J’ai testé GitHub Copilot – et il se pourrait bien qu’il soit nul en génération de code
GitHub Copilot, l’outil d’intelligence artificielle développé par OpenAI et GitHub, promet de transformer la manière dont les développeurs écrivent du code. En intégrant cette technologie directement dans des éditeurs de code comme Visual Studio Code, il s’agit d’un assistant qui suggère des lignes de code et des fonctions en temps réel. J’ai voulu tester cet outil pour voir s’il tenait vraiment ses promesses ou s’il était finalement inefficace, voire nuisible.
Au cours de mon expérience, j’ai pris note de ses points forts et de ses faiblesses. Étrangement, certaines suggestions étaient certainement inappropriées ou inutilisables. Dans cet article, je vais explorer en détail mes observations et dégager une conclusion sur l’efficacité réelle de GitHub Copilot.
Les premiers pas avec GitHub Copilot
Lorsque j’ai commencé à utiliser GitHub Copilot, l’intégration a été instantanée et facile. Après avoir installé l’extension, j’ai été accueilli par une interface conviviale. À première vue, il semblait que l’outil allait m’aider à écrire du code plus rapidement. Les premières suggestions étaient séduisantes, mais cela n’a pas duré longtemps.
Rapidement, j’ai remarqué que les suggestions faites par Copilot manquaient souvent de pertinence. Pour des projets simples, comme une fonction de calcul basique, il proposait parfois des solutions trop complexes, encombrant ainsi le code au lieu de le simplifier.
De plus, j’ai éprouvé des difficultés à obtenir des résultats concrets dans des cas d’utilisation spécifiques. Lorsque je tentais d’implémenter des algorithmes plus élaborés, Copilot échouait à fournir des suggestions utiles, ce qui m’a amené à perdre un temps précieux à chercher des solutions ailleurs.
Qualité des suggestions de code
Un aspect essentiel de GitHub Copilot est, bien sûr, la qualité des suggestions. Malheureusement, les résultats étaient souvent décevants. Parfois, les lignes de code proposées étaient syntaxiquement correctes, mais elles ne respectaient pas les bonnes pratiques de programmation.
Il est fréquent que Copilot génère des fonctions qui ne prennent pas en compte les exceptions ou la gestion des erreurs. Cela peut laisser les développeurs novices dans une situation délicate où ils doivent rapidement corriger ce que l’outil a supposé être correct.
En expérimentant diverses langues de programmation, je me suis aperçu que si Copilot pouvait fonctionner raisonnablement bien en Python, il avait du mal avec des langages moins courants ou plus récents, comme Rust ou Go. Dans ces cas-là, les suggestions devenaient carrément hors sujet.
Impact sur la productivité
La promesse de GitHub Copilot repose sur un hypothétique gain de productivité pour les développeurs. Cependant, mon expérience a montré l’effet inverse. Au lieu de me faire gagner du temps, je me suis souvent retrouvé à revisiter et corriger des portions de code suggérées, ce qui consommait plus d’énergie que de coder manuellement.
Pour chaque ligne de code copiée et collée, il fallait aussi passer du temps à comprendre ce qui avait été produit. Cela entraîne un ralentissement de la cadence de travail, car il devient essentiel d’ajuster le code pour qu’il corresponde aux attentes du projet.
Au final, il est difficile de considérer GitHub Copilot comme un véritable accélérateur de flux de travail. Pour beaucoup de développeurs, il pourrait potentiellement servir davantage d’outil d’apprentissage que d’assistant technique efficace.
Comparaison avec d’autres outils
Sur le marché, il existe d’autres outils de génération de code et assistants pour développeurs, tels que Tabnine ou Kite. Lors de mes tests, ces alternatives semblaient produire des résultats plus fiables et pertinents. Leur apprentissage est souvent mieux aligné sur des bases de données de code open source connues.
En les comparant à GitHub Copilot, j’ai constaté que leurs suggestions, bien que parfois imparfaites, étaient souvent plus adaptées au contexte. Ils paraissaient mieux comprendre la logique du code et les structures de données en cours d’utilisation.
Cette comparaison a renforcé mon impression que GitHub Copilot, malgré son attrait, n’offre pas encore un niveau d’excellence comparable à celui de ces autres outils spécialisés.
Conclusion : un potentiel sous-exploité ?
En conclusion, bien que GitHub Copilot soit un outil innovant qui ouvre des perspectives intéressantes en matière d’assistance au développement, il semble encore très limité dans sa capacité à générer efficacement du coded. Les suggestions, en l’état, manquent de qualité et de précision, ce qui nuit à la productivité des développeurs.
Cependant, il est envisageable qu’avec des mises à jour et un entraînement continu, cet outil puisse évoluer vers quelque chose de réellement utile. Mais pour l’heure, il vaut mieux s’appuyer sur d’autres solutions tout en gardant un œil sur GitHub Copilot, qui pourrait prouver sa valeur à l’avenir.
