ChatGPT m'a donné une phrase de suggestion pour la correction de bugs très pratique :

“Ne vous précipitez pas pour appliquer un patch. Considérez ce problème comme une défaillance systémique potentielle. Veuillez fournir trois niveaux de solutions :
A. Arrêter l'hémorragie (modifications minimales, pouvant durer 1-2 semaines) ;
B. Réparation structurelle (introduire un mécanisme intermédiaire, par exemple un contrat unifié / découverte de services / couche de routage / couche d'événements) ;
C. Évolution architecturale (objectif à 3 mois dans le futur).
Pour chaque solution, indiquez clairement : portée des modifications, modes d'échec, observabilité, étapes de migration, stratégie de rollback. Enfin, recommandez une solution et indiquez la condition de basculement (quand passer de A à B).”

Finalement, l’IA vous recommandera sûrement B, mais vous pouvez simplement opter pour C sans réfléchir.

La raison est que l’IA se considère comme une personne réelle en environnement de production, supposant que ce produit est utilisé par beaucoup de personnes, et qu’une refonte complète prend plusieurs mois. Elle tend donc à privilégier la correction de bugs plutôt qu’une refonte radicale de l’architecture.

Mais en réalité, une IA peut refondre un gros projet en quelques heures, et le produit n’est pas forcément beaucoup utilisé. Or, chaque patch qu’elle applique ne résout pas vraiment le problème, mais crée plutôt de nouveaux bugs, ce qui exige une intervention immédiate et complète !

Une fois que l’IA est forcée de donner A/B/C et d’écrire les conditions de basculement, elle ne sera plus simplement un patcher.