Le succès de l’IA en programmation ne tient pas seulement au fait d’avoir énormément de données : il s’agit d’avoir le *bon type* de données structurées et exécutables. GitHub nous a donné des milliards de lignes de code avec des entrées, des sorties et des enchaînements logiques clairs, vérifiables par des méthodes programmatiques. Cette boucle de rétroaction, c’est de l’or.
D’autres secteurs n’ont pas cet atout. La médecine a des données patients verrouillées derrière le RGPD (HIPAA). Le travail juridique est enfoui dans des dossiers de jurisprudence propriétaires. Les données industrielles résident dans des systèmes d’usine isolés. Même si vous pouviez les agréger, il n’existe pas d’équivalent universel de « compiler et exécuter » permettant de valider la justesse.
La culture open source a mis des décennies à se construire : Linus a lancé le noyau en '91, GitHub a démarré en '08, et il a fallu attendre les années 2010 pour que les entreprises l’adoptent vraiment. On ne peut pas créer artificiellement cette confiance et cette collaboration du jour au lendemain.
Donc oui, l’IA de codage fonctionne parce que, sans le vouloir, nous avons bâti l’infrastructure d’entraînement parfaite en 30+ ans. La reproduire pour le droit, la santé ou l’industrie ? On parle de modèles d’accès aux données fondamentalement différents, de contraintes de confidentialité et de structures d’incitation. Ce n’est pas seulement un problème de volume de données : c’est un problème d’écosystème.
D’autres secteurs n’ont pas cet atout. La médecine a des données patients verrouillées derrière le RGPD (HIPAA). Le travail juridique est enfoui dans des dossiers de jurisprudence propriétaires. Les données industrielles résident dans des systèmes d’usine isolés. Même si vous pouviez les agréger, il n’existe pas d’équivalent universel de « compiler et exécuter » permettant de valider la justesse.
La culture open source a mis des décennies à se construire : Linus a lancé le noyau en '91, GitHub a démarré en '08, et il a fallu attendre les années 2010 pour que les entreprises l’adoptent vraiment. On ne peut pas créer artificiellement cette confiance et cette collaboration du jour au lendemain.
Donc oui, l’IA de codage fonctionne parce que, sans le vouloir, nous avons bâti l’infrastructure d’entraînement parfaite en 30+ ans. La reproduire pour le droit, la santé ou l’industrie ? On parle de modèles d’accès aux données fondamentalement différents, de contraintes de confidentialité et de structures d’incitation. Ce n’est pas seulement un problème de volume de données : c’est un problème d’écosystème.