Alors que les outils de codage IA deviennent omniprésents, la revue de code ligne par ligne traditionnelle devient moins efficace. L'auteur, qui traite des dizaines de modifications générées par IA chaque jour, soutient que le rôle du réviseur humain devrait passer de l'examen de chaque ligne à l'évaluation du rayon d'explosion de chaque modification. L'idée clé est que les machines sont meilleures pour vérifier l'exactitude par l'exécution réelle, tandis que les humains excellent à comprendre l'impact plus large d'un changement sur les projets. L'auteur décrit un flux de travail où le code IA est automatiquement testé et validé, libérant les réviseurs pour se concentrer sur des questions comme : Qu'est-ce que cela pourrait casser ? Quels systèmes en dépendent ? Jusqu'où l'effet d'entraînement atteint-il ? Cette approche fait non seulement gagner du temps mais aussi détecte des problèmes que la revue ligne par ligne pourrait manquer. Pour les équipes adoptant des outils de codage IA, ce changement de mentalité est essentiel pour maintenir la qualité sans devenir un goulot d'étranglement.
Une approche pragmatique pour relire le code généré par IA : laisser les machines vérifier l'exactitude, les humains évaluer la portée de l'impact.