Gordon Van Huizen, SVP de la stratégie chez Mendix – Série d’entretiens

Gordon Van Huizen est SVP de la stratégie chez Mendix, le principal fournisseur de solutions de développement d’applications à faible code, une entreprise du groupe Siemens. Dans ce rôle, Van Huizen identifie et explore des stratégies pour les avancées technologiques émergentes et travaille à incuber les innovations de produits au sein de Mendix, le tout avec un focus sur la façon dont ces technologies peuvent avoir un impact et apporter de la valeur aux clients.

Comment l’IA modifie-t-elle de manière permanente le cycle de vie du développement logiciel (SDLC), en particulier dans les environnements à faible code et sans code ?

L’IA secoue vraiment le cycle de vie du développement logiciel, surtout à mesure que nous exploitons davantage le langage naturel. Au lieu d’écrire des lignes de code, les organisations commencent à définir et à construire des logiciels simplement en décrivant les attentes. Cela devient de plus en plus une question de formulation d’intentions et de conversation avec des outils intelligents qui peuvent prendre ces intentions et les transformer en code, interfaces et même tests.

À mesure que l’IA continue de s’intégrer dans le SDLC, je pense que nous allons commencer à voir à quel point ce changement est puissant. Communiquer ce que nous voulons plutôt que de savoir comment le construire va se sentir plus naturel, et honnêtement, sera plus durable que l’écriture de code de la manière traditionnelle. Finalement, le code tel que nous le connaissons pourrait disparaître dans le fond. Et pas seulement cela, nous nous dirigeons vers un tout nouveau modèle de logiciel qui n’est pas seulement construit par l’IA, mais qui est intelligent en soi. Le changement est important et passionnant, et peut-être le plus important changement de logiciel que nous verrons dans notre vie.

Quel rôle voyez-vous l’IA agente jouer dans le développement d’applications à venir, et comment les développeurs et les architectes de plateformes devraient-ils se préparer aux défis d’observabilité ?

À mesure que l’IA agente continue de réimaginer le SDLC, nous ne voyons pas seulement un développement plus rapide, moins cher et de meilleure qualité, mais également un développement plus accessible. Les gens peuvent être créatifs et expérimenter sans avoir besoin d’être des coders experts ; tout ce dont ils ont besoin est de pouvoir exprimer clairement ce qu’ils veulent. Cependant, tout ce pouvoir est accompagné de complexité. Les logiciels que nous construisons aujourd’hui sont plus avancés que jamais, ce qui pose de nouveaux défis, en particulier à mesure que les plateformes multi-agents continuent d’émerger. L’interopérabilité devient un casse-tête car les applications sont naturellement distribuées et impliquent souvent des outils de différents fournisseurs et piles technologiques. C’est là que les plateformes à faible code brillent vraiment.

Elles peuvent automatiser beaucoup de travail de routine sur le côté du déploiement tout en vous offrant une vue claire sur l’ensemble du système. Une fois que vous avez cette couche d’observabilité en place, vous pouvez intégrer l’IA pour aider à comprendre ce qui se passe. L’IA peut mettre en évidence des problèmes tels que des baisses de performances ou des sorties incorrectes et expliquer la cause profonde dans un langage clair. Cette clarté est un changement de jeu pour les développeurs et les équipes d’exploitation. Tout cela signifie que nous aurons besoin plus que jamais de faible code, car sa nature même répond à ces défis de front. En particulier, nous verrons la combinaison puissante du développement augmenté par l’IA et du faible code. Vous pouvez vous exprimer dans un langage naturel, puis voir les résultats d’une manière visuelle — y compris les données, la logique et les interfaces utilisateur — et interagir par n’importe quelle combinaison de langage naturel et d’IDE visuel pour affiner et étendre davantage le logiciel généré.

Croyez-vous que le concept traditionnel de « développeur » évolue en raison du faible code et de l’IA ? Quelles compétences seront les plus critiques au cours de la prochaine décennie ?

Aujourd’hui, les développeurs de logiciels et les ingénieurs en IA sont souvent considérés comme deux rôles distincts, mais nous commençons déjà à voir une certaine superposition, à la fois par le biais des développeurs qui apprennent les compétences nécessaires à l’ingénierie de l’IA et avec des équipes de fusion qui rassemblent des développeurs, des ingénieurs en IA, des ingénieurs de données et même des data scientists. Honnêtement, ce type de collaboration est exactement ce dont nous avons besoin en ce moment. Mais oui, le concept traditionnel de « développeur » est certainement en évolution. Il ne s’agit que d’une question de temps avant que les développeurs de logiciels ne deviennent des ingénieurs en IA. Finalement, l’ingénierie de l’IA est toujours de l’ingénierie de logiciels ; elle implique simplement un ensemble d’outils et de concepts avec lesquels de nombreux développeurs n’ont pas encore travaillé. Ces compétences sont apprenables, et de nombreux développeurs traditionnels trouveront probablement ce nouveau travail passionnant. Cela ouvre la porte à la construction de solutions plus intelligentes et plus dynamiques, et c’est une direction gratifiante pour grandir.

