SebTsCôté stack, ça donne généralement : Node.js (souvent avec NestJS) pour le backend, et Vue.js pour le frontend (j'ai fait beaucoup de React, mais la simplicité de Vue a fini par m'avoir). Comme toi, je conteneurise tout sous Docker, avec du PostgreSQL pour la donnée.

Je suis de l'autre coté du spectre : le genre de gars qui n'a pas eu le "courage" de passer en pratique aux nouvelles technologies (c'est aussi pour ça que Lexpage est un peu à la traîne, et ça risque pas de changer ). Mon profil n'est pas idéal pour garder le contact pratique avec les nouvelles technologies : je suis chercheur au FNRS (l'équivalent du CNRS/Inria je pense en France). Je ne fais que critiquer et suggérer théoriquement des solutions, mais je le fais avec des données empiriques (je suis plutôt orienté data science, au "service" de l'évolution/ingénierie logicielle). Je fais aussi partie de ces chercheurs qui considèrent que leur travail ne sert pas à grand chose car personne n'aime les chercheurs et leurs résultats

SebTsNiveau IA, on a l'air d'avoir exactement la même philosophie. Mon code est "artisanal" à 95 %. J'utilise surtout ChatGPT/Claude et parfois Gemini comme un *Rubber Duck* sous stéroïdes pour m'aider à débugger, pour me pondre des Regex imbuvables (soyons honnêtes, personne n'aime écrire ça de zéro ), ou pour générer des jeux de données de test.

A part une tentative pour générer du code via IA (essentiellement, une micro-lib pour faire de la correction statistique) qui s'est soldée par un échec lamentable, je n'ai jamais utilisé l'IA pour générer du code. Par contre, j'apprécie assez bien les suggestions automatiques de VSCode quand je rédige des articles, ça m'aide pour le vocabulaire (mais pas trop pour le contenu, qui est souvent hallucinatoire). Dans mon domaine, je remarque tristement que de plus en plus de papiers/articles sont partiellement rédigés par IA, et encore plus tristement que de nombreuses reviews le sont également (alors que les reviews sont supposées être le garde-fou)...

SebTsDès qu'on touche à la logique métier ou à l'architecture, je coupe tout. Comme on le disait plus haut, corriger les hallucinations d'une IA sur un process complexe prend plus de temps que de l'écrire soi-même.

Un de mes "jeunes" (comprendre : un doctorant) utilise assez souvent l'IA pour l'assister dans les analyses de données. Ca ne marche pas trop mal pour produire le code, mais je suis surtout content qu'il ait systématiquement un regard critique sur ce qui a été produit, car il corrige/détecte les erreurs avant de me montrer les résultats A cet égard, mon travail reste assez similaire à celui "pré-IA" : vérifier que les analyses soient statistiquement valides et correctes, peu importe que ça ait été généré par IA ou par un doctorant qui débute

SebTsEn tout cas, ravi de voir qu'il y a une bonne commu de "techos" par ici.
Sinon, pour tes traductions par IA, tu passes par l'API de DeepL ou tu as intégré un LLM spécifique ?

Perso, j'utilise (1) wordreference, mais c'est "manuel". C'est la meilleure option pour être sûr de gérer les nuances de l'autre langue et aussi d'apprendre un petit peu au passage et, (2) deepl quand je dois aller vite pour répondre à un e-mail et que j'ai un doute (j'ai un gros "blocage" en anglais dans le sens où si je ne suis pas sûr d'écrire quelque chose de grammaticalement correct, je reste dessus pendant 10 minutes. Sachant que la majeure partie de mes doctorants sont non-francophones, ça arrive assez fréquemment, genre une fois par semaine/quinzaine). Mais ça reste limité généralement à une partie de phrase (je n'aime pas l'idée de "simplement" écrire en français et puis demander une traduction - si je fais ça, je sais que je risque de perdre petit à petit ma capacité à générer le texte moi-même).

Guybrush

SebTsCôté stack, ça donne généralement : Node.js (souvent avec NestJS) pour le backend, et Vue.js pour le frontend (j'ai fait beaucoup de React, mais la simplicité de Vue a fini par m'avoir). Comme toi, je conteneurise tout sous Docker, avec du PostgreSQL pour la donnée.

