@nor : Je suis développeur, j’ai un abonnement ChatGPT, mais je ne l’utilise presque pas pour coder. La qualité du code généré est trop faible, limitant son utilisation à l’automatisation de tâches basiques (code "boilerplate"). Je l’ai aussi évaluée en lui soumettant du code et en lui demandant des pistes d’optimisations, puis de patcher le code dans ce sens, mais systématiquement il faut pratiquer la méthode socratique ("tu es sûre qu’ici on ne pourrait pas simplifier de cette façon ?" avec approbation enthousiaste de GPT…). Pour l’instant, je trouve que pour le développement, cela revient à avoir à disposition un stagiaire qui a encore du lait derrière les oreilles mais de bonne volonté. Pour 20 balles, c’est pas si mal.
J’ai toutefois l’impression que GitHub CoPilot doit permettre un gain de productivité assez similaire pour moins cher.
En revanche, les qualités de génération et compréhension du langage naturel sont intéressantes. Alliées à l’OCR, cela permet des traitements intéressants qui seraient pénibles/coûteux à implémenter autrement (y compris en entraînant un modèle spécialisé), et de générer rapidement de la documentation ou des documents d’entreprise ennuyeux, avec assez peu de retouches à faire. Globalement, à condition d’endosser le rôle d’un éditeur pour sabrer et améliorer ponctuellement sa prose, c’est un excellent pigiste.
julien a écrit :
Sur du traitement de fichiers, même chose : il m’est arrivé qu’il sache traiter les 4 premiers et d’un seul coup n’y arrive plus sur les 4 suivants.
Je me suis rendu compte en lui transmettant des fichiers XML que ChatGPT codait un petit parseur en python en arrière plan pour le traiter, ce qui est complètement inefficace. Pour fiabiliser les réponses, il vaut mieux faire un pré-processing grossier pour lui transmettre uniquement des extraits ou un format simplifié, et ainsi tirer partie de son avantage compétitif, la compréhension du langage naturel/contexte.
Parrain
PEA Interactive Brokers ✯ Mangia bene, caca forte, e non aver paura della morte.