Grands modèles de langage et Scrum : comment l'IA transforme le développement logiciel
La vitesse à laquelle les grands modèles de langage ont pénétré le flux de travail du développement logiciel a surpris même ceux qui s'attendaient à ce que la technologie soit significative. Les outils de génération de code par IA peuvent maintenant générer du code fonctionnel à partir de descriptions en langage naturel, expliquer du code existant, écrire des tests unitaires et produire de la documentation.
Comment les équipes Scrum devraient intégrer ces outils
Le principe le plus important est que le code généré par LLM n'est pas différent de tout autre code en ce qui concerne les critères de qualité. Il doit passer par le même processus de revue de code, réussir les mêmes tests automatisés et satisfaire aux mêmes critères de Définition de Terminé que le code écrit par des humains.
Les risques à gérer
Code halluciné. Les LLM génèrent du code qui a l'air plausible mais qui est incorrect. Un développeur junior qui accepte du code généré sans le comprendre peut introduire des bogues subtils et difficiles à tracer.
Vulnérabilités de sécurité. Les LLM entraînés sur des dépôts de code publics ont vu beaucoup de code non sécurisé et peuvent reproduire des modèles non sécurisés dans leur output.
Sur-dépendance érodant les capacités de l'équipe. Une équipe qui ne peut pas comprendre ou déboguer du code qu'elle n'a pas écrit est fragile d'une manière qui ne deviendra pas apparente jusqu'à ce que le LLM produise quelque chose qui nécessite une compréhension approfondie pour être corrigé.
Pour en savoir plus sur la façon dont XNM Consulting peut soutenir l'adoption d'outils d'IA par votre équipe, visitez notre page de services de livraison de programmes et de projets.