Jon Friskics, Auteur technique principal, Pluralsight – Série d’entretiens

Jon Friskics, Auteur technique principal, Pluralsight, est un éducateur expérimenté et un leader de contenu spécialisé dans le développement de logiciels et les expériences d’apprentissage axées sur l’IA. Dans son rôle actuel, il crée des cours vidéo dirigés par des experts et des laboratoires pratiques couvrant des technologies telles que Claude, Node.js, TypeScript, Tailwind CSS et Python, s’appuyant sur une longue carrière au sein de l’entreprise qui englobe la rédaction senior, l’architecture d’apprentissage et les leaderships dans la formation et la stratégie de curriculum. Auparavant, il a joué un rôle clé dans l’élaboration de systèmes d’apprentissage multi-modaux évolutifs et dans la direction de milliers de créateurs de contenu technique avec des pratiques de conception pédagogique fondées sur des preuves, tandis que plus tôt dans sa carrière, il a dirigé la stratégie de contenu à Code School et enseigné un large éventail de sujets techniques à l’Université de Floride centrale, établissant une solide fondation à la fois dans l’éducation et le développement réel.

Pluralsight est une plate-forme de développement de compétences technologiques de premier plan qui propose des cours en ligne, des laboratoires pratiques et des évaluations de compétences pour aider les individus et les organisations à développer une expertise dans des domaines tels que le développement de logiciels, l’IA, le cloud computing et la cybersécurité. Fondée en 2004, l’entreprise a évolué en un écosystème d’apprentissage complet utilisé par les entreprises et les professionnels du monde entier, combinant du contenu rédigé par des experts avec des connaissances pour combler les lacunes de compétences et accélérer le développement de la main-d’œuvre dans une économie de plus en plus axée sur la technologie.

Votre carrière couvre la conception de cursus interactifs, les systèmes d’apprentissage technique à grande échelle et la formation avancée aux outils d’IA. Comment cette expérience a-t-elle façonné votre perspective sur l’importance du jugement d’ingénierie dans une ère de codage assisté par l’IA ?

Mon expérience m’a montré que le jugement d’ingénierie est plus que la rédaction de code. Il s’agit de comprendre les systèmes et les conséquences à long terme. L’IA peut automatiser des tâches et créer un cadre qui conduit à des solutions, mais elle ne comprend pas toujours l’impact des décisions sur les utilisateurs ou les systèmes de manière prévisible. Le jugement humain garantit que l’IA est utilisée pour augmenter la productivité de manière sûre, le jugement d’ingénierie est plus précieux que jamais, guidant les équipes pour exploiter l’IA de manière efficace tout en maintenant la qualité et la fiabilité.

Pluralsight s’est longtemps concentré sur la fermeture des lacunes de compétences techniques. Comment voyez-vous cette mission évoluer maintenant que les compétences de collaboration avec l’IA doivent coexister avec les fondamentaux traditionnels du développement de logiciels ?

La mission de Pluralsight est d’équiper les apprenants des compétences techniques fondamentales dont ils ont besoin pour réussir. Alors que l’IA devient un collaborateur dans les tâches de développement, ces fondamentaux restent essentiels, mais les équipes ont également besoin de comprendre comment travailler avec l’IA de manière responsable et valider ses sorties. Même si l’IA peut générer du code, elle ne remplace pas le besoin de compétences en codage, et elle peut les améliorer en superposant la compréhension du flux de travail et la pensée système à l’expertise existante. Pluralsight aide les apprenants à construire sur les compétences fondamentales existantes et à maintenir une pensée stratégique à travers des solutions d’apprentissage qui incluent des cours à la demande, des laboratoires pratiques et des ateliers dirigés par des experts humains qui évoluent avec l’innovation technologique.

Quelles compétences architecturales, de déploiement et de gestion des risques pensez-vous être les plus menacées si les développeurs deviennent trop dépendants du code généré par l’IA ?

Les développeurs qui s’appuient trop lourdement sur la génération de code par l’IA et acceptent leur sortie sans prendre le temps de comprendre ce qui a été généré peuvent finir par affaiblir leurs compétences stratégiques comme la pensée architecturale et l’évaluation des risques avec le temps. Comprendre comment les composants interagissent et concevoir pour la fiabilité sont des capacités qui sont apprises à travers l’expérience dans de nombreuses situations. Cela signifie que la dépendance excessive à l’égard de l’IA pourrait non seulement conduire à des vulnérabilités cachées et à une instabilité du système, mais également affaiblir les capacités de résolution de problèmes à long terme des développeurs, permettant à ces problèmes de passer inaperçus ou de rester sans solution jusqu’à ce qu’il soit trop tard.

À mesure que les outils de codage autonomes gagnent en popularité, où voyez-vous la plus grande déconnexion entre ce que ces outils promettent et ce que les ingénieurs sont réellement préparés à valider ou à superviser ?

