Introduction
OpenAI a récemment publié un rapport qui met en lumière l'impact significatif des agents de codage sur le développement de logiciels scientifiques. Ces agents, incluant Codex d'OpenAI et Claude Code d'Anthropic, ont permis de réduire considérablement les temps d'exécution dans divers projets scientifiques. Cependant, malgré ces avancées, l'expertise humaine demeure cruciale pour assurer la validité scientifique et la gestion des projets.
Les Agents de Codage : Un Atout pour la Science
Les agents de codage ont été utilisés dans huit projets de calcul scientifique, couvrant des domaines tels que la génomique, l'immunologie, les statistiques et le séquençage d'ARN. Parmi les tâches réalisées, on retrouve :
- Nettoyage des systèmes de packaging et de build
- Optimisation des performances de code existant
- Migration complète de langages ou de backends
Exemples Concrets
- HI.SIM : Un simulateur de lecture de séquençage d'ADN dont le temps d'exécution a été réduit.
- RustQC : Consolidation de 15 outils de contrôle qualité de séquençage d'ARN avec des gains de performance significatifs.
- MHCflurry : Migration du backend de TensorFlow/Keras vers PyTorch.