Cet article développe et expérimente un agent LLM de conception appelé Codellaborator afin d'évaluer l'impact de l'assistance proactive et prédictive des agents d'IA sur l'efficacité de la programmation pendant le processus. Codellaborator lance l'assistance à la programmation en fonction de l'activité de l'éditeur et du contexte de la tâche. Nous comparons et analysons les avantages et les inconvénients de l'assistance de l'IA dans trois variantes d'interface : agents à invite uniquement, agents proactifs et agents proactifs avec présence et contexte. Des expériences menées auprès de 18 participants ont révélé que les agents proactifs amélioraient l'efficacité par rapport aux approches à invite uniquement, mais introduisaient également des perturbations dans le flux de travail. Cependant, les indicateurs de présence et la prise en charge du contexte d'interaction ont atténué ces perturbations et amélioré la connaissance du processus d'IA par les utilisateurs. En conclusion, notre étude contribue à l'exploration et à l'évaluation de la conception des systèmes d'IA proactifs et suggère des implications pour la conception des flux de travail de programmation intégrés à l'IA. Nous soulignons également les compromis entre le contrôle utilisateur, la propriété et la compréhension du code, suggérant que l'assistance proactive devrait être adaptée au processus de programmation.
