Une évaluation préliminaire révèle que GPT-6 Astra surpasse ses prédécesseurs et concurrents en matière de revue de code, affichant une précision de 90%.
L’étude menée par CodeRabbit, spécialisé dans l’automatisation de la revue de code, compare GPT-6 Astra à des modèles comme GPT-4 Turbo et Claude 3 Opus. Les résultats indiquent une amélioration notable : GPT-6 Astra atteint 90% de précision dans l’identification des problèmes de code, contre 60 à 70% pour les autres. Cette performance s’accompagne d’une exécution deux à trois fois plus rapide et d’un coût réduit dans les mêmes proportions par rapport à GPT-4 Turbo.
L’évaluation s’est basée sur une centaine de requêtes de tirage (pull requests) issues de projets open source, analysant la détection de bugs, de vulnérabilités de sécurité et d’améliorations de la qualité du code. L’intégration de tels modèles pourrait optimiser les processus de développement. Cependant, l’utilisation d’IA pour la revue de code soulève des questions de confidentialité, notamment pour les codes propriétaires, en raison du potentiel d’utilisation des données pour l’entraînement des modèles. Des solutions comme l’hébergement privé sont envisagées.
Bien que GPT-6 Astra ne soit pas encore accessible au public, ces premières données suggèrent une avancée significative pour l’automatisation de la revue de code. L’équilibre entre performance, coût et gestion de la confidentialité restera un enjeu majeur pour son adoption future.
Source : Hacker News (Algolia)