Comment Mendix équilibre-t-il l’accessibilité du faible code avec la complexité de la construction d’applications alimentées par l’IA ?

L’objectif de Mendix est d’alléger la complexité de la construction d’applications alimentées par l’IA tout en veillant à ce que ce que les développeurs construisent aujourd’hui soit prêt pour l’avenir. Nous voulons simplifier les choses sans supprimer la flexibilité dont les développeurs ont besoin. Nous exploitons une approche visuelle pour que vous puissiez vraiment voir comment les agents et les systèmes s’assemblent, comme si un agent déclenchait un autre. Avec les outils de faible code de Mendix, l’architecture et le comportement de ces systèmes alimentés par l’IA sont présentés de manière à ne pas ressembler à un système complexe multi-agents. Cela ressemble simplement à une application propre et compréhensible.

Comment les plateformes de faible code comme Mendix permettent-elles aux non-développeurs de construire des solutions alimentées par l’IA sophistiquées, et quels sont certains des meilleurs exemples que vous avez vus ?

Chez Mendix, nous rencontrons des développeurs, des technologistes d’entreprise et des développeurs citoyens là où ils en sont par rapport à leur compréhension et à leurs besoins en matière d’applications alimentées par l’IA ; les outils de la plateforme sont faciles à prendre en main et à utiliser dès le départ. Nous les guidons à travers l’expérience étape par étape jusqu’à ce qu’ils utilisent le faible code pour construire des applications intelligentes alimentées par l’IA qui sont tout aussi avancées que celles construites avec du code élevé. Ils commencent par construire des invites à l’aide de notre outil de construction d’invites de faible code. Une fois qu’ils sont à l’aise avec cela, ils peuvent ancrer leur application alimentée par l’IA générative avec des données spécifiques à l’entreprise ou à la solution avec une base de connaissances de faible code intégrée. Et lorsqu’ils sont prêts, ils peuvent même construire des agents IA à l’aide d’une orchestration et d’un outil de faible code.

Un des meilleurs exemples du monde réel est la plateforme de paie mondiale native IA construite sur Mendix, datascalehr. La paie, en particulier dans la mesure où elle varie d’un pays à l’autre, est notoirement complexe, avec des réglementations, des exigences de conformité et des quantités massives de données en constante évolution. En utilisant Mendix, les fondateurs de datascalehr ont rapidement développé une plateforme de nouvelle génération qui exploite l’IA pour l’automatisation intelligente, les vérifications de conformité et l’assistance contextuelle. Ce qui est puissant ici, c’est que les technologistes d’entreprise et les experts de domaine — et non seulement les développeurs professionnels — ont pu façonner la manière dont les fonctionnalités IA étaient intégrées, en veillant à ce que la solution réponde directement aux besoins des clients. Le faible code rend les solutions sophistiquées et alimentées par l’IA à la fois accessibles et prêtes pour l’entreprise.

Pouvez-vous nous guider à travers la manière dont l’IA est utilisée au sein de Mendix lui-même — à la fois dans la façon dont la plateforme est construite et dans la façon dont elle permet aux utilisateurs de construire des applications intelligentes alimentées par l’IA ?

« Créer avec Maia » est la réponse de Mendix à la fois à l’infusion de l’IA dans le processus de développement d’applications et à la possibilité pour ses clients et partenaires de construire des applications intelligentes alimentées par l’IA. Récemment lancé avec la dernière version de Mendix, Mendix 11, Maia permet aux utilisateurs de créer, d’orchestrer et de déployer facilement des agents IA et des applications multi-agents tout au long du cycle de vie du développement logiciel. Même avant que les utilisateurs ne commencent à construire, ils peuvent exploiter Maia et utiliser le langage naturel pour s’assurer que les objectifs, les critères de réussite et les histoires utilisateur sont alignés avant la création. Créer avec Maia aide également à transformer les idées, les maquettes, les diagrammes et les exigences en plans de projet clairs et actionnables. Ensuite, une fois que le logiciel initial est créé, les utilisateurs peuvent rapidement le raffiner avec la vitesse inhérente au faible code. Le résultat est moins d’itérations, une livraison plus rapide, une gouvernance plus solide et un logiciel construit correctement dès le départ.

Comment voyez-vous l’IA et le faible code se combiner pour soutenir les organisations à but non lucratif ou les organisations à mission qui travaillent pour résoudre des problèmes sociaux ou environnementaux ?

