Basem Muharram : Les 4 compétences qui transforment l'ingénierie de l'IA

Le développement rapide des outils d'intelligence artificielle est en train de remodeler la nature du travail de programmation. Son impact ne se limite pas à accélérer l'écriture de code, mais s'étend aux compétences dont les développeurs et ingénieurs ont besoin pour rester compétitifs dans un marché qui évolue à une vitesse fulgurante. Dans ce contexte, Basem Muharram, ancien président du Centre National de Cybersécurité de Jordanie (NCSC-Jordan) et spécialiste en cybersécurité et intelligence artificielle, met en lumière la nouvelle carte des compétences en ingénierie de l'IA. Il s'appuie sur la vision d'Andrew Ng, fondateur de Coursera, concernant la transformation majeure de la manière de construire des logiciels par rapport à 2022. Selon Muharram, posséder les bonnes compétences ouvre de nouvelles opportunités de projets et d'emplois pour les spécialistes. Cependant, au milieu de l'engouement autour de l'IA, il est crucial d'identifier les compétences qui apportent une réelle valeur dans l'environnement de travail. Cette carte des compétences en ingénierie de l'IA est basée sur l'analyse de plus de 10 000 offres d'emploi, ainsi que sur des entretiens avec des experts et des responsables du recrutement, et des enquêtes, afin d'identifier 4 compétences essentielles pour quiconque souhaite bâtir une carrière sérieuse dans ce domaine.

Construire et déployer des applications d'IA

Traiter avec l'intelligence artificielle ne se limite plus à utiliser un modèle prêt à l'emploi. La nature des résultats des systèmes d'IA diffère des logiciels traditionnels, ce qui rend la compréhension de la manière de construire, tester et améliorer ces systèmes un élément fondamental. Les compétences requises incluent la compréhension des grands modèles linguistiques (LLMs), des techniques RAG (Retrieval-Augmented Generation), des agents d'IA (Agents), ainsi que des outils d'évaluation (Evals) et d'analyse des erreurs, dans le but de créer des applications plus fiables et capables de fonctionner dans des environ environnements réels.

Les fondamentaux de l'ingénierie logicielle

Même si les outils d'intelligence artificielle sont devenus plus performants pour écrire du code, cela ne signifie pas que l'importance des connaissances en ingénierie diminue. Au contraire, la connaissance des coûts, de l'évolutivité, de la sécurité et de la confidentialité devient encore plus cruciale lors de l'évaluation des solutions produites par ces outils. Par conséquent, le développeur doit guider les outils d'IA et prendre les décisions d'ingénierie appropriées, plutôt que de les laisser déterminer seuls la méthode de construction du système.

Utiliser les agents de codage (Coding Agents)

Les agents de programmation sont devenus des outils clés dans le processus de développement, mais leur valeur ne vient pas seulement de leur exécution, mais de la capacité du développeur à les gérer efficacement. Cela inclut la gestion du contexte, la détermination du moment où le travail nécessite une planification et du moment où il passe à l'exécution, ainsi que la fourniture d'outils de vérification pour l'Agent qui aident à produire un code plus robuste, tout en réduisant le temps et la consommation de jetons (Tokens).

Façonner le produit et définir ce qu'il faut construire

Avec l'augmentation de la capacité des Agents à exécuter des tâches de programmation, une importance accrue est accordée à l'aspect qui ne concerne pas l'exécution elle-même, mais la définition de ce qui doit être construit. C'est là que l'importance de comprendre les affaires et les clients, et de posséder un sens produit, devient primordiale. Cela permet d'identifier le problème qui mérite d'être résolu et de le transformer en un produit réalisable. Plus les outils d'IA sont performants pour répondre à la question « comment construire ? », plus la capacité humaine à répondre à la question « quoi construire ? et pourquoi ? » devient essentielle.

L'apprentissage continu : la compétence qui rassemble tout ce qui précède

Ces compétences sont indissociables d'un facteur encore plus important : la capacité d'apprendre en permanence, d'autant plus que les outils, les modèles et les méthodes de développement de l'IA évoluent rapidement. Par conséquent, le développeur n'a pas besoin d'attendre d'obtenir un titre de poste d'« Ingénieur IA » pour commencer à développer ces compétences, car l'intelligence artificielle fait déjà partie de l'environnement de développement logiciel, et la capacité à la gérer efficacement est devenue un élément essentiel de l'avenir du travail d'ingénierie. La véritable transformation ne concerne donc pas le remplacement du développeur par l'intelligence artificielle, mais plutôt une redistribution des rôles : passer de la simple écriture de code à la compréhension du problème, au guidage des outils, à l'évaluation des résultats, à la prise de décisions et à la définition des produits qui méritent d'être construits.