- Les entreprises font toutes semblant d'être à fond dans l'IA juste pour leur image.
- Les retours sur investissement tardent à se montrer.
- L'IA a des coûts cachés... dont personne ne veut parler.
- Les entreprises utilisent les mauvaises métriques (nombre de lignes de code, nombre de Pull Request...) car elles mesurent ce qui est facile à mesurer, et pas forcément ce qui est réellement impactant (delais de mise en prod, taux d'échec...) ... et du coup ne mesurent ni ne voient ces coûts cachés.
- Un code [produit par IA] peut sembler correct, réussir les tests et pourtant être erroné.
Extrait : "Chaque gain apparent de vitesse déplace en réalité une charge vers l’aval. Il faut relire, comparer, tester, contextualiser, parfois réécrire. Et si personne n’assume sérieusement ce travail, le coût ne disparaît pas. Il réapparaît plus tard sous forme d’erreur, de correction en urgence, de perte de confiance, puis éventuellement de contentieux. Ce que l’on présente comme un gain de productivité n’est donc souvent qu’un déplacement comptable. On économise au début sur la production, pour dépenser plus tard sur le contrôle, ou sur les conséquences de son absence. "
(
Permalink)