Je suis de l'autre coté du spectre : le genre de gars qui n'a pas eu le "courage" de passer en pratique aux nouvelles technologies (c'est aussi pour ça que Lexpage est un peu à la traîne, et ça risque pas de changer ). Mon profil n'est pas idéal pour garder le contact pratique avec les nouvelles technologies : je suis chercheur au FNRS (l'équivalent du CNRS/Inria je pense en France). Je ne fais que critiquer et suggérer théoriquement des solutions, mais je le fais avec des données empiriques (je suis plutôt orienté data science, au "service" de l'évolution/ingénierie logicielle). Je fais aussi partie de ces chercheurs qui considèrent que leur travail ne sert pas à grand chose car personne n'aime les chercheurs et leurs résultats

SebTsNiveau IA, on a l'air d'avoir exactement la même philosophie. Mon code est "artisanal" à 95 %. J'utilise surtout ChatGPT/Claude et parfois Gemini comme un *Rubber Duck* sous stéroïdes pour m'aider à débugger, pour me pondre des Regex imbuvables (soyons honnêtes, personne n'aime écrire ça de zéro ), ou pour générer des jeux de données de test.

A part une tentative pour générer du code via IA (essentiellement, une micro-lib pour faire de la correction statistique) qui s'est soldée par un échec lamentable, je n'ai jamais utilisé l'IA pour générer du code. Par contre, j'apprécie assez bien les suggestions automatiques de VSCode quand je rédige des articles, ça m'aide pour le vocabulaire (mais pas trop pour le contenu, qui est souvent hallucinatoire). Dans mon domaine, je remarque tristement que de plus en plus de papiers/articles sont partiellement rédigés par IA, et encore plus tristement que de nombreuses reviews le sont également (alors que les reviews sont supposées être le garde-fou)...

SebTsDès qu'on touche à la logique métier ou à l'architecture, je coupe tout. Comme on le disait plus haut, corriger les hallucinations d'une IA sur un process complexe prend plus de temps que de l'écrire soi-même.

Un de mes "jeunes" (comprendre : un doctorant) utilise assez souvent l'IA pour l'assister dans les analyses de données. Ca ne marche pas trop mal pour produire le code, mais je suis surtout content qu'il ait systématiquement un regard critique sur ce qui a été produit, car il corrige/détecte les erreurs avant de me montrer les résultats A cet égard, mon travail reste assez similaire à celui "pré-IA" : vérifier que les analyses soient statistiquement valides et correctes, peu importe que ça ait été généré par IA ou par un doctorant qui débute

SebTsEn tout cas, ravi de voir qu'il y a une bonne commu de "techos" par ici.
Sinon, pour tes traductions par IA, tu passes par l'API de DeepL ou tu as intégré un LLM spécifique ?

Perso, j'utilise (1) wordreference, mais c'est "manuel". C'est la meilleure option pour être sûr de gérer les nuances de l'autre langue et aussi d'apprendre un petit peu au passage et, (2) deepl quand je dois aller vite pour répondre à un e-mail et que j'ai un doute (j'ai un gros "blocage" en anglais dans le sens où si je ne suis pas sûr d'écrire quelque chose de grammaticalement correct, je reste dessus pendant 10 minutes. Sachant que la majeure partie de mes doctorants sont non-francophones, ça arrive assez fréquemment, genre une fois par semaine/quinzaine). Mais ça reste limité généralement à une partie de phrase (je n'aime pas l'idée de "simplement" écrire en français et puis demander une traduction - si je fais ça, je sais que je risque de perdre petit à petit ma capacité à générer le texte moi-même).

C'est marrant ce syndrome de l'imposteur du chercheur qui pense que ses résultats ne servent à rien. Vu de ma fenêtre de dev web, c'est l'inverse : on a souvent l'impression d'empiler des briques éphémères (les frameworks JS qui changent tous les 6 mois... ) pendant que vous, à la recherche, vous construisez les fondations solides sur lesquelles l'industrie s'appuiera dans 5 ou 10 ans. Surtout en data science aujourd'hui...

Je te rejoins à 100% sur le problème des "papiers" et des reviews générés par IA dans le milieu académique. C'est le serpent qui se mord la queue : si l'IA écrit l'article, qu'une autre IA fait la review, et qu'une troisième IA résume le tout pour le lecteur final... on perd complètement l'essence même de la recherche empirique dont tu parles.

C'est pour ça que ton approche avec ton doctorant est la bonne. L'IA reste un outil d'assistance à la volée (comme l'autocomplétion de VSCode), mais le regard critique final doit rester humain.

Pour les traductions, je comprends totalement le blocage. WordReference reste le boss final pour chopper le vrai contexte d'un mot. DeepL est magique pour la fluidité, mais tu as raison, le risque c'est l'atrophie de nos propres capacités à formuler une phrase complexe de zéro. C'est un peu le "GPS de l'écriture" : à force de le suivre aveuglément, on ne sait plus retrouver son chemin tout seul.