L'entreprise pétrolière BP affirme avoir besoin de 70% de codeurs en moins car l'IA prend en charge la majeure partie du codage

BP s'appuie sur Copilot de Microsoft dans de nombreux secteurs de son activité

BP a dévoilé ses résultats du premier trimestre 2024, tout en révélant un fait surprenant concernant son utilisation de l’intelligence artificielle générative. Selon l’entreprise, elle a besoin de 70 % de codeurs en moins grâce à cette technologie. L’IA générative est de plus en plus utilisée dans la programmation et le développement de logiciels, et BP affirme que cette technologie lui permet de rationaliser considérablement ses besoins en programmation et ses flux de travail.

L’intelligence artificielle générative est en train de révolutionner de nombreux secteurs, et le développement logiciel ne fait pas exception. BP, l’une des plus grandes entreprises pétrolières et gazières au monde, a récemment annoncé qu’elle avait réduit de 70 % le nombre de codeurs nécessaires grâce à l’IA générative. La société BP est une compagnie britannique de recherche, d'extraction, de raffinage et de vente de pétrole fondée en 1909. Anciennement nommée Anglo-Persian Oil Company, puis Anglo-Iranian Oil Company, puis British Petroleum Company, puis BPAmoco, avant d'être renommée BP.

« Nous avons besoin de 70 % de codeurs en moins, car l'IA prend en charge la majeure partie du codage »

Le PDG de BP, Murray Auchincloss, a déclaré aux investisseurs :

« Je vais m'attaquer aux exemples de coûts. Je pense que je laisserai Kate s'occuper de la deuxième question. En ce qui concerne les exemples de coûts, il y a quatre domaines sur lesquels nous nous concentrons vraiment, Lydia, pour atteindre au moins 2 milliards de dollars d'ici à la fin de 2026.

« Le premier est la concentration du portefeuille. Vous m'avez déjà entendu en parler, je ne vais donc pas me répéter.

« Le deuxième est votre préféré, c'est la transformation numérique. Nous avons fait énormément pour numériser de nombreux aspects de notre activité, et nous y appliquons maintenant l'IA. Les domaines dans lesquels nous obtenons des résultats remarquables sont le codage. Nous avons besoin de 70 % de codeurs en moins, car l'IA prend en charge la majeure partie du codage, et l'humain n'a plus qu'à regarder les 30 % restants pour le valider. C'est une économie importante pour l'entreprise à l'avenir. Deuxièmement, les centres d'appels, par exemple. Les modèles linguistiques sont devenus tellement sophistiqués qu'ils peuvent fonctionner dans plusieurs langues, 14 ou 15 langues facilement. Dans le passé, nous ne pouvions pas faire cela, et nous pouvons donc redéployer du personnel, étant donné que l'IA peut le faire.

« Vous avez entendu mon exemple sur la publicité au dernier trimestre, où les temps de cycle de la publicité sont passés de quatre à cinq mois à quelques semaines. Cela permet évidemment de réduire les dépenses avec des tiers. Grâce à Microsoft Copilot, nous disposons désormais de Gen AI dans de très nombreux secteurs de l'entreprise. Nous continuerons à fournir des mises à jour avec des anecdotes au fur et à mesure, mais je pense qu'il s'agit d'un énorme changement dans le numérique pour notre entreprise.

« Et je continue à chercher des moyens d'augmenter les marges et de réduire les coûts, à la fois sur le capital et sur les coûts. Les fournisseurs sont probablement un bon exemple de l'élimination du gaspillage. Nos bons partenaires de Subsea 7 ont formé une alliance avec nous. Dans le passé, nous aurions supervisé ce qu'ils faisaient. Aujourd'hui, nous formons des équipes communes. Elles travaillent ensemble sur un projet. Elles essaient de trouver des moyens de l'optimiser. Nous les incitons à gagner du temps et de l'efficacité et nous avons des équipes colocalisées qui travaillent ensemble sur ces questions. Cela permet d'éliminer les cycles d'appel d'offres, réduit le nombre d'ingénieurs impliqués de part et d'autre pour que tout soit fait, réduit la durée des navires, etc. Il ne s'agit donc que d'un concept d'alliances que nous avons mis en place depuis un certain temps dans le domaine des projets d'investissement ».


Avantages et inconvénients

Avantages de l’IA générative

L’utilisation de l’IA générative présente plusieurs avantages pour BP et d’autres entreprises :

• Efficacité accrue : en réduisant le besoin de codeurs tiers, BP peut accélérer ses projets de développement logiciel. Les délais de cycle sont considérablement réduits, ce qui permet à l’entreprise de rester compétitive.
• Réduction des coûts : moins de codeurs signifie moins de dépenses liées aux salaires et aux contrats externes. BP peut réaffecter ses ressources vers d’autres domaines stratégiques.
• Amélioration de la qualité : l’IA générative peut détecter des erreurs potentielles et optimiser le code. Cela garantit des logiciels plus fiables et robustes.

Défis et préoccupations

Malgré ses avantages, l’IA générative soulève également des questions :

• Sécurité : la confiance dans le code généré est essentielle. BP doit s’assurer que l’IA ne crée pas de vulnérabilités potentielles.
• Éthique : comment l’IA générative affecte-t-elle les emplois des codeurs ? BP doit trouver un équilibre entre automatisation et maintien de l’emploi.

