a16z Podcast

Où est passée toute l’automatisation ? C’est la frustration centrale qui anime Diogo Almeida, fondateur de TypeSafe, alors qu’il observe un fossé tragique entre l’intelligence immense de l’IA moderne et son utilité réelle dans le domaine du logiciel. Si les agents de codage actuels excellent dans l’écriture de la syntaxe, ils produisent essentiellement les mêmes types de logiciels que ceux que nous connaissons depuis une décennie — seulement plus rapidement. Le résultat n’est pas nécessairement un meilleur logiciel ; dans certains cas, il est même pire, caractérisé par un manque de surveillance et une augmentation des vulnérabilités de sécurité.

TypeSafe et son modèle, JEV, ambitionnent de dépasser le logiciel « juste-à-temps » pour tendre vers le « logiciel intelligent ». Plutôt que d’utiliser l’IA pour remplacer l’ingénieur, JEV propose une nouvelle primitive : une couche intelligente pouvant être intégrée directement dans le code d’un programme. En mariant l’intention exprimée en langage naturel avec une machine à états, JEV permet aux développeurs de concevoir des logiciels capables de prendre des décisions probabilistes avec des niveaux de confiance, élargissant ainsi les capacités du logiciel plutôt que sa simple vitesse d’écriture.

La conversation souligne que le chemin vers une véritable automatisation ne passe pas par un modèle unique et « omnipotent », mais par la fiabilité et le pragmatisme. Diogo soutient que l’industrie a passé trop de temps à optimiser ses outils pour des juges humains (facilement impressionnés par des démonstrations) plutôt que pour une automatisation de fond productive. La vision du futur est celle d’une « Sassapalooza » — l’inverse de la « SaaS-pocalypse » — où les entreprises de logiciels existantes utilisent ces nouvelles primitives pour rendre leurs produits considérablement plus utiles, menant à terme à un monde où la technologie « fait simplement ce que vous voulez dire ».

Perspectives surprenantes

• Le fossé entre syntaxe et sémantique : Les agents de codage sont très performants en syntaxe, mais restent fondamentalement médiocres en sémantique et en architecture logicielle, qui demeurent les parties les plus humaines et créatives du processus.


• Le piège de la démo : Une grande partie des progrès perçus dans l’industrie de l’IA est une illusion créée par l’optimisation pour le « juge » (l’humain qui évalue une démo) plutôt que pour la fiabilité réelle de l’automatisation.


• Le retour de la programmation probabiliste : La conversation suggère que nous entrons dans une nouvelle ère de la programmation probabiliste, ravivant des concepts des années 1970 en permettant à des « cerveaux » d’exister au sein de portes logiques.


• L’opportunité du SaaS : Alors que les marchés craignaient une « SaaS-pocalypse » où l’IA rendrait les logiciels bon marché et faciles à répliquer, l’opportunité réelle réside dans la capacité des entreprises SaaS à intégrer l’intelligence dans leurs flux de travail existants pour accroître leur valeur.

enseignements pratiques

• Privilégier la robustesse au déterminisme : Lors de la construction de systèmes intégrant l’IA, visez la « robustesse » — une intelligence cohérente — plutôt qu’un déterminisme strict, souvent irréaliste face aux distributions du monde réel.


• Prioriser l’« intelligence par dollar » : Pour une automatisation évolutive, optimisez pour le coût d’intelligence le plus bas qui respecte toujours le seuil de fiabilité requis pour la tâche spécifique.


• Éviter la mentalité du « wrapper de chatbot » : Au lieu d’ajouter un chatbot comme un module complémentaire à votre logiciel, cherchez des moyens d’intégrer l’IA comme une primitive fonctionnelle au sein de la machine à états interne du programme.


• Évaluer par rapport aux tâches productives : Mesurez le succès de l’implémentation de l’IA par la mesure dans laquelle elle automatise une tâche routinière et économiquement précieuse, sans nécessiter qu’un humain n’intervienne pour signaler des erreurs au système.