Apple Intelligence continue de développer des solutions en intelligence artificielle, y compris des IA techniques pour l’analyse et la correction de code. Récemment, trois études ont été publiées, mettant en lumière ces avancées.

Prédiction des Défauts Logiciels

Le modèle d’IA Software Defect Prediction using Autoencoder Transformer Model est conçu pour anticiper les bugs potentiels avant leur apparition. Ce modèle utilise des métriques structurelles pour évaluer les risques d’erreurs dans le code.

Ce modèle est composé de quatre modules d’apprentissage :

• Adaptive Differential Evolution : optimise les paramètres du modèle.
• Quantum Variational Autoencoder : identifie les régularités statistiques.
• Transformer : analyse l’interaction des composants du code.
• Adaptive Noise Reduction and Augmentation : réduit les biais des données d’entrée.

Avec un taux de précision de 92,45 % et un score F1 de 98,12 %, ce modèle se distingue par sa capacité à identifier les bugs réels tout en minimisant les faux positifs.

Automatisation des Tests Logiciels

Une autre étude se concentre sur l’automatisation des tests logiciels, une tâche jugée chronophage par les développeurs. Apple a développé une IA multi-agents capable de générer et gérer automatiquement les plans de test, scénarios, scripts et rapports de validation. Cette IA permet une traçabilité complète, garantissant que chaque fonction du logiciel respecte les spécifications initiales.

Selon les résultats, l’automatisation réduit le temps de test de 85 %, améliore la précision de 65 % à 94,8 %, et diminue les coûts d’environ 35 %.

SWE-Gym : Entraînement des IA

Le projet Training Software Engineering Agents and Verifiers with SWE-Gym vise à former des IA capables de comprendre et corriger du code. Le système SWE-Gym, composé de 2 438 exercices de programmation en Python, sert à entraîner ces IA dans un environnement simulé réaliste.

Les agents entraînés avec SWE-Gym réussissent 72,5 % des tâches, une nette amélioration par rapport aux précédents résultats de 52 %. Une version allégée, SWE-Gym Lite, réduit le temps d’entraînement de moitié tout en maintenant un taux de fiabilité similaire.

• Apple développe des IA pour assister les ingénieurs, en identifiant les bugs, automatisant les tests, et corrigeant le code sans le réécrire.
• Ces outils améliorent la fiabilité et la rapidité du cycle de développement logiciel.
• L’adoption généralisée de ces technologies pourrait transformer le métier de développeur, en particulier pour les postes juniors et intermédiaires.