Comment utiliser GitHub Copilot : cas d’usage et bonnes pratiques

Qu’il s’agisse d’un projet complexe ou d’une tâche répétitive et chronophage, GitHub Copilot peut fluidifier votre travail de développement. Dans ce tutoriel, vous allez comprendre le fonctionnement de GitHub Copilot, parcourir ses principales fonctionnalités et voir comment il peut booster votre productivité et votre efficacité de codage. Allons-y. 

Si vous découvrez tout juste GitHub, l’article Comprendre GitHub est une excellente ressource pour débuter. N’hésitez pas à le lire en premier.

Qu’est-ce que GitHub Copilot ?

GitHub Copilot est un assistant de programmation révolutionnaire, basé sur l’IA, lancé par GitHub en 2021. Il s’appuie sur le modèle Codex d’OpenAI, un descendant des modèles GPT entraîné spécifiquement sur un large éventail de langages et de contextes de programmation. C’est pourquoi GitHub Copilot est souvent jugé plus adapté que ChatGPT pour l’écriture de code. 

Sa force ? Une intégration transparente aux environnements de développement les plus utilisés, comme Visual Studio Code. Intégré directement dans l’éditeur, GitHub Copilot agit comme un binôme de programmation qui propose des suggestions en temps réel, des complétions de code et des recommandations — que nous allons explorer en détail.

Découvrir les fonctionnalités de GitHub Copilot

GitHub Copilot regorge de fonctionnalités qui font gagner un temps précieux. Voici les plus importantes pour accélérer le cycle de vie d’un projet de data science. 

Une interface de chat dans votre éditeur

GitHub Copilot intègre une interface de chat, proche de ChatGPT, directement dans votre IDE. Plus besoin d’alterner entre l’éditeur et des sites externes pour corriger du code.

Prenons l’exemple suivant : nous demandons à GitHub Copilot de générer le code nécessaire pour traduire un texte de l’anglais vers l’italien avec le modèle d’OpenAI.

Barre latérale GitHub Copilot dans l’IDE VS Code

GitHub Copilot pour la ligne de commande

Pour celles et ceux qui travaillent dans le terminal, GitHub Copilot in the CLI propose une interface de type chat directement en ligne de commande. Ici, nous avons demandé à GitHub Copilot d’expliquer la commande sudo apt-get. 

GitHub Copilot dans l’interface en ligne de commande

GitHub Copilot pour la documentation

GitHub Copilot peut fournir des réponses générées par l’IA en s’appuyant directement sur la documentation, ce qui permet de gagner beaucoup de temps et d’efforts. 

GitHub Copilot for Docs

Des pull requests dopées à l’IA

Sans surprise, GitHub Copilot s’intègre à GitHub. Il propose de décrire les changements dans un dépôt et d’en faire la revue en vue d’une pull request. 

GIF basé sur une vidéo issue de GitHub Next

Premiers pas avec GitHub Copilot

Après ce tour d’horizon des fonctionnalités, voyons comment le configurer et l’utiliser dans Visual Studio Code. Deux prérequis administratifs : installer Visual Studio Code, puis s’inscrire et installer GitHub Copilot.

Installer Visual Studio Code

Installez VS Code depuis le site de Visual Studio Code en suivant les instructions. Le site propose des tutoriels vidéo si besoin. 

Téléchargement de Visual Studio Code

Créer un compte GitHub et installer GitHub Copilot

Pour installer GitHub Copilot, commencez par créer un compte GitHub. Si vous souhaitez tester GitHub Copilot sans engagement, profitez de l’essai gratuit de 30 jours.

Inscription à GitHub

Configurer GitHub Copilot avec Visual Studio Code

Dans Visual Studio Code, installez deux extensions depuis la marketplace : GitHub Copilot et GitHub Copilot Chat. Il suffit de cliquer sur « Install » puis de vous connecter à GitHub.

Configuration de GitHub Copilot

Utiliser GitHub Copilot dans Visual Studio Code

Pour tester GitHub Copilot, nous allons utiliser le jeu de données Seoul Bike Sharing, l’un des nombreux jeux de données sélectionnés dans DataLab. Notre objectif est de prédire le nombre de vélos publics loués par heure dans le système de vélos en libre-service de Séoul à partir d’informations météorologiques (température, humidité, vitesse du vent, etc.).

Importer des données dans VS Code avec GitHub Copilot

Commençons par importer un fichier CSV et afficher les cinq premières lignes. GitHub Copilot se met aussitôt au travail en auto-complétant le CSV suggéré. Appuyez sur « Tab » pour accepter ses propositions.

