LCC 329 - L'IA, ce super stagiaire qui nous fait travailler plus

Arnaud et Guillaume explore l’évolution de l’écosystème Java avec Java 25, Spring Boot et Quarkus, ainsi que les dernières tendances en intelligence artificielle avec les nouveaux modèles comme Grok 4 et Claude Code. Les animateurs font également le point sur l’infrastructure cloud, les défis MCP et CLI, tout en discutant de l’impact de l’IA sur la productivité des développeurs et la gestion de la dette technique.

Enregistré le 8 août 2025

Téléchargement de l’épisode LesCastCodeurs-Episode–329.mp3 ou en vidéo sur YouTube.

News

Langages

Java 25: JEP 515 : Profilage de méthode en avance (Ahead-of-Time) https://openjdk.org/jeps/515

• Le JEP 515 a pour but d’améliorer le temps de démarrage et de chauffe des applications Java.
• L’idée est de collecter les profils d’exécution des méthodes lors d’une exécution antérieure, puis de les rendre immédiatement disponibles au démarrage de la machine virtuelle.
• Cela permet au compilateur JIT de générer du code natif dès le début, sans avoir à attendre que l’application soit en cours d’exécution.
• Ce changement ne nécessite aucune modification du code des applications, des bibliothèques ou des frameworks.
• L’intégration se fait via les commandes de création de cache AOT existantes.
• Voir aussi https://openjdk.org/jeps/483 et https://openjdk.org/jeps/514

Java 25: JEP 518 : Échantillonnage coopératif JFR https://openjdk.org/jeps/518

• Le JEP 518 a pour objectif d’améliorer la stabilité et l’évolutivité de la fonction JDK Flight Recorder (JFR) pour le profilage d’exécution.
• Le mécanisme d’échantillonnage des piles d’appels de threads Java est retravaillé pour s’exécuter uniquement à des safepoints, ce qui réduit les risques d’instabilité.
• Le nouveau modèle permet un parcours de pile plus sûr, notamment avec le garbage collector ZGC, et un échantillonnage plus efficace qui prend en charge le parcours de pile concurrent.
• Le JEP ajoute un nouvel événement, SafepointLatency, qui enregistre le temps nécessaire à un thread pour atteindre un safepoint.
• L’approche rend le processus d’échantillonnage plus léger et plus rapide, car le travail de création de traces de pile est délégué au thread cible lui-même.

Librairies

Spring Boot 4 M1 https://spring.io/blog/2025/07/24/spring-boot–4–0–0-M1-available-now

• Spring Boot 4.0.0-M1 met à jour de nombreuses dépendances internes et externes pour améliorer la stabilité et la compatibilité.
• Les types annotés avec @ConfigurationProperties peuvent maintenant référencer des types situés dans des modules externes grâce à @ConfigurationPropertiesSource.
• Le support de l’information sur la validité des certificats SSL a été simplifié, supprimant l’état WILL_EXPIRE_SOON au profit de VALID.
• L’auto-configuration des métriques Micrometer supporte désormais l’annotation @MeterTag sur les méthodes annotées @Counted et @Timed, avec évaluation via SpEL.
• Le support de @ServiceConnection pour MongoDB inclut désormais l’intégration avec MongoDBAtlasLocalContainer de Testcontainers.
• Certaines fonctionnalités et API ont été dépréciées, avec des recommandations pour migrer les points de terminaison personnalisés vers les versions Spring Boot 2.
• Les versions milestones et release candidates sont maintenant publiées sur Maven Central, en plus du repository Spring traditionnel.
• Un guide de migration a été publié pour faciliter la transition depuis Spring Boot 3.5 vers la version 4.0.0-M1.

Passage de Spring Boot à Quarkus : retour d’expérience https://blog.stackademic.com/we-switched-from-spring-boot-to-quarkus-heres-the-ugly-truth-c8a91c2b8c53

• Une équipe a migré une application Java de Spring Boot vers Quarkus pour gagner en performances et réduire la consommation mémoire.
• L’objectif était aussi d’optimiser l’application pour le cloud natif.
• La migration a été plus complexe que prévu, notamment à cause de l’incompatibilité avec certaines bibliothèques et d’un écosystème Qua