Low-code et IA, la révolution du développement logiciel

L'avenir du développement logiciel, marqué par des avancées majeures, s'annonce immensément prometteur. Pour rester compétitives et gagner en efficacité, les entreprises sont amenées à repenser leurs méthodes de développement, intégrant des pratiques telles que le low-code/no-code et la programmation assistée par l'intelligence artificielle. Ces outils viennent répondre à la nécessité plus accrue de satisfaire les besoins métiers et de réduire le Time-To-Market¹ des solutions développées.

2024, l'année des levées exceptionnelles pour le logiciel 

En 2024, le segment des logiciels occupait largement la première place des domaines les plus attractifs en termes d'investissements dans la French Tech². Selon le baromètre annuel du capital risque de 2024 en France publié par le cabinet EY, les levées de fonds de ce secteur ont connu une très forte progression de 46% par rapport au montant de 2023 avec 3 milliards d'euros récoltés. Propulsée par l'essor de l'IA générative, la France se distingue comme le leader européen dans ce secteur. 

Championne de l'IA en Europe, Mistral AI a réalisé la plus importante levée de fonds française, suivie par Poolside AI, une start-up fondée en 2023 spécialisée dans l'IA générative appliquée à la conception logicielle avec un assistant de codage intelligent destiné aux développeurs.  

Le low-code/no-code, une solution qui change la donne pour les petites et grandes entreprises 

Développées depuis une dizaine d'années, les technologies low-code/no-code sont des méthodes de développement logiciel qui requièrent peu ou pas d'écriture de lignes de code, d'où l'expression low-code no-code aussi connue sous l'acronyme LCNC. Elles permettent de construire des applications de manière intuitive et visuelle, par le moyen d'interfaces graphiques simples comme le glisser-déposer.  

Le marché des LCAPs (Low-Code Application Platforms) était estimé à 10,45 milliards de dollars en 2024 et devrait atteindre environ 82,37 milliards de dollars d'ici 2034, avec un taux de croissance annuel de 22,92% de 2024 à 2034 d'après les prévisions de Precedence Research. Cette montée en puissance est également illustrée par les projections de Gartner, qui estime que, d'ici 2029, 80% des applications critiques des entreprises devraient être développées sur des plateformes low-code, comparativement à 15% en 2024. 

On compte aujourd'hui plus de mille outils LCNC existant sur le marché. Mendix, OutSystems, Microsoft, ServiceNow, Salesforce et Appian figurent parmi les principales plateformes de low-code. Du côté des outils no-code, les solutions les plus populaires sont celles de Google AppSheet, Bubble, Zapier, Webflow, Shopify ou encore Convertigo.  

La démocratisation et la simplicité de conception d'applications pour les « Citizen Developers » – un terme qui désigne les non-professionnels du développement – reposent principalement sur les outils no-code, et non sur le low-code de manière générale. Une idée reçue, selon laquelle les outils low-code sont extrêmement simples à utiliser, persiste. Or, le low-code s'adresse davantage à des profils avertis, disposant d'un minimum de notions techniques et auxquels il peut apporter une forte valeur ajoutée. 

La création de Proofs of Concept³ (POC), de sites web, d'applications métiers, de formulaires et de chatbots correspondent notamment à des cas d'usage usuels des outils LCNC. 

Toutefois, la rapidité de déploiement et les coûts de développement et de formation plus faibles du LCNC sont contrebalancés par les enjeux d'interopérabilité, de dépendances et de réversibilité. De plus, les exigences techniques d'un projet sont parfois sous-estimées, et le manque de connaissances de l'environnement informatique dans lequel la solution LCNC sera déployée peut aussi constituer un obstacle.  

En permettant de concevoir des applications spécifiques exactement adaptées au besoin, le LCNC cible également la construction d'applications métier. Ces nouvelles solutions permettent aux équipes de se concentrer sur des missions à plus forte valeur ajoutée avec une collaboration et un encadrement du projet basé sur des méthodes agiles. 

Néanmoins, aujourd'hui, avec un simple prompt, il est possible de générer des lignes de code en langage de programmation. Google déclare que 25% de tous ses nouveaux codes sont maintenant générés par l'IA pour ensuite être relus par les ingénieurs, stimulant ainsi la productivité et l'efficacité des équipes de développeurs. 

Dès lors, s'il est légitime de se demander si l'IA générative va supplanter les autres méthodes de développement, est-ce pour autant que le LCNC cessera d'être une approche aussi avantageuse ?  

Bien que l'IA générative présente des avantages clairs pour certaines tâches de codage simples, elle ne saurait remplacer les plateformes LCNC, qui prennent en charge des aspects beaucoup plus vastes et complexes du développement. En effet, le low-code accélère l'utilisation de l'IA générative et vice versa, créant ainsi une synergie plutôt qu'une compétition entre les deux technologies.   

Le développement logiciel métamorphosé grâce à l'IA 

À l'instar du LCNC, la programmation assistée par l'IA permet de créer des applications plus rapidement tout en répondant au problème des ressources limitées, notamment la pénurie de programmeurs expérimentés observée depuis plusieurs années. 

Le marché des assistants de codage basés sur l'IA connaît une expansion notable, pavant la voie à de nouvelles solutions. Poolside AI, start-up basée à Paris, a sécurisé 453 millions de dollars de financement avant même de lancer son produit, rejoignant les licornes françaises avec une valorisation de 2,70 milliards d'euros. 

Les outils de codage alimentés par l'IA ne sont plus simplement des accessoires pour les développeurs de logiciels ; ils deviennent un élément essentiel du développement logiciel moderne et agissent en toile de fond comme un mentor en programmation disponible 24h/24 et 7j/7. 

Ils sont conçus pour conduire à des cycles de développement plus rapides et à une qualité de code améliorée. Ces outils peuvent être appliqués à un grand nombre d'industries, notamment  les start-up Fintech, Health Tech, E-Commerce, etc. 

En revanche, il est important de souligner les défis auxquels ces start-up doivent faire face pour utiliser des outils de codage alimentés par l'IA. Tout d'abord, il y a les contraintes budgétaires. Certaines start-up, avec des budgets limités en phase de démarrage, ne peuvent pas toujours se permettre de souscrire à des plans complets pour accéder à des fonctionnalités avancées, comme celles proposées dans les versions premium de GitHub Copilot et Tabnine. De plus, un temps d'adaptation est nécessaire pour apprendre à utiliser ces technologies de manière efficace.  

L'intégration des outils d'IA dans les flux de travail existants peut être complexe, en particulier pour les start-up disposant de systèmes hérités. Ce défi est étroitement lié à la distinction entre systèmes ouverts et systèmes fermés, qui joue un rôle-clé dans les enjeux d'interopérabilité. Par exemple, intégrer un outil comme Amazon CodeWhisperer dans une infrastructure qui n'est pas construite sur AWS peut entraîner des inefficacités ou nécessiter une configuration supplémentaire.  

Les sociétés prêtent une attention particulière à la sécurisation des données manipulées. Un risque encore négligé est celui de la dépendance excessive à l'IA.  

Software 2.0, vers une nouvelle génération du développement logiciel ? 

Des systèmes pourront-ils un jour être capables d'écrire leur propre code, d'apprendre de leurs erreurs et de s'améliorer de manière autonome sans intervention humaine ? C'est ce que promet le Software 2.0, un terme inventé par Andrej Karpathy, l'ancien directeur de l'IA chez Tesla, pour décrire le changement du développement de logiciels, en utilisant des algorithmes d'apprentissage automatique (ML) et des réseaux de neurones.  

Prenons l'exemple des véhicules autonomes ou des assistants vocaux intelligents. Plutôt que de programmer explicitement chaque scénario possible, avec le Software 2.0, la solution est entraînée sur la base d'une quantité massive de données.  

Ainsi, contrairement au logiciel traditionnel, qui est écrit de manière explicite par des programmeurs, le Software 2.0 s'améliore de manière autonome au fil du temps grâce à l'apprentissage et à l'intégration des données. 

¹ Temps nécessaire pour concevoir et lancer un produit ou un service sur le marché
² Écosystème des start-up françaises
³ Démarche qui vise à démontrer la faisabilité d'une idée, d'une technologie ou d'un projet avant de s'engager dans son développement à grande échelle.