Bien que l’IA ait accompli des progrès remarquables dans la génération de fragments de code, une nouvelle étude du MIT révèle l’existence de barrières majeures à l’avènement d’une ingénierie logicielle véritablement autonome.
Cette recherche, intitulée « Défis et perspectives pour l’IA en ingénierie logicielle », a été menée par une équipe dirigée par le professeur Armando Solar-Lezama du MIT et le premier auteur Alex Gu. Publiée le 16 juillet 2025, elle sera présentée à la conférence internationale sur l’apprentissage automatique (ICML 2025) à Vancouver.
« Tout le monde parle du fait que nous n’avons plus besoin de programmeurs et que l’automatisation est désormais à portée de main », explique Solar-Lezama. « D’un côté, le domaine a fait d’énormes progrès. Nous disposons d’outils bien plus puissants que tout ce que nous avons connu auparavant. Mais il reste encore beaucoup à faire pour réaliser pleinement la promesse de l’automatisation que nous attendons. »
Les chercheurs soulignent que les systèmes d’IA actuels excellent dans la génération de petites fonctions, mais peinent face à des tâches d’ingénierie logicielle plus larges comme le refactoring à grande échelle, la migration de code ou le débogage de systèmes complexes. Les benchmarks populaires comme SWE-Bench ne testent que des correctifs pour des problèmes GitHub impliquant quelques centaines de lignes de code, sans refléter les scénarios réels où des millions de lignes doivent être optimisées ou migrées depuis des systèmes hérités.
La communication homme-machine constitue un autre défi majeur. Gu décrit l’interaction actuelle comme « une ligne de communication très mince », où les outils d’IA produisent souvent de gros fichiers non structurés avec des tests superficiels, sans savoir exploiter efficacement les outils de débogage et les analyseurs statiques sur lesquels comptent les développeurs humains.
Plutôt que de proposer une solution unique, les chercheurs appellent à des efforts collectifs : développer des jeux de données plus riches qui capturent la manière dont les développeurs écrivent et refactorisent le code au fil du temps ; créer des suites d’évaluation partagées mesurant la qualité du refactoring et la pérennité des corrections de bugs ; et construire des outils transparents qui exposent l’incertitude des modèles et invitent à la guidance humaine.
« Les logiciels sont déjà le socle de la finance, des transports, de la santé et de nombreux autres systèmes critiques », rappelle Solar-Lezama. L’équipe de recherche imagine un avenir où l’IA prendra en charge les tâches de développement routinières, permettant aux ingénieurs humains de se concentrer sur les choix de conception de haut niveau et les arbitrages complexes nécessitant un jugement humain.