrent des performances impressionnantes lorsqu'ils sont utilisés avec des outils récents. Par exemple, en utilisant des commandes comme “use uvx showboat --help / rodney --help / chartroom --help”, les modèles peuvent consommer une grande quantité de documentation avant de résoudre un problème.
Intégrer un agent de codage dans une base de code existante, même avec des bibliothèques et outils récents ou privés, semble fonctionner efficacement. L'agent est capable de consulter des exemples existants, de comprendre les motifs, puis d'itérer et de tester sa propre sortie pour combler les lacunes.
L'auteur pensait que les agents de codage seraient l'incarnation ultime de l'approche "Choisir une technologie ennuyeuse", mais en pratique, ils ne semblent pas affecter ses choix technologiques de cette manière.
Étude sur les biais des LLM
Une étude récente intitulée “Ce que Claude Code choisit réellement” menée par Edwin Ong et Alex Vikati a testé le modèle Claude Code plus de 2 000 fois. Les résultats montrent un fort biais vers le principe build-over-buy et une préférence pour certaines technologies comme GitHub Actions, Stripe, et shadcn/ui, qui dominent leurs catégories respectives.
L'importance des Skills dans les agents de codage
Le mécanisme des Skills est de plus en plus adopté par les outils d'agents de codage. Des projets publient déjà des compétences officielles pour faciliter l'utilisation par les agents, avec des exemples notables comme Remotion, Supabase, Vercel, et Prisma.