« Apprendre à programmer sera inutile à l'avenir », d'après le PDG de Nvidia

L’intelligence artificielle menace-t-elle les postes de développeurs informatiques humains dans les années à venir ? Le chatbot ChatGPT d’OpenAI a par exemple réussi l’édition 2022 de l’examen d’informatique pour élèves du secondaire désireux d’obtenir des crédits universitaires US. C’est un accomplissement parmi d’autres à mettre sur le compte de cette technologie qui ravive le débat sur la possible disparition du métier de développeur du fait de sa montée en puissance. Le PDG de Nvidia va dans le même sens dans une récente sortie en signant : « Apprendre à programmer sera inutile à l’avenir. »

La montée en puissance de l’intelligence artificielle fera de tous des programmeurs au travers du langage naturel. En d’autres termes, l’évolution technologique sera telle que chacun sera en mesure de donner des détails d’un projet informatique à un ordinateur qui se chargera de le boucler dans les moindres détails. Cette sortie s’inscrit en droite ligne avec une autre dans laquelle il déclare que, d’ici 2029, les ordinateurs réussiront tous les tests auxquels un être humain peut se soumettre.

Nvidia CEO Jensen Huang has a unique take on what kids should study in school.

While computer science and programming were once the must-have skills, Huang believes that the focus should shift to specific domain knowledge such as biology, chemistry, or finance. pic.twitter.com/ImsKiVvcXK

— Mohit (MCR) 🇮🇳 (@ammohitchaprana) February 22, 2024

Mais une récente étude estime que l’IA générative ne remplacera pas les développeurs de sitôt

Des chercheurs de l'université de Princeton ont développé un cadre d'évaluation basé sur près de 2300 problèmes courants de génie logiciel montés à partir de rapports de bogues et de feature requests soumis sur GitHub afin de tester la performance de divers modèles de grands langages (LLM). Les chercheurs ont fourni à différents modèles de langage le problème à résoudre et le code du dépôt. Ils ont ensuite demandé au modèle de produire un correctif réalisable. Ce dernier a ensuite fait l’objet de tests pour s'assurer qu'il était correct. Mais le LLM n'a généré une solution efficace que dans 4 % des cas.


Leur modèle spécialement entraîné, SWE-Llama, n'a pu résoudre que les problèmes d'ingénierie les plus simples présentés sur GitHub, alors que les LLM classiques tels que Claude 2 d'Anthropic et GPT-4 d'OpenAI n'ont pu résoudre que 4,8 % et 1,7 % des problèmes, de façon respective.

Et l’équipe de recherche de conclure : « le génie logiciel n’est pas simple dans la pratique. La correction d'un bogue peut nécessiter de naviguer dans un grand référentiel, comprendre l'interaction entre des fonctions dans différents fichiers ou repérer une petite erreur dans du code alambiqué. Cela va bien au-delà des tâches de complétion de code. »

C’est la raison pour laquelle Linux Torvalds a tenu à se désolidariser de tout le battage médiatique autour de l’intelligence artificielle. Il la considère comme un outil au stade actuel de son évolution. Il suggère d’ailleurs la révision de code comme domaine d’application de l’intelligence artificielle. La capacité de l’intelligence artificielle à « deviner » l’intention du développeur lui sera utile pour obtenir du code fiable en un temps réduit. Une condition demeurera toutefois nécessaire : le développeur devra à son tour examiner ce que l’intelligence artificielle lui propose.

Conclusion

Il est intéressant de noter qu’Auchincloss reconnaît que les programmeurs humains sont toujours nécessaires pour vérifier et valider le code généré par l’IA, car l’utilisation de l’IA peut entraîner des problèmes de sécurité. Il a également souligné que l’IA générative révolutionne les centres d’appels de l’entreprise.

Le succès de BP dans l’utilisation de l’IA générative est également une grande victoire pour Microsoft, car Auchincloss a déclaré que l’entreprise s’appuie sur Microsoft Copilot. « Nous avons maintenant l’IA générative entre les mains grâce à Microsoft Copilot dans de nombreux domaines de l’entreprise, et nous continuerons à vous tenir informés avec des anecdotes au fur et à mesure de notre progression. »

BP offre un bon exemple des nombreuses façons dont l’IA générative peut aider les entreprises à numériser et à révolutionner leurs opérations

Source : BP

Et vous ?

L’IA générative est-elle une menace pour les emplois de codeurs ? Quels sont les avantages et les inconvénients de l’automatisation des tâches de programmation et de la réduction du besoin de codeurs humains ?
Quels sont les risques de sécurité associés à l’utilisation de l’IA générative dans le développement logiciel ? Quelles vulnérabilités potentielles voyez-vous et quelles sont les mesures de précaution nécessaires pour garantir la qualité et la sécurité du code généré ?
Comment l’IA générative peut-elle améliorer l’efficacité des centres d’appels ? Comparez les avantages de l’IA linguistique dans la gestion des appels clients et discutez de son impact sur les coûts et la satisfaction des clients ?
Quelles sont les limites actuelles de l’IA générative ? Identifiez les domaines où l’IA générative peut encore être améliorée et discutez des défis techniques à relever.
L’IA générative est-elle une révolution ou une simple évolution dans le domaine du développement logiciel ? Échangez vos opinions sur l’impact à long terme de cette technologie sur l’industrie.