L’IA et le faible code sont des outils incroyables pour relever des défis du monde réel, surtout parce qu’ils offrent aux personnes qui se concentrent sur la résolution de problèmes critiques une option pour innover, même avec des budgets et des compétences techniques limités. Un exemple qui me vient à l’esprit est celui de l’Alliance pour les orphelins (A4O), une organisation à but non lucratif basée à San Antonio qui propose des baby-sitters pour les familles d’accueil. L’entreprise a rencontré un gros obstacle lorsqu’elle a réalisé qu’il était difficile de trouver, de former et de certifier des baby-sitters, essentielles pour aider les parents d’accueil à obtenir le soutien dont ils ont besoin. Le faible code a aidé à construire une application pour rationaliser le processus de certification, en rassemblant des systèmes à travers différentes agences, en numérisant les documents et en créant une base de données centralisée pour suivre les baby-sitters certifiés. L’application a aidé A4O à certifier 81 baby-sitters, et depuis son inception, les applications n’ont cessé de grandir. C’est un exemple si puissant de la manière dont le faible code peut avoir un impact positif réel sur la vie des gens, et ce n’est qu’un exemple.

Quels sont les défis et les opportunités uniques de l’utilisation de données synthétiques dans un environnement de faible code ?

Les données synthétiques réduisent inhéremment les risques de confidentialité puisqu’elles ne contiennent pas d’informations personnelles réelles, ce qui facilite le respect des réglementations de protection des données (telles que le RGPD) et minimise l’exposition juridique. Bien sûr, l’utilisation de données synthétiques est également plus rapide, moins coûteuse et plus facile que la construction de jeux de données à partir de zéro et l’étiquetage des données pour une utilisation par l’IA, ce qui peut être hors de portée ou impraticable pour certains projets.

Cependant, les données synthétiques peuvent contenir des inexactitudes, des préjugés et de la toxicité, et même ne pas capturer le bruit, les valeurs aberrantes et la pleine gamme de scénarios inhérents à l’utilisation dans le monde réel — ce qui peut entraîner des défaillances potentielles en production. Par conséquent, il est nécessaire de mettre en place des garde-fous et d’établir une approche rigoureuse de test et de validation, qui prolonge le processus de test de l’application pour inclure la validation de la sortie de l’IA. Pour les systèmes critiques, il est également important de garder les humains dans la boucle afin qu’ils puissent appliquer leur propre discernement, en fournissant idéalement des commentaires de l’application elle-même.

Comment voyez-vous la convergence de l’informatique et de l’automatisation industrielle (OT) évoluer lorsque les outils d’IA et de faible code sont introduits dans les environnements opérationnels ?

La puissance et la précision de toute solution d’IA agente reposent sur le contexte ; la qualité et le volume des données sont critiques. C’est pourquoi il est de plus en plus essentiel pour ceux qui travaillent dans la fabrication, l’énergie et d’autres segments industriels d’avoir une solide fondation de données qui rassemble à la fois les données de l’informatique et de l’automatisation industrielle. Malheureusement, les données de l’automatisation industrielle ne sont pas toujours faciles à travailler. Par exemple, elles sont souvent non étiquetées, sans métadonnées claires ou sans schéma pour les guider. La bonne nouvelle est que des outils spécialisés sont disponibles pour transformer les données de l’automatisation industrielle et les augmenter des métadonnées nécessaires, les préparant ainsi pour une utilisation dans des applications intelligentes via la création d’IA. Une fois ingérées, les données de l’automatisation industrielle peuvent être utilisées aux côtés et combinées avec les données de l’informatique pour fournir un contexte à l’IA générative.

En tant qu’ancien analyste de Gartner et maintenant SVP de la stratégie chez Mendix, comment séparez-vous l’hypothèse de l’IA de l’innovation vraiment transformatrice lors de l’élaboration de votre feuille de route de produit ?

Séparer l’hypothèse de l’IA de l’innovation véritable nécessite une approche disciplinée et pragmatique, mais c’est une procédure que j’ai affinée à mesure que les tendances apparaissent et disparaissent. Tout d’abord et avant tout, je m’engage directement avec les clients et les prospects pour comprendre leurs plans et leurs exigences réels — c’est-à-dire ce dont ils ont vraiment besoin pour faire progresser leur entreprise. L’équipe de produits de Mendix adopte également une approche de test et d’apprentissage en livrant des versions préliminaires de nouvelles fonctionnalités, puis en travaillant étroitement avec les clients pour recueillir des commentaires et valider si ces innovations apportent vraiment une valeur tangible. Comme vous pouvez le voir, la collaboration est un moyen clé de faire la distinction entre l’hypothèse de l’IA et l’innovation, donc je travaille également activement avec nos partenaires existants et explore de potentiels nouveaux pour apporter des perspectives et une expertise supplémentaires.

Enfin, je tire parti de mon expérience avec les vagues actuelles et précédentes de technologies émergentes, en gardant un œil attentif sur les niveaux de maturité et les courbes d’adoption. Cela m’aide vraiment à faire la distinction entre ce qui est spéculatif et ce qui est susceptible de gagner du terrain, afin que nous puissions donner la priorité aux investissements qui auront un impact à long terme sur nos clients. Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Mendix.