Le nouveau langage du créateur de Kotlin : une manière formelle de parler aux LLM au lieu de l'anglais

L'invite en tant que programme : un nouveau langage pour l'ère de l'IA

Pendant des années, interagir avec de grands modèles linguistiques (LLM) a semblé être une conversation à enjeux élevés dans une langue étrangère. Nous créons des invites élaborées en anglais, en espérant le meilleur, mais nous sommes souvent confrontés à des incohérences, des ambiguïtés et un manque de précision frustrant. Le créateur de Kotlin, Andrey Breslav de JetBrains, est à la tête d'une solution radicale à ce problème. Son équipe développe un nouveau langage de programmation, provisoirement appelé « Kira », conçu non pas pour parler aux ordinateurs au sens traditionnel du terme, mais pour parler à l'IA. Cette évolution marque un changement de paradigme : d’une incitation informelle à une spécification formelle et exécutable. Pour les entreprises qui exploitent l’IA au sein de plateformes comme Mewayz, cette évolution pourrait transformer l’expérimentation chaotique de l’IA en un composant fiable et contrôlé en version d’un système d’exploitation d’entreprise modulaire.

Pourquoi les invites en anglais échouent dans la logique métier

Bien que le langage naturel soit intuitif, il est notoirement imprécis pour les tâches complexes. Une instruction comme « analyser les ventes de ce trimestre et créer une synthèse » laisse une grande marge d'interprétation. Quelles métriques ? Quel format ? Par rapport à quelle référence ? Cette ambiguïté conduit à :

Résultats non déterministes : la même invite peut donner des résultats différents, interrompant les flux de travail automatisés.

Mauvaise maintenabilité : « l'ingénierie rapide » implique souvent de modifier des chaînes de texte fragiles sans une piste d'audit claire.

Complexité cachée : le raisonnement en plusieurs étapes ou le formatage strict des données sont incroyablement difficiles à décrire dans un anglais simple.

Défis d'intégration : il est difficile d'intégrer de manière transparente une invite en langage naturel dans un processus logiciel déterministe, une exigence clé pour une plate-forme comme Mewayz où les modules doivent interagir de manière fiable.

Spécifications formelles pour des interactions d'IA fiables

La vision de Breslav avec Kira est de créer un langage dans lequel les développeurs peuvent rédiger des spécifications claires, structurées et testables pour un LLM. Au lieu d'un paragraphe suggestif, vous écririez un jeu d'instructions formel qui définit les contraintes de la tâche, la structure de sortie attendue et même les comportements de repli. Considérez cela comme le passage de la fourniture d'instructions vagues à un coursier à la fourniture d'un itinéraire GPS précis et lisible par machine avec des points de contrôle définis. Cette approche formelle garantit qu'un agent d'IA chargé dans un flux de travail Mewayz (par exemple, extraire les données de facture des e-mails et remplir une base de données) s'exécute avec une structure prévisible, faisant de sa sortie une entrée fiable pour le module suivant de la chaîne.

"L'idée principale est de rendre les invites composables, testables et gérables... Il s'agit de faire de cette interaction avec le LLM un véritable artefact de génie logiciel." – Andrey Breslav sur la motivation derrière la nouvelle langue.

Implications pour les systèmes commerciaux modulaires comme Mewayz

L’impact potentiel sur les plates-formes de systèmes d’exploitation d’entreprise est profond. Dans Mewayz, où différentes fonctions métiers (CRM, gestion de projet, facturation) existent sous forme de modules interconnectés, l’IA peut agir comme le tissu conjonctif intelligent. Un langage formel pour les LLM permettrait de construire ces connexions augmentées par l’IA sous forme de composants robustes et déployables. Un développeur pourrait, par exemple, écrire un script « Kira » qui définit un agent de tri du support client : spécifiant comment classer l'intention du ticket, extraire les entités clés et formater une charge utile JSON structurée pour le module de billetterie. Ce script devient un actif déboguable et contrôlé en version au sein de l'écosystème Mewayz, et non une incantation magique cachée dans une boîte de dialogue. Cela transforme l’IA d’un partenaire créatif mais peu fiable en un moteur opérationnel formalisé.

L'avenir : de la création rapide à la programmation de l'IA

Bien qu’encore à ses débuts, le concept annonce un avenir où la « programmation IA » sera une discipline distincte. L'objectif n'est pas d'éliminer le langage naturel (ce sera toujours un excellent point de départ) mais de fournir un pont rigoureux entre l'intention humaine et l'exécution de la machine.

Frequently Asked Questions

The Prompt as a Program: A New Language for the AI Age

For years, interacting with large language models (LLMs) has felt like a high-stakes conversation in a foreign language. We craft elaborate English prompts, hoping for the best, but often face inconsistency, ambiguity, and a frustrating lack of precision. The creator of Kotlin, JetBrains' Andrey Breslav, is spearheading a radical solution to this problem. His team is developing a new programming language, tentatively called "Kira," designed not for talking to computers in the traditional sense, but for talking to AI. This move signals a paradigm shift: from informal prompting to formal, executable specification. For businesses leveraging AI within platforms like Mewayz, this evolution could transform chaotic AI experimentation into a reliable, version-controlled component of a modular business operating system.

Why English Prompts Are Failing Business Logic

While natural language is intuitive, it's notoriously imprecise for complex tasks. An instruction like "analyze this quarter's sales and create a summary" leaves vast room for interpretation. What metrics? What format? Compared to what baseline? This ambiguity leads to:

Formal Specifications for Reliable AI Interactions

Breslav's vision with Kira is to create a language where developers can write clear, structured, and testable specifications for an LLM. Instead of a suggestive paragraph, you'd write a formal instruction set that defines the task's constraints, expected output structure, and even fallback behaviors. Think of it as moving from giving vague directions to a courier, to providing a precise, machine-readable GPS route with defined checkpoints. This formal approach ensures that an AI agent tasked within a Mewayz workflow—for instance, extracting invoice data from emails and populating a database—executes with predictable structure, making its output a trustworthy input for the next module in the chain.

Implications for Modular Business Systems Like Mewayz

The potential impact on business OS platforms is profound. In Mewayz, where different business functions (CRM, project management, billing) exist as interconnected modules, AI can act as the intelligent connective tissue. A formal language for LLMs would allow these AI-augmented connections to be built as robust, deployable components. A developer could, for example, write a "Kira" script that defines a customer support triage agent: specifying how to classify ticket intent, extract key entities, and format a structured JSON payload for the ticketing module. This script becomes a version-controlled, debuggable asset within the Mewayz ecosystem, not a magical incantation hidden in a prompt box. It turns AI from a creative but unreliable partner into a formalized, operational engine.

The Future: From Prompt Crafting to AI Programming

While still in early development, the concept heralds a future where "AI programming" is a distinct discipline. The goal isn't to eliminate natural language—it will always be a great starting point—but to provide a rigorous bridge between human intent and machine execution. For businesses, this means the powerful capabilities of LLMs can finally be integrated into core processes with software-grade reliability. Platforms that embrace this shift, like Mewayz, will enable their users to build not just with AI, but on top of AI, creating truly intelligent and automatable business systems where every interaction, even with a neural network, is defined with clarity and purpose.