Dans la mythologie romaine, Janus, dieu des portes et des transitions, est représenté avec deux visages : l'un regarde en arrière, vers les leçons et les schémas du passé, l'autre vers les changements à venir. Cette double vision prend tout son sens lorsqu'on développe des logiciels avec des assistants de codage IA. Aujourd'hui, un prototype fonctionnel peut être créé en quelques heures, et le code est moins coûteux à générer et plus facile à modifier. Mais cette rapidité engendre un nouveau risque : lorsque le code est produit vite, sans structure claire, les projets deviennent difficiles à comprendre, à maintenir et à faire évoluer.
Pour les data scientists, ce changement est considérable. Les applications qui nécessitaient autrefois un solide soutien en ingénierie logicielle peuvent désormais être prototypées grâce au langage naturel et aux agents de codage, ce qui rend le passage des notebooks aux API et aux applications déployées plus accessible. Pourtant, générer une application fonctionnelle n'équivaut pas à concevoir un système capable d'évoluer. Un agent de codage peut placer la logique là où c'est le plus simple sur le moment, dans un point de terminaison, un objet propre à un framework ou une fonction utilitaire, sans se soucier des responsabilités de chacun.
L'auteur soutient que les projets d'IA ont besoin de cette perspective janusienne. En regardant en arrière, les équipes doivent consigner les leçons durement acquises : séparer les responsabilités, éviter les configurations dupliquées, garder des contrats clairs, tester la logique centrale et empêcher les outils externes de s'infiltrer dans chaque partie de l'application. En regardant vers l'avant, les projets doivent gagner en souplesse pour accueillir de nouvelles exigences, technologies et capacités sans refonte complète.
L'objectif n'est pas l'architecture pour elle-même, mais de rendre le développement rapide plus sûr et plus reproductible. Une base de référence définit les décisions architecturales minimales qu'il ne faut pas réinventer à chaque projet, notamment un code indépendant des outils, une infrastructure remplaçable et une logique centrale testable. Lorsqu'elle est conditionnée sous forme de modèle réutilisable, cette base devient un échafaudage, offrant aux équipes un point de départ pratique et leur permettant d'avancer plus vite sans créer une structure ponctuelle à chaque fois.
Source: Towards Data Science · Résumé par HeadlinesBriefing