fbpx
Chinese (Simplified)DutchEnglishFrenchGermanItalianPortugueseSpanish
sa.expert.consult@gmail.com

Code Defect AI prdit les risques de bugs dans le code

Mai 19, 2020 | Web | 0 commentaires


Altran a dvelopp un outil bas sur l’apprentissage machine pour dtecter les bugs dans les projets de dveloppement logiciels. Mis en oeuvre sur Azure ou sur site, il analyse dans les projets GitHub les soumissions de code pour y reprer les squences susceptibles de contenir des bugs.

Les bugs sont inévitables mais plus tard on les détecte, par exemple après le déploiement d’une application, plus leur résolution sera difficile à réaliser et plus leur coût sera élevé. Or, certains types de séquences dans le code d’un projet logiciel comportent un risque plus élevé que d’autres de générer un bug. Et ces séquences peuvent être apprises par un algorithme de classification qui pourra ensuite être utilisé pour prédire la probabilité d’un bug dans un fichier.

Pour mettre en oeuvre ces actions de prévention, Altran, société française d’ingénierie IT (récemment rachetée par Capgemini), a développé Code Defect AI, un classificateur basé sur l’apprentissage machine pour repérer dans les projets gérés sur GitHub les fichiers à haut risque de bugs. L’outil fournit aux développeurs les explications et les facteurs qui ont permis de le déterminer et suggère les tests qui permettront de les diagnostiquer et de les corriger. Les arbres décisionnels figurent parmi les techniques de machine learning qu’il utilise.

Des prédictions interprétées avec LIME

Dans cette initiative, Altran s’est associé à Microsoft. Sa solution, qui s’utilise avec le référentiel de projets GitHub, peut être hébergée sur site ou utilisée sur une plateforme cloud comme Azure.

Code Defect AI prdit les risques de bugs dans le code

L’architecture de déploiement de Code Defect AI s’appuie sur des services cloud Azure. (Crédit : Microsoft)

Des modèles de classification sont créés pour les projets GitHub en se basant sur les métadonnées associées aux soumissions de code (commits) historiques. Lorsque l’outil Code Defect AI trouve de nouveaux commits, il évalue s’il y a des risques qu’ils contiennent des bugs et livre ses prédictions en utilisant la technique LIME (Locally Interpretable Model-Agnostic Explanations) pour expliquer les prédictions en interprétant les modèles d’apprentissage machine.

Code Defect AI est accessible sur GitHub mais il peut être intégré à d’autres outils de gestion du code source que GitHub.



Source link

Besoins de renseignements.

Vous désirez lancer un nouveau projet ou remettre votre site au goût du jour !

Notre équipe vous recontactera dans les plus brefs délais à près la réception de votre message, nous pourrons au mieux répondre à votre demande si vous nous décrivez votre projet le plus précisément possible.

0