Resolving Java Code Repository Issues with iSWE Agent

Ce papier présente l'agent iSWE, un système automatisé de résolution de problèmes pour les dépôts de code Java qui combine des agents d'IA et des outils d'analyse statique basés sur des règles pour atteindre des performances de pointe.

L'essentiel

Imaginez que vous êtes le directeur d'une immense bibliothèque (votre entreprise) remplie de livres complexes écrits dans une langue très stricte : le Java. Soudain, un lecteur vous dit : « Il y a une erreur dans ce livre, la page 42 ne fonctionne pas comme prévu. » Votre tâche est de trouver l'erreur, de la corriger et de réécrire la page sans abîmer le reste du livre.

C'est ce qu'on appelle résoudre un « bug » dans le code informatique.

Jusqu'à récemment, les robots intelligents (les IA) qui aident à faire ce travail étaient comme des experts en français : ils étaient formés sur des millions de livres en français (le langage de programmation Python) et devenaient très forts pour corriger ces livres. Mais dès qu'on leur donnait un livre en Java (très utilisé dans les grandes entreprises), ils trébuchaient, comme un expert en français essayant de corriger un texte en chinois sans connaître la grammaire.

Voici comment l'équipe d'IBM, avec son nouveau robot nommé iSWE Agent, a résolu ce problème, expliqué simplement :

1. Le Problème : Un expert qui parle la mauvaise langue

La plupart des robots actuels sont comme des traducteurs automatiques qui connaissent parfaitement le français (Python) mais qui ignorent les règles strictes du chinois (Java). Le Java est un langage très rigide, très structuré, où chaque mot doit être à sa place, contrairement au Python qui est plus flexible. Les robots qui essaient de corriger du Java avec des règles conçues pour le Python font souvent des erreurs ou ne comprennent pas la logique.

2. La Solution : iSWE, le duo d'experts spécialisés

Au lieu d'avoir un seul robot qui essaie de tout faire, les auteurs ont créé iSWE, qui fonctionne comme une équipe de deux détectives spécialisés, travaillant en tandem.

Le Détective A : Le « Chasseur de pistes » (Localisation)

Imaginez que vous cherchez une erreur dans un livre de 1 000 pages. Le premier détective ne lit pas tout le livre au hasard. Il utilise une loupe magique (des outils d'analyse statique) qui comprend parfaitement la structure du Java.

• Il ne touche pas au livre (il est en « lecture seule »).
• Il examine la table des matières, les index et les liens entre les chapitres.
• Il dit : « L'erreur est ici, à la page 42, et elle est liée à la page 85. »
• L'analogie : C'est comme un bibliothécaire qui connaît par cœur l'architecture de la bibliothèque et qui peut vous montrer exactement où est le livre fautif sans avoir à ouvrir chaque livre.

Le Détective B : Le « Réparateur » (Édition)

Une fois que le premier détective a trouvé la page, le second prend le relais.

• Il regarde la page indiquée.
• Il propose une correction précise.
• La sécurité : Avant de coller la nouvelle page dans le livre officiel, il fait une copie dans une boîte de sable (un environnement isolé). Il teste la réparation pour s'assurer qu'elle ne casse pas le reste du livre. Si tout va bien, il applique le changement.

3. Pourquoi c'est génial ? (Les Outils Spécifiques)

La grande innovation d'iSWE, c'est qu'il n'utilise pas des outils génériques.

• Les autres robots utilisent souvent un marteau et un tournevis (des commandes de base) pour tout réparer, ce qui est risqué et lent.
• iSWE utilise des outils sur mesure pour le Java. C'est comme si, au lieu de donner un marteau à un ébéniste, on lui donnait un rabot spécial pour le bois de chêne. Ces outils comprennent la grammaire complexe du Java, les types de données et la structure des classes.

4. Les Résultats : Plus rapide, moins cher, plus précis

Grâce à cette approche :

• Efficacité : iSWE résout beaucoup plus de problèmes sur le Java que n'importe quel autre robot actuel.
• Économie : Comme il utilise des outils intelligents, il a besoin de moins de « tours de conversation » avec l'IA. C'est comme si le détective trouvait la piste en 5 minutes au lieu de 50. Cela coûte beaucoup moins cher en temps de calcul.
• Sécurité : Comme il ne touche au code original que dans une boîte de sable, il ne risque pas de casser le système de l'entreprise par accident.

En résumé

Imaginez que vous deviez réparer une Ferrari (le code Java).

• Les anciens robots étaient comme des mécaniciens qui ne connaissaient que les vélos (le code Python). Ils essayaient de réparer la Ferrari avec des clés à molette, ce qui ne marchait pas bien.
• iSWE, c'est un mécanicien qui a étudié spécifiquement les moteurs de Ferrari. Il a un manuel précis, des outils adaptés, et il travaille avec une équipe : l'un trouve la pièce défectueuse, l'autre la remplace en toute sécurité.

Ce papier montre que pour faire avancer l'informatique d'entreprise, il ne suffit pas d'avoir un robot très intelligent en général ; il faut un robot qui parle la langue spécifique de l'entreprise (le Java) et qui utilise les bons outils pour cette langue.

Résumé technique

Voici un résumé technique détaillé de l'article « Resolving Java Code Repository Issues with iSWE Agent », présenté en français.

1. Problématique

La résolution automatique d'incidents (bugs ou demandes de fonctionnalités) dans les dépôts de code est un défi majeur en ingénierie logicielle. Bien que des systèmes basés sur des modèles de langage (LLM) et des agents aient obtenu des résultats impressionnants sur le benchmark SWE-bench, ceux-ci se concentrent presque exclusivement sur le langage Python.

Cependant, une grande partie du logiciel d'entreprise est écrite en Java. La résolution d'incidents en Java présente des défis spécifiques non abordés par les solutions actuelles :

• Différences structurelles : Le Java est un langage compilé, fortement typé et orienté objet, contrairement au Python. Les erreurs sont souvent détectées par le compilateur plutôt que par des linters dynamiques.
• Complexité des modifications : Les correctifs en Java impliquent souvent des modifications sur plusieurs fichiers et des changements plus profonds dans la hiérarchie des classes, ce qui est plus difficile pour les agents actuels.
• Manque d'outils spécifiques : Les agents génériques manquent de connaissances spécifiques au langage pour naviguer efficacement dans la sémantique du code Java.

L'objectif de cet article est de combler ce vide en introduisant iSWE, un agent spécialisé pour la résolution d'incidents en Java.

2. Méthodologie : L'Agent iSWE

iSWE est un agent basé sur les LLM conçu spécifiquement pour le Java. Son architecture repose sur deux principes clés : l'utilisation d'outils spécifiques au langage (basés sur l'analyse statique) et une décomposition du problème en deux sous-tâches gérées par des sous-agents distincts.

Architecture en deux agents (Pipeline)

Le processus est divisé en deux étapes séquentielles, chacune gérée par un agent ReAct (Reasoning + Acting) :

1. Agent de Localisation (Localization Agent) :

   • Rôle : Identifier les emplacements précis dans le code (c_old) qui doivent être modifiés pour résoudre l'incident décrit (d_issue).
   • Outils : Il utilise des outils de lecture seule (read-only) basés sur l'analyse statique Java (via les bibliothèques CLDK et Tree-Sitter). Ces outils permettent de naviguer dans le graphe du code (fichiers, classes, méthodes, hiérarchies d'héritage, chaînes d'appels).
   • Sortie : Une recommandation structurée (JSON) listant les fichiers et les plages de lignes à modifier, enrichie par une analyse sémantique.

2. Agent d'Édition (Editing Agent) :

   • Rôle : Générer le code modifié (c_new) en se basant sur les localisations fournies.
   • Outils : Il utilise un outil d'édition qui fonctionne principalement en mode lecture seule en mémoire. Il propose des blocs de recherche/remplacement (format de conflit de fusion).
   • Validation : Avant de valider la modification, l'agent lance une