GitHub Copilot : pré­sen­ta­tion rapide de l’assistant de pro­gram­ma­tion

En sa qualité d’assistant, GitHub Copilot est censé proposer et compléter du code de manière autonome. Aujourd’hui, l’IA (in­tel­li­gence ar­ti­fi­cielle) de GitHub est encore en phase de test, car elle est toujours sujette à erreurs. Au fur et à mesure, celle-ci devrait toutefois gagner en ef­fi­ca­cité.

Pour bien com­prendre l’utilité et les dif­fé­rentes fonc­tion­na­li­tés de GitHub Copilot, il convient en premier lieu de s’in­té­res­ser à GitHub. GitHub est un logiciel col­la­bo­ra­tif de gestion de versions. L’en­tre­prise qui l’a édité est basée aux États-Unis et ap­par­tient à Microsoft depuis 2018. GitHub a été conçu pour permettre à de grandes équipes de tra­vail­ler sur un code, que ce soit en col­la­bo­ra­tion ou de manière in­dé­pen­dante. Toutes les versions sont ainsi sau­ve­gar­dées, et il est possible de combiner les mo­di­fi­ca­tions à volonté.

Depuis 2021, l’en­tre­prise propose GitHub Copilot à certains uti­li­sa­teurs. En lien avec l’in­tel­li­gence ar­ti­fi­cielle, cet outil consiste en un assistant in­tel­li­gent conçu pour aider les dé­ve­lop­peurs à créer du code. Il fonc­tionne en premier lieu sur le principe de l’au­to­com­plé­tion. Lorsqu’un uti­li­sa­teur commence à saisir du code, GitHub Copilot lui suggère dif­fé­rentes pro­po­si­tions pour compléter celui-ci. Pour ce faire, GitHub Copilot s’inspire du code déjà ac­ces­sible au public, qui peut par exemple venir de dif­fé­rents ré­per­toires. L’IA de GitHub va encore beaucoup plus loin ; elle est en effet capable de re­con­naître de nombreux langages de pro­gram­ma­tion Internet tels que Go, Java, Ja­vaS­cript, Python, Ruby et Ty­peS­cript. Avec le temps, l’in­tel­li­gence ar­ti­fi­cielle s’améliore, au même titre que ses sug­ges­tions.

Cela veut donc dire qu’aujourd’hui, GitHub Copilot peut et doit encore évoluer. L’en­tre­prise elle-même reconnaît que le code proposé par l’outil n’est pas encore parfait. En outre, le taux de réussite de ses pro­po­si­tions est jusqu’ici très clair. Les uti­li­sa­teurs doivent dès lors partir du principe que le code proposé n’est pas encore plei­ne­ment opé­ra­tion­nel et que certaines des pro­po­si­tions ne peuvent même pas être utilisées. Toutefois, Github Copilot peut déjà vous fournir des in­di­ca­tions utiles, voire des pro­po­si­tions que vous pouvez réel­le­ment utiliser.

GPT-3 est le système de pro­duc­tion vocale sur lequel GitHub Copilot s’appuie. Publié en 2020 par OpenAI, il se base sur des stra­té­gies d’ap­pren­tis­sage profond pour compléter des textes humains ou encore rédiger ses propres textes. À cette fin, l’IA utilise dif­fé­rents al­go­rithmes ; elle collecte d’im­por­tants volumes de données et s’en sert pour créer de nouveaux contenus qui ne pré­sen­tent nor­ma­le­ment que peu de dif­fé­rences avec les textes rédigés par des humains.

La règle reste la même : plus vous « alimentez » votre IA et plus ses résultats s’amé­lio­rent. Ainsi, GPT-3 a déjà été utilisé pour tenter de créer du code à partir de struc­tures dites « apprises ». Par la suite, Microsoft a énor­mé­ment investi dans OpenAI et GPT-3. Les con­nais­sances déjà acquises par ce système sont donc aujourd’hui au service de GitHub Copilot.

À l’heure qu’il est, GitHub Copilot n’est pas encore dis­po­nible gra­tui­te­ment. Seules quelques personnes triées sur le volet peuvent pour l’instant tester l’IA et faire des pro­po­si­tions en vue d’améliorer cet outil. À plus ou moins long terme, l’objectif est de trans­for­mer GitHub Copilot en un véritable logiciel com­mer­cial pouvant être utilisé par les dé­ve­lop­peurs pour leur travail quotidien sur de nouveaux projets. Toutefois, personne ne sait encore quand l’IA sera dé­fi­ni­ti­ve­ment prête. Pendant toute la phase d’ap­pren­tis­sage et de test, seul un premier aperçu est dis­po­nible pour les uti­li­sa­teurs in­té­res­sés. Visual Studio Code, Neovim et les IDE JetBrains comme PyCharm ou IntelliJ IDEA sont ac­tuel­le­ment pris en charge.

Si les premières analyses sont pro­met­teuses, GitHub Copilot ne semble pas encore être prêt pour une mise sur le marché. Pour le moment, son taux de réussite n’est dans l’ensemble pas très élevé, et la qualité de ses pro­po­si­tions reste nettement per­fec­tible. La plupart du temps, le code ne peut pas encore être utilisé, car il entraîne des erreurs dans de nombreux cas.

À l’avenir, la com­mer­cia­li­sa­tion de cette solution dépendra avant tout des capacités d’ap­pren­tis­sage de l’IA et de la qualité du code source mis à sa dis­po­si­tion. À ce jour, GitHub Copilot n’hésite pas à intégrer des erreurs à son contenu de base, de même qu’une syntaxe pour le moins ap­proxi­ma­tive. Une fois la phase d’ap­pren­tis­sage terminée, ses résultats devraient toutefois s’améliorer.

Nous avons déjà mentionné les problèmes relatifs à la per­ti­nence des pro­po­si­tions ou au caractère per­fec­tible de la syntaxe, mais certaines personnes alertent également sur la marge d’erreur fon­da­men­tale des codes qui sont ac­tuel­le­ment créés à l’aide de GitHub Copilot ou qui le seront par la suite.

Comme la base sur laquelle l’IA acquiert ses con­nais­sances est souvent erronée ou, à tout le moins, non vérifiée, le résultat final demeure trop souvent incertain. S’il est précisé que toutes les données issues de l’IA doivent être vérifiées, les dé­ve­lop­peurs n’ont pour le moment que peu de chances d’en retirer un réel avantage pour leur travail quotidien sur le long terme. Les premiers tests ont souvent été synonymes de mauvais résultats pour le code de GitHub Copilot.

Certains dé­ve­lop­peurs redoutent également que l’uti­li­sa­tion de GitHub Copilot constitue une violation de droits d’auteur si l’IA se contente de reprendre des blocs de code entiers. Il existe dif­fé­rentes règles relatives à l’uti­li­sa­tion équitable, mais la place des activités d’ap­pren­tis­sage de l’IA y est pour le moins con­tro­ver­sée. Ce sujet est d’autant plus sensible que GitHub Copilot pourrait, à terme, être utilisé à des fins com­mer­ciales. L’en­tre­prise garantit qu’à ce jour, peu de codes sources ont déjà été repris sans mo­di­fi­ca­tion, que ce soit en­tiè­re­ment ou par­tiel­le­ment. Plus l’ap­pren­tis­sage de l’IA s’amé­lio­rera, et plus ce chiffre devrait continuer à baisser.

GitHub Copilot n’est encore qu’un « gadget » dont la valeur ajoutée reste limitée. Toutefois, si l’IA améliore son ap­pren­tis­sage, elle pourrait con­si­dé­ra­ble­ment alléger la charge de travail des dé­ve­lop­peurs. Dans un premier temps, elle pourrait proposer des solutions de subs­ti­tu­tion et fournir des exemples de syntaxe ap­pro­priés en éliminant les re­cherches chro­no­phages parmi dif­fé­rents documents. Dans un second temps, elle devrait être capable, à terme, d’ajouter elle-même des blocs de code in­di­vi­duels, four­nis­sant ainsi aux dé­ve­lop­peurs des lignes autrement longues à écrire. Si cela fa­ci­li­te­rait leur travail, certaines con­nais­sances de base en matière de dé­ve­lop­pe­ment Web res­te­raient toutefois né­ces­saires. L’attente sera encore longue avant qu’une IA ne soit en mesure d’écrire du code de manière autonome.

GitHub Copilot est une idée qui fait sens et qui, à l’avenir, pourrait tout na­tu­rel­le­ment être intégrée au travail avec le code source. Il est en effet tout à fait pro­met­teur d’imaginer un assistant in­tel­li­gent capable de prendre en charge de petites tâches et de signaler toute erreur éven­tuelle. Toutefois, l’IA de ce projet n’en est pas encore là. La phase de test actuelle ne re­pré­sente qu’un premier pas dans cette direction ; comme prévu, la marge d’erreur reste donc élevée. Il est encore im­pos­sible de donner avec certitude la date à laquelle GitHub Copilot sera vé­ri­ta­ble­ment mis à la dis­po­si­tion de toutes les personnes in­té­res­sées. La phase de test constitue toutefois la première étape de ce processus.