Les agents IA savent désormais générer du code en Python, C#, C++ et dans de nombreux autres langages. Faut-il en conclure que LabVIEW et les développeurs de logiciels industriels sont condamnés ? Chez MESULOG, notre expérience nous conduit à une conclusion différente : l'intelligence artificielle générative ne remplace pas l'ingénierie, elle en élargit les possibilités.
L'IA générative annonce-t-elle la fin de LabVIEW ?
Depuis l'arrivée des agents de développement basés sur l'intelligence artificielle, une question revient régulièrement dans la communauté des développeurs LabVIEW : quel avenir pour un environnement de programmation graphique lorsque les IA deviennent particulièrement efficaces pour produire du code textuel ?
Je comprends cette interrogation, et même une certaine nostalgie chez ceux qui ont consacré une grande partie de leur carrière à LabVIEW.
Mais je ne partage pas forcément leur conclusion sur son avenir. Oui, je sais, vous allez être étonnés que je défende LabVIEW...
Chez MESULOG, entreprise française spécialisée dans le développement de solutions industriels de test et de mesure, nos équipes travaillent quotidiennement avec LabVIEW et TestStand.Notre constat est encourageant : l'IA générative a considérablement augmenté notre capacité de production, mais aussi la qualité de nos développements.
Non pas parce qu'elle remplace nos ingénieurs, mais parce qu'elle leur permet de se concentrer davantage sur la conception des solutions.
Le code source n'est pas une finalité : c'est un outil
Pour comprendre cette évolution, il faut revenir à une idée fondamentale : Le code source n'est pas une finalité. C'est un outil qui permet d'atteindre un objectif.
Les IA génératives sont, elles aussi, des outils. Elles produisent du code, automatisent des tâches, facilitent l'analyse et accélèrent considérablement la réalisation.
Mais notre métier reste fondamentalement le même : imaginer, concevoir, intégrer, tester et valider des solutions répondant à des besoins industriels.
L'IA nous aide à concrétiser le résultat de notre pensée. Mais elle ne connaît pas spontanément l'ensemble de ce que nous voulons construire.
Dans nos métiers, nous n'exprimons souvent explicitement qu'une petite partie des exigences. Pour illustrer cette réalité, disons 20 %. Les 80 % restants résultent d'une combinaison de plusieurs éléments :
- L'état de l'art du métier et la compréhension des phénomènes physiques.
- L'état de l'art des technologies et des environnements de développement.
- L'expérience acquise sur les projets précédents.
- Les contraintes implicites de fiabilité, de performance, de maintenance et d'exploitation.
- La capacité à anticiper les situations que le cahier des charges ne décrit pas.
Ces proportions sont pour illuster. Mais le principe est essentiel. C'est cette connaissance "métier", souvent construite par la formation. et l'expérience, qui fait toute la différence entre produire du code et concevoir un système industriel fiable.Pas la connaissance "outil". L'IA peut proposer une implémentation. Encore faut-il savoir définir le besoin, identifier les exigences manquantes et vérifier que le résultat répond réellement à l'objectif.
LabVIEW, TestStand et IA générative : prendre le meilleur des deux mondes
Notre philosophie n'a pas changé : utiliser chaque technologie là où elle apporte le plus de valeur. Pourquoi opposer les environnements de développement lorsqu'nous pouvons les faire travailler ensemble ?
Par exemple, des approches reposant sur le Model Context Protocol (MCP) peuvent permettre à des agents IA d'interagir avec des outils et certaines fonctionnalités des environnements de développement, lorsque des connecteurs adaptés sont disponibles, notamment pour faciliter l'analyse de code et automatiser des opérations.
Nous utilisons également l'IA générative pour développer des composants logiciels en .NET, que nous intégrons ensuite dans nos applications LabVIEW. Cette approche permet d'introduire de nouvelles fonctionnalités et de nouvelles méthodologies de développement, tout en conservant les atouts de LabVIEW et TestStand.
LabVIEW pour l'acquisition, l'instrumentation et l'intégration
LabVIEW conserve une valeur importante pour :
- L'acquisition et le traitement des données de mesure.
- Le pilotage d'instruments et de bancs de test automatisés.
- La synchronisation des équipements et des systèmes d'acquisition.
- L'intégration de composants matériels et logiciels.
- La réalisation d'interfaces opérateur et d'applications industrielles.
TestStand pour l'automatisation des essais
TestStand apporte des fonctionnalités complémentaires :
- L'orchestration et l'exécution des séquences de test.
- La gestion des résultats et des rapports.
- La traçabilité des essais.
- La réutilisation de modules de test développés dans différents langages.
- L'organisation et la maintenance des procédures de validation.
L'IA générative pour accélérer et enrichir le développement
Les agents IA peuvent contribuer à :
- Produire des composants logiciels en Python, C# ou C++ et des composants pour .NET.
- Faciliter l'analyse et la compréhension du code existant.
- Générer des tests, de la documentation et des outils complémentaires.
- Explorer de nouvelles architectures ou bibliothèques logicielles.
- Accélérer le prototypage et certaines tâches répétitives.
Le résultat est une architecture dans laquelle chaque environnement conserve ses points forts. L'IA générative ne nous oblige pas à abandonner LabVIEW ou TestStand. Elle nous permet au contraire de les enrichir.
LabVIEW et IA générative : une philosophie finalement très proche
N'était-ce pas précisément l'ambition initiale de LabVIEW et de ses concepteurs chez National Instruments ?
Permettre aux ingénieurs de s'affranchir autant que possible de la complexité et de la syntaxe des langages de programmation pour se concentrer sur leur véritable métier : l'ingénierie, la mesure et la résolution de problèmes physiques.
Le langage graphique G a contribué à rendre la programmation des systèmes de mesure plus accessible aux ingénieurs. Aujourd'hui, l'IA générative poursuit, d'une certaine manière, cette même ambition : réduire le temps consacré à la traduction d'une intention en code exécutable.
L'IA générative et LabVIEW se rejoignent ainsi sur une ambition : permettre à l'ingénieur de se concentrer davantage sur le problème à résoudre que sur la manière d'écrire le programme.
Et pour la petite plaisanterie, l'environnement de développement LabVIEW n'est pas lui-même entièrement écrit en langage G ! ;-)
Pourquoi faudrait-il alors que toutes les nouvelles fonctionnalités de nos applications soient exclusivement développées en G ? L'intégration de composants réalisés dans d'autres langages, notamment en .NET, permet justement d'étendre les capacités des applications LabVIEW. Nous pouvons utiliser Python, C, C#, C++, .NET et les agents IA là où ils sont les plus efficaces, tout en conservant LabVIEW pour ses qualités d'intégration, d'instrumentation et de développement de systèmes de mesure.
L'enjeu n'est pas, et n'a jamais été, de choisir entre C, C#, Python, LabVIEW, TestStand ou l'IA générative, mais de savoir les faire travailler ensemble.
L'IA va-t-elle supprimer les 40 heures de travail du développeur ?
Certains développeurs s'interrogent : si un agent IA peut réaliser en quelques minutes ce qui nécessitait auparavant plusieurs heures, comment allons-nous encore remplir nos semaines de travail ?
Personnellement, je ne suis pas trop inquiet. Le défi du réchauffement climatique n'est toujours pas résolu, pas plus que celui de l'endettement des États, de la transition énergétique ou de nombreux autres défis scientifiques et industriels. Ce ne sont donc pas les problèmes à résoudre qui manquent. Avec des agents IA capables de produire du code, nous allons peut-être pouvoir tenter de résoudre ces problèmes. (avec humour : ou générer des images de chats.)
Notre problème n'a jamais été de manquer de code, mais plutôt de manquer de temps pour concrétiser nos idées. Notre métier évolue. Nous pouvons consacrer moins de temps à certaines tâches de programmation et davantage à la conception, à l'architecture, à l'expérimentation et à la validation. Cela ne signifie pas que toutes les tâches deviennent plus simples. L'IA introduit aussi de nouvelles exigences de vérification, de maîtrise des dépendances, de cybersécurité et de validation des résultats.
Mais elle nous donne surtout la possibilité de traiter davantage de problèmes. Ce n'est pas parce que nous écrivons moins de code que nous faisons moins d'ingénierie. Je pense "bien au contraire". Nous déplaçons le temps de travail de l'outil de production vers la conception métier. Finalement cette révolution technologique nous semble familiére.
L'IA générative : de la connaissance à la réalisation
L'une des évolutions les plus passionnantes apportées par l'IA générative est notre capacité à transformer plus rapidement nos connaissances et nos idées en réalisations concrètes.
Aujourd'hui, nous pouvons concevoir des plans, fabriquer des pièces et des systèmes par impression 3D, dimensionner des filtres électroniques ou encore développer du code embarqué en bare metal (au plus près du matériel, sans système d'exploitation). Ces domaines ne nous étaient pas nécessairement inconnus sur le plan scientifique ou technique. Notre formation d'ingénieur et notre expérience nous apportent les fondamentaux, la compréhension des phénomènes physiques et les méthodes nécessaires pour concevoir des solutions.
La difficulté ne résidait pas toujours dans la compréhension du problème, mais dans la maîtrise de l'ensemble des outils et des technologies nécessaires pour passer de la conception à la réalisation. L'IA générative facilite aujourd'hui cette transition. Elle permet d'explorer plus rapidement de nouvelles technologies, d'accélérer le prototypage et de concrétiser des idées qui auraient auparavant nécessité davantage de temps ou le recours à des compétences spécialisées.
Et le plus extraordinaire dans tout cela, c'est que nous pouvons intégrer ces nouvelles technologies à nos environnements de développement habituels, notamment LabVIEW et TestStand !
Nous enrichissons ainsi nos applications et nos systèmes de test et de mesure de fonctionnalités qui étaient auparavant plus difficiles à développer ou à intégrer.
Ce qui aurait nécessité de longues phases d'apprentissage ou des développements spécifiques devient parfois accessible beaucoup plus rapidement.
Cela ne signifie pas que l'expertise technique devient inutile. Au contraire, elle reste indispensable pour comprendre, vérifier et valider les résultats produits par l'IA, particulièrement dans les applications industrielles.
L'IA ne remplace pas nos connaissances ni notre expertise métier : elle démultiplie notre capacité à les mettre en œuvre.
Et pour quelqu'un qui développe avec LabVIEW depuis de nombreuses années, voir toutes ces nouvelles technologies s'intégrer à son environnement préféré est particulièrement enthousiasmant ! ;-)
LabVIEW devient ainsi un point de convergence entre des technologies que nous n'aurions pas nécessairement pu réunir aussi facilement auparavant.
Finalement, nous passons moins de temps à produire du code — l'outil — et davantage de temps à concevoir des systèmes industriels de test et de mesure — la finalité.
Qu'est-ce que cela change pour les systèmes industriels de test et de mesure ?
Dans un système industriel, la valeur ne réside pas uniquement dans le nombre de lignes de code produites. Elle réside dans la capacité du système à mesurer correctement un phénomène physique, à piloter des équipements, à synchroniser les acquisitions, à automatiser des essais et à transformer les données en informations exploitables.
L'IA générative peut contribuer à accélérer la réalisation de certaines briques logicielles. Mais la fiabilité d'un système de test repose toujours sur une architecture cohérente, des mesures maîtrisées, une validation rigoureuse et une bonne compréhension de son environnement industriel.
Chez MESULOG, notre approche consiste donc à associer les outils les plus adaptés à chaque besoin, plutôt que d'imposer une technologie unique. LabVIEW, TestStand, Python, .NET et les agents IA ne sont pas nécessairement des concurrents. Ils peuvent devenir les composants complémentaires d'une même solution.
Cette approche permet de faire évoluer les systèmes existants, de réutiliser les investissements logiciels et d'intégrer progressivement de nouvelles fonctionnalités.
Conclusion : l'IA ne remplace pas LabVIEW, elle nous permet d'en repousser les limites
LabVIEW n'est pas la réponse à tous les besoins, et l'IA générative transforme déjà profondément nos pratiques de développement. Mais la capacité des agents IA à produire efficacement du code textuel ne signifie pas pour autant la fin des environnements de programmation graphique.
La valeur d'un système industriel de test et de mesure ne se résume pas à son code source.
Elle réside dans sa capacité à acquérir des données fiables, à piloter des équipements, à synchroniser des mesures, à automatiser des essais et à transformer les données en informations utiles à la décision.
L'enjeu n'est donc pas d'opposer LabVIEW à l'IA générative, mais de tirer parti de leur complémentarité pour concevoir des solutions toujours plus performantes, fiables et évolutives.
Chez MESULOG, cette approche nous permet d'enrichir nos environnements de développement, d'intégrer de nouvelles technologies et d'explorer des possibilités qui étaient auparavant difficilement accessibles.
L'IA ne remplace pas notre expertise : elle nous permet d'en repousser les limites et de démultiplier notre capacité à concevoir et à réaliser des systèmes industriels.
Finalement, nous consacrons peut-être moins de temps à écrire du code — l'outil — mais davantage de temps à concevoir des systèmes industriels de test et de mesure — la finalité.
La boucle est bouclée.
Article écrit par Luc Desruelle — expert conception de solution de test et mesure, Certified LabVIEW Architect (CLA), LabVIEW Champion, développeur TestStand — Président de NERYS Group, groupe réunissant MESULOG et NERYS
Questions fréquentes sur l'IA générative, LabVIEW et TestStand
L'IA générative va-t-elle remplacer LabVIEW ?
L'IA générative transforme la manière de produire du code, développer des applications et donc d'utiliser les outils que sont les environements de développement. Mais elle ne remplace pas LabVIEW. De plus les agents IA peuvent produire des composants logiciels dans différents langages et contribuer à leur intégration dans des applications LabVIEW. Cela permet une extraordinaire évolution de productivité et performance. Cet environnement conserve des atouts pour l'acquisition de données, le pilotage d'instruments et l'automatisation des systèmes de test et de mesure. voir notre article : Et si, demain, notre véritable patrimoine logiciel n’était plus seulement le code source ?
Peut-on utiliser l'IA générative avec LabVIEW et TestStand ?
Oui. De maiéres trés diverses et extraordinaires. Les agents IA peuvent assister le développement, contribuer à l'analyse de code, produire des composants logiciels complémentaires et automatiser certaines tâches. Des interfaces adaptées, notamment basées sur MCP, peuvent également faciliter les interactions entre les agents IA et les outils de développement. Il existe NI Nigel qui est un assistant ou compagnon.
Peut-on intégrer des composants .NET développés avec l'IA dans LabVIEW ?
Oui. LabVIEW n'est d'ailleurs pas écrit en code G de LabVIEW. LabVIEW permet d'interagir avec des assemblages .NET compatibles, notamment sous Windows. L'IA générative peut faciliter leur conception et leur développement. Ces composants peuvent ensuite enrichir une application LabVIEW, sous réserve de vérifier leur compatibilité, leur déploiement et leur comportement.
Pourquoi continuer à utiliser LabVIEW alors que l'IA sait générer du Python ou du C# ?
Parce que la production du code n'est qu'une partie du développement d'un système industriel. LabVIEW apporte un environnement intégré pour l'acquisition, l'instrumentation et le pilotage des systèmes de mesure. L'IA peut produire des composants complémentaires qui viennent enrichir ces applications. Le concept existe depuis LabVIEW; Donc depuis 40 ans : 50 ans de NI, 40 ans de LabVIEW, 25 ans de MESULOG & NERYS : l’histoire d’une révolution technologique
Quel est l'intérêt de l'IA pour les logiciels industriels de test et mesure ?
L'IA générative peut accélérer le développement, faciliter l'analyse et la documentation du code, contribuer à la génération de tests et simplifier certaines tâches d'intégration. L'ingénieur reste responsable de la définition des besoins, de l'architecture, de la validation et de la fiabilité de la solution.
Comment MESULOG utilise-t-elle l'IA générative dans ses développements ?
MESULOG utilise l'IA générative de plusieurs façon. Il n'y a pas qu'une seule réponse : comme outil d'assistance à l'ingénierie logicielle, notamment pour accélérer le développement de composants complémentaires, explorer de nouvelles technologies et enrichir des applications LabVIEW et TestStand. L'objectif est de combiner les avantages des différents environnements de développement tout en conservant la maîtrise des systèmes industriels de test et de mesure.
