Optimiser l'usage mémoire avec l'IA

Programmation assistée par IA avancée pour les développeurs

Thalia Barrera

AI Engineering Curriculum Manager, DataCamp

De la complexité temps à espace

La performance n'est pas que la vitesse :

Usage mémoire
Scalabilité
Croissance des données dans le temps

Complexité temps vs espace

Tester à l'échelle

Comparaison d'échelle de base de données

✔ Petit jeu de données : utile pour apprendre
📈 Problèmes mémoire : apparaissent à l'échelle
💾 Base réelle : plus proche de la prod

Alerte de croissance mémoire

L'IA interprète les traces mémoire

Interprétation de tracemalloc

Constat de l'IA :

Forte mémoire retenue
Structures intermédiaires répétées
Lors des opérations d'agrégation

Cause racine identifiée

Cause racine

L'IA propose des correctifs

🤖 Invite goulot mémoire :

Sur la base du goulot d'étranglement mémoire identifié, proposez des refactorisations pour réduire le pic d'usage mémoire. Pensez au streaming, à la réutilisation des données ou à d'autres représentations.

Stratégies proposées :

Réduire les allocations intermédiaires
Réutiliser les tampons
Introduire un cache

Compromis du cache

Compromis du cache sur une balance

Attention au cache :

✔ Peut améliorer les performances
❌ Peut aussi augmenter la mémoire

Compromis du cache

🤖 Invite sur les compromis du cache :

Étant donné cette charge et ce mode d'accès, une stratégie de cache réduira-t-elle l'usage mémoire global ou l'aggravera-t-elle ? Expliquez les compromis.

suggestion de cache par l'IA

Mise en œuvre par l'IA

correctifs de code par l'IA

Comme toujours :

Relire avec soin
Valider avant d'accepter

Résultats de validation

Exécution du benchmark :

benchmark mémoire

Résultats :

Pic mémoire nettement réduit
Temps d'exécution stable
✅ Optimisation validée

Invites de benchmark

🤖 Invite de benchmarking :

Vous êtes expert·e en performance Python. Voici deux instantanés tracemalloc, avant et après un changement de code.

Avant : {before_snapshot}

Après : {after_snapshot}

Comparez le pic mémoire et le nombre d'allocations. Justifiez avec des chiffres. Si c'est une amélioration, expliquez pourquoi. Sinon, proposez quoi corriger.

Invites de benchmark efficaces :

Donner avant/après
Préciser les métriques clés
Demander des conclusions étayées

✔ Rend l'optimisation répétable et systématique

Passons à la pratique !

Programmation assistée par IA avancée pour les développeurs