L'époque est révolue, le développement AI-first dicte ses règles, et les vieilles habitudes commencent à coûter trop cher.
Nourrir un LLM avec le JSON brut d'un notebook est coûteux. La fenêtre de contexte est encombrée de déchets : metadata, execution_count, cell_type et des parenthèses infinies. Le modèle gaspille des tokens à analyser la structure au lieu de réfléchir à la logique.
Et générer un .ipynb valide à partir de zéro est bien plus difficile pour la plupart des modèles.
Et le versionnage — une vieille douleur qui n'a pas disparu. Une exécution accidentelle d'une cellule modifie les métadonnées, et voilà que vous avez 500 lignes de changements dans le diff, alors que vous avez juste corrigé une faute de frappe.
À partir d'aujourd'hui, je commence à m'habituer au format jupytext, pour que les fichiers py normaux s'affichent comme des notebooks et, si nécessaire, se synchronisent avec ipynb, que je n'utiliserai que pour les démonstrations.
Commentaires
0Aucun commentaire pour le moment.
Connectez-vous pour participer à la discussion.