L’apprentissage continu est essentiel pour les ingénieurs qui travaillent aux côtés d’outils de développement assistés par l’IA et de systèmes de codage autonomes. Les outils de codage autonomes promettent rapidité et précision dans la génération de code fonctionnel, mais ils manquent de compréhension des interactions de système, de sécurité et d’impact commercial, et cela signifie que vous devez fournir ce contexte manquant. La déconnexion réside dans l’hypothèse que la sortie de l’IA est complète ou correcte en l’absence de surveillance humaine. Lorsque les étapes de validation sont sautées ou précipitées, les équipes risquent d’introduire des bogues coûteux, des vulnérabilités de sécurité ou des incohérences architecturales. Cela renforce la nécessité pour les ingénieurs de mettre à jour continuellement leurs compétences pour gérer et valider efficacement les travaux générés par l’IA.

Comment les entreprises devraient-elles repenser leurs stratégies de développement des compétences pour s’assurer que les développeurs savent quand faire confiance aux suggestions de l’IA et quand ralentir et appliquer une révision plus approfondie ?

Le développement des compétences devrait mettre l’accent sur la connaissance de quand la sortie de l’IA est fiable par rapport à quand une révision plus approfondie est nécessaire, y compris les tests de scénario et la validation des invites. Cette approche renforce le jugement aux côtés des compétences en codage, garantissant que les ingénieurs puissent faire confiance à l’IA de manière sélective plutôt que de s’appuyer trop lourdement sur le code généré. Les programmes de formation et de développement qui offrent des expériences d’apprentissage structurées et pratiques permettent aux développeurs d’expérimenter avec des flux de travail assistés par l’IA pour voir comment le code généré se comporte dans des applications complètes et exercer ce jugement dans un environnement de bac à sable. En s’appuyant à la fois sur l’enseignement dirigé par des experts et sur des exercices pratiques, les ingénieurs peuvent renforcer les compétences de pensée critique nécessaires pour évaluer les sorties de l’IA de manière responsable.

Dans des environnements de produits en constante évolution, comment les leaders d’ingénierie peuvent-ils empêcher les raccourcis générés par l’IA d’introduire des dettes techniques à long terme ou des vulnérabilités de sécurité ?

Les leaders doivent faire respecter les cadres de gouvernance et l’évaluation des risques pour le code généré par l’IA. L’établissement de solides limites et la vérification des sorties pourraient aider à prévenir les dettes techniques à long terme et les vulnérabilités de sécurité. Je suggérerais également une éducation des développeurs axée sur les pratiques de codage sécurisées et la conscience architecturale pour garantir que les ingénieurs comprennent les compromis derrière les suggestions générées par l’IA. Des exercices de révision pratiques réguliers et des formations basées sur des scénarios peuvent aider à réduire la probabilité que les raccourcis s’accumulent en risques système cachés.

Quels cadres pratiques ou garde-fous recommandez-vous que les organisations adoptent pour maintenir le codage de l’IA comme une collaboration plutôt que comme une responsabilité ?

Les outils qui fonctionnent le mieux pour cela sont de nouveaux protocoles de révision, des traçages de contrôle de version et des expérimentations d’IA en bac à sable. L’utilisation de métriques, de cadres d’observabilité et d’évaluations aidera les équipes à suivre la qualité de la sortie et à renforcer la collaboration responsable pour garantir que l’IA est un partenaire de productivité plutôt qu’une responsabilité. Il est également précieux pour les organisations d’explorer les flux de travail assistés par l’IA pour comprendre les capacités et les limites de ces outils pour les besoins uniques de leurs équipes. Ces pratiques aideront les équipes à développer le jugement nécessaire pour intégrer efficacement les suggestions de l’IA sans compromettre la qualité du code ou la stabilité du système.

En regardant vers l’avenir, qu’est-ce qui distingue les développeurs qui prospéreront dans un avenir augmenté par l’IA de ceux qui pourraient avoir du mal à s’adapter ?

Les développeurs qui excelleront dans un avenir augmenté par l’IA combineront des compétences fondamentales solides avec le jugement, l’adaptabilité et la pensée système. Ils comprennent quand faire confiance à l’IA, quand intervenir pour la guider et la rediriger, et comment les sorties s’intègrent dans le système plus large. Ceux qui pourraient avoir du mal peuvent s’appuyer trop lourdement sur l’automatisation, manquer d’expérience avec les cas limites ou ne pas valider les résultats, risquant ainsi des erreurs pour leur organisation et manquant les précieuses opportunités d’apprentissage qui renforcent l’expertise d’un développeur tout au long d’une carrière rigoureuse. L’apprentissage continu et l’expérimentation pratique avec les flux de travail assistés par l’IA aideront les développeurs à affiner ces compétences dans un laps de temps plus court et à rester efficaces à mesure que les outils de codage de l’IA évoluent.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Pluralsight.