Apple a publié trois études captivantes qui révèlent le potentiel de l’IA pour améliorer les workflows, la qualité et la productivité dans le développement logiciel.
Prédiction des défauts logiciels avec ADE-QVAET
Les chercheurs d’Apple ont développé un modèle innovant nommé ADE-QVAET qui vise à surmonter les limites actuelles des LLMs, tels que les hallucinations et la génération de contexte pauvre, pour analyser les larges bases de code et prédire les bugs potentiels.
Ce modèle combine quatre techniques d’IA : l’évolution différentielle adaptative (ADE), l’autoencodeur variationnel quantique (QVAE), une couche Transformer et la réduction/adaptation du bruit (ANRA).
Le modèle ADE-QVAET s’attaque aux métriques et données liées au code pour identifier des motifs signalant la présence probable de bugs, sans examiner directement le code lui-même. Les résultats sont impressionnants avec une précision de 98,08% sur un jeu de données Kaggle créé pour la prédiction de bugs logiciels. Lire l’étude complète
Test logiciel agentique avec RAG
Dans une deuxième étude, Apple affine le processus de création et gestion de plans de tests grâce à un système autonome basé sur l’IA. Cette approche, qui adapte les agents autonomes à générer des artefacts de test, pourrait bien réduire le temps consacré par les ingénieurs qualité à ces tâches fastidieuses. Les résultats montrent une augmentation de la précision des tests à 94,8% et une réduction du temps de 85%, ce qui pourrait bien séduire toutes les entreprises pressées par le temps. Lire l’étude complète
Former des agents avec SWE-Gym
L’ambition d’Apple ne s’arrête pas là. Avec la création de SWE-Gym, l’objectif est de former des agents IA capables de lire, éditer, et même corriger le code. Grâce à un ensemble de tâches Python réelles, SWE-Gym permet des entraînements efficaces, ces agents surpassant les benchmarks existants avec un taux de résolution des tâches de 72,5%. Cependant, le variant SWE-Gym Lite, bien qu’économique en temps de formation, manque d’efficacité pour les projets complexes. Lire l’étude complète
Rédigé avec l'assistance d'outils d'IA, vérifié et validé par la rédaction.
