Stack overflow is almost dead

Stack Overflow est aujourd’hui redevenu aussi silencieux qu’au lancement en 2009 😟. Les modérations strictes dès 2014, puis l’essor des LLMs comme ChatGPT depuis 2022, ont accéléré ce déclin. (3 minutes)

AI didn’t kill Stack Overflow

L’essor de l’IA a donné un coup fatal à Stack Overflow, mais c’est surtout sa propre modération devenue oppressive qui l’a vidé de sa substance 😕. Les LLMs ont simplement accéléré une décroissance entamée depuis 2014. (9 minutes)

LLMs are Making Me Dumber

L'auteur sacrifie la profondeur de son apprentissage pour produire plus vite, en laissant l’IA coder ou rédiger à sa place, ce qui l’a appauvri dans ses compétences en JavaScript, mathématiques et écriture. Il s’interroge : jusqu’à quand pourra-t-il diriger une IA sans vraiment comprendre ce qu’elle fait ? Les analogies historiques (calculatrice, GPS, compilateur) montrent que déléguer peut être utile, mais l’intelligence est plus difficile à externaliser.

AI is Making Developers Lazy: RIP Core Coding Skills

Le ronronnement du copilote de l'IA est devenu un son familier dans le monde du développement logiciel. Ces outils intelligents, qui promettent une efficacité accrue et des prouesses en matière de génération de code, ont été accueillis à bras ouverts par de nombreuses personnes. Mais que se passe-t-il lorsque cette confiance se transforme en dépendance excessive ? Quels sont les pièges potentiels d'une confiance aveugle en des algorithmes que nous ne comprenons pas entièrement, en particulier lorsqu'ils se trompent occasionnellement, voire fréquemment ? Et, ce qui est peut-être le plus inquiétant, qu'advient-il des compétences fondamentales qui définissent un développeur de logiciels vraiment compétent ? (6 minutes)

The Copilot Delusion

Le billet de blog exprime une certaine frustration quant à l'utilisation d'outils de codage IA, tels que GitHub Copilot, et à l'impact qu'ils ont sur l'expérience de la programmation. L'auteur affirme que si ces outils peuvent être utiles, ils peuvent aussi conduire à un manque de compréhension et de compétence en matière de programmation. L'article souligne également l'importance de respecter la machine et l'art de la programmation. En résumé, l'auteur fait part de ses préoccupations concernant la dépendance excessive à l'égard des outils de codage de l'IA et les effets négatifs potentiels sur le processus de programmation et les compétences du programmeur. (15 minutes)

Programming with an AI copilot: My perspective as a senior dev

L’IA agit comme un copilote utile pour produire rapidement du code répétitif ou découvrir de nouveaux frameworks, mais elle reste une boîte noire qui peut générer des failles de sécurité ou des solutions erronées. L’auteur insiste sur le fait qu’on doit rester aux commandes : connaître le contexte, manier l’architecture, corriger les bugs. Il affirme que l’IA ne remplace pas l’expertise ; elle la complète, mais ne peut en aucun cas la substituer. (8 minutes)

After months of coding with LLMs, I’m going back to using my brain • albertofortin.com

Après avoir utilisé l’IA pour reconstruire l’infrastructure de son SaaS, l’auteur a constaté une qualité de code incohérente et désorganisée. Bien qu’il ait fourni un contexte détaillé aux modèles, les résultats ressemblaient à un travail d’équipe sans coordination. Il a donc décidé de revenir à une approche plus manuelle, en réécrivant certaines parties du code et en limitant l’usage de l’IA à des tâches simples. Cette expérience l’a poussé à privilégier la réflexion personnelle et les outils traditionnels. (7 minutes)

If AI is so good at coding … where are the open source contributions?

Les dirigeants de Microsoft et Meta affirment que l’IA génère jusqu’à 30 % du code dans certains projets. Pourtant, dans les projets open source, les contributions générées par l’IA restent rares et souvent de qualité médiocre. Les quelques exemples existants, comme une contribution au projet Rails, ont nécessité de nombreuses révisions avant d’être acceptées. Cela soulève la question : si l’IA est si performante, pourquoi ses contributions ne sont-elles pas plus visibles et pertinentes dans l’écosystème open source ? (6 minutes)

Pourquoi je n’utilise pas ChatGPT – ritimo

L’IA générative, comme ChatGPT, est un outil puissant mais pose des défis éthiques, éducatifs et cognitifs. Elle peut renforcer des biais, diffuser des informations erronées et remplacer des compétences humaines essentielles. Son utilisation dans l’enseignement soulève des questions sur l’autonomie des élèves et l’intégrité académique. Florence Maraninchi, professeure à Grenoble INP, choisit de ne pas l’utiliser pour préserver la pensée critique et la créativité. (4 minutes)

Why DeepSeek is cheap at scale but expensive to run locally

Pourquoi DeepSeek-V3 est-il censé être rapide et bon marché pour être utilisé à grande échelle, mais trop lent et trop cher pour être exécuté localement ? Pourquoi certains modèles d'IA sont-ils lents à réagir, mais rapides une fois qu'ils sont lancés ? (7 minutes)

AI Coding Agents

Le projet AI PR Watcher suit les performances des principaux agents de codage IA en analysant les pull requests (PR) ouvertes et fusionnées sur GitHub. Les données sont mises à jour toutes les 3 heures. Parmi les agents suivis figurent GitHub Copilot, OpenAI Codex, Cursor, Devin et Codegen. Le tableau de bord interactif permet de visualiser le volume de PRs et les taux de réussite de fusion pour chaque agent.

Agriculture industrielle : produire à mort - YouTube

Depuis des millénaires, c'est elle qui nous nourrit. Elle a même longtemps rythmé les vies d'une grande partie de nos aïeux. Et voilà que depuis une soixantaine d'années, l'agriculture prend un nouveau visage : celui d'une machine industrielle de toujours plus tournée vers l'efficacité immédiate, la production de masse et les rendements sur le court terme. Au passage, elle s'est délestée d'une partie pourtant essentielle de son activité : la préservation de la terre. Saurons-nous réinventer une agriculture pour les siècles à venir ? (13 minutes)