Mes principales leçons de @embirico (Responsable produit Codex d'OpenAI) : 1. Le produit Codex initial d'OpenAI était "trop en avance sur son temps". Il fonctionnait dans le cloud de manière asynchrone, ce qui était génial pour les utilisateurs avancés mais difficile pour les nouveaux venus. La croissance a explosé lorsqu'ils l'ont ramené là où les ingénieurs travaillent déjà : dans leur éditeur de code, sur leur propre ordinateur. L'utilisation de Codex a augmenté de 20 fois au cours des 6 derniers mois. 2. OpenAI a construit l'application Android Sora—qui a atteint la première place dans l'App Store—en seulement quelques semaines avec deux ou trois ingénieurs, grâce à Codex. L'application Sora est passée de zéro à des tests par des employés en 18 jours, puis a été lancée publiquement 10 jours plus tard. Codex a aidé en analysant l'application iOS existante, en générant des plans de travail et en mettant en œuvre des fonctionnalités en comparant les deux plateformes simultanément. 3. La clé pour tirer de la valeur de Codex : donnez-lui vos problèmes les plus difficiles, pas les plus faciles. Ces outils sont conçus pour s'attaquer à des bugs complexes et à des tâches difficiles, pas à des tâches simples. Commencez par quelque chose sur lequel vous passeriez autrement des heures. 4. Écrire du code pourrait devenir la manière universelle dont l'IA accomplit n'importe quelle tâche. Plutôt que de cliquer à travers des interfaces ou de construire des intégrations séparées, l'IA fonctionne mieux lorsqu'elle écrit de petits programmes à la volée. Cela suggère que la capacité de coder devrait être intégrée dans chaque assistant IA, pas seulement dans des outils de programmation spécialisés. 5. Les designers d'OpenAI écrivent et expédient maintenant leur propre code. L'équipe de design maintient un prototype entièrement fonctionnel construit avec l'assistance de l'IA. Lorsqu'ils ont une idée, ils la codent directement, la testent et souvent la soumettent eux-mêmes pour production. Les ingénieurs n'interviennent que lorsque la base de code est particulièrement complexe. 6. Même si les modèles d'IA cessaient de s'améliorer demain, il reste encore des années de travail produit à réaliser pour débloquer leur potentiel. La technologie est en avance sur notre capacité à l'utiliser de manière optimale. 7. Le plus grand goulot d'étranglement de la productivité de l'IA n'est pas l'IA ; c'est la vitesse à laquelle les humains peuvent taper. Les facteurs limitants sont la rapidité avec laquelle vous pouvez taper des invites et la rapidité avec laquelle vous pouvez examiner le travail généré par l'IA. Tant que l'IA ne pourra pas valider sa propre sortie de manière plus fiable et fournir de l'aide de manière proactive, nous ne verrons pas les gains de productivité complets que ces outils pourraient offrir. 8. Écrire du code devient moins amusant que de revoir le code écrit par l'IA. Les ingénieurs adorent le flux créatif de la construction. Maintenant, ils passent plus de temps à lire ce que l'IA a produit. Le prochain défi est de rendre ce processus de révision plus rapide et plus satisfaisant. 9. De nouveaux modèles d'IA peuvent maintenant travailler en continu pendant 24 à plus de 60 heures sur une seule tâche. Une technique appelée "compaction" permet à l'IA de résumer ce qu'elle a appris avant d'épuiser sa mémoire, puis de continuer à travailler dans une nouvelle session. Cela permet un travail autonome de nuit ou sur plusieurs jours qui n'était pas possible auparavant. 10. Si vous démarrez une entreprise aujourd'hui, une compréhension approfondie d'un client spécifique compte plus que d'être bon en construction. Construire devient plus facile. Savoir quoi construire—et pour qui—est le véritable avantage maintenant.