Importation de données avec GitHub Copilot

Afficher un graphique avec GitHub Copilot

Étape suivante : créer une visualisation. Une matrice de corrélation avec une carte thermique est un bon choix pour illustrer l’intelligence de GitHub Copilot. Il ne se contente pas d’écrire le code de la matrice : il termine aussi notre phrase au moment de la requête.

Écriture du code d’un graphique avec GitHub Copilot

Oups : une erreur s’affiche, car nous n’avons pas retiré les variables catégorielles de la matrice de corrélation — une erreur fréquente. Il suffit d’ajouter un commentaire et un nouveau bloc de code pour corriger. GitHub Copilot identifie les bonnes colonnes à exclure et corrige l’erreur.

Affichage d’un graphique avec GitHub Copilot

Préparer les données pour l’entraînement avec GitHub Copilot

Après l’exploration, passons au prétraitement avant l’entraînement du modèle. Pour l’exercice, nous choisissons une régression linéaire aux moindres carrés ordinaires. Il faut donc encoder les variables catégorielles via un one-hot encoding.

Au fil de la saisie, GitHub Copilot anticipe et propose du code. Il s’adapte même lorsque nous hésitons à inclure l’une des variables.

Préparation des données avec GitHub Copilot

GitHub Copilot nous accompagne sur toutes les étapes clés : sélection des variables explicatives, séparation entraînement/test, nettoyage des données pour préparer le modèle.

Création d’un train/test split avec GitHub Copilot

Évaluer le modèle avec GitHub Copilot

Dernière phase de notre mini-projet : entraîner et évaluer la régression linéaire. GitHub Copilot nous aide à obtenir les statistiques du modèle sur les données d’entraînement, puis à évaluer ses performances sur l’échantillon de test.

Entraînement du modèle avec GitHub Copilot

Évaluation du modèle avec GitHub Copilot

L’erreur quadratique moyenne est plus élevée que prévu : testons un autre algorithme. Nous passons à une forêt aléatoire et l’erreur chute nettement. Pour approfondir ces modèles, découvrez notre cours Machine Learning Fundamentals in Python.

Consultation des statistiques du modèle avec GitHub Copilot

Offres et tarifs de GitHub Copilot

Trois formules GitHub Copilot sont proposées selon vos besoins.

• Copilot Individual est la formule la plus abordable. Elle permet d’utiliser GitHub Copilot dans un IDE ou en ligne de commande. Elle est gratuite pour les étudiants et les enseignants. Toutes les fonctionnalités présentées dans ce tutoriel y sont incluses.
• Copilot Business est un abonnement adapté aux usages professionnels. Il donne accès aux services GitHub Copilot en tant que membre d’une organisation.
• Copilot Enterprise est l’offre la plus complète pour les grandes entreprises qui ont besoin de personnalisations avancées. 
  
  

Structure tarifaire de GitHub Copilot

Alternatives à GitHub Copilot

Explorons maintenant quelques alternatives solides à GitHub Copilot. Les trois solutions suivantes sont à la pointe de l’IA générative et proposent une assistance à la création de code. 

L’IDE DataLab

• DataLab : DataLab, la solution maison de DataCamp, est un notebook assisté par l’IA. Connectez votre source de données, indiquez à l’IA ce dont vous avez besoin et obtenez des insights. Les notebooks nécessaires sont déjà installés. Idéal pour les débutants comme pour les professionnels souhaitant exploiter l’IA pour construire des présentations percutantes à destination des décideurs.
• TabNine : une alternative qui propose également l’auto-complétion de code par IA et des agents de chat, compatible avec de nombreux IDE populaires.
• SonarQube : orienté développement logiciel. Les développeurs y importent leur code et bénéficient d’analyses assistées par IA et de contrôles qualité.

Souhaitez-vous obtenir une certification GitHub ? Consultez notre guide complet consacré aux différentes certifications GitHub !

Conclusion

Nous venons de mener un projet de data science complet en quelques minutes grâce à GitHub Copilot. C’est un atout précieux pour accélérer chaque étape du flux de travail : de la création de graphiques à la modélisation avec un parcours entraînement/test.

Si ce tutoriel vous a été utile et que vous souhaitez vous lancer avec GitHub Copilot, nous vous recommandons la vidéo de DataCamp Pair Programming with GitHub Copilot. Autre ressource utile : GitHub concepts, idéale si vous n’êtes pas encore à l’aise avec GitHub.

Merci de votre lecture !