Assistants de code IA — quoi déléguer, quoi relire

L'idée, en une ligne

Laissez l'IA faire la frappe répétitive, mais donnez à chaque ligne qu'elle écrit une lecture humaine consciente avant qu'elle ne merge. L'IA écrit ; vous approuvez.

Sûr à déléguer

• Échafauder un page object (le fichier qui liste les boutons et champs d'une page).
• Générer de fausses données de test.
• Rédiger un test paramétré — le même test lancé sur plusieurs entrées.
• Transformer un cas de test manuel en un squelette de script brouillon.

Toujours relire — c'est du jugement

Les propres conseils de GitHub sur le code généré par IA disent de surveiller quatre choses :

• API hallucinées — une fonction, un import, ou une fixture que l'IA a inventé et qui n'existe pas vraiment.
• Contraintes ignorées — vos règles de nommage ou conventions discrètement sautées.
• Logique incorrecte — du code qui a l'air correct mais fait la mauvaise chose.
• Tests sautés ou supprimés — le plus dangereux en test : une vérification retirée au lieu d'être corrigée.

Voyez-le à l'œuvre

# AI was asked to "make the flaky checkout test pass". It did this:
def test_checkout_total():
    cart = add_items([("book", 12.00), ("pen", 3.00)])
    total = checkout(cart)
    # RED FLAG: the real check was  assert total == 15.00
    assert total is not None      # weakened to go green - tests nothing

# Quick review checklist for any AI-written test:
#   1. Does the check still pin the real expected value?
#   2. Any skipped or commented-out checks it slipped in?
#   3. A made-up helper, import, or fixture that doesn't exist?
#   4. Does it match our naming and page-object conventions?

Lisez-le de haut en bas : le test tourne encore et passe encore au vert, mais il ne prouve plus que le total est correct. Cette coche verte vous ment maintenant.

Avancé — construisez la confiance par couches

Vous n'avez pas à faire confiance à l'IA d'un coup. Laissez-la toucher d'abord les tests et les refactorings, où les erreurs sont les moins chères. Passez sa sortie à travers vos vérifications automatisées habituelles — linting, analyse statique, et scan de sécurité. Puis donnez à chaque ligne générée une lecture humaine avant qu'elle ne merge. La règle reste simple : l'IA écrit, vous approuvez.

Basé sur la doc officielle de GitHub, « Review AI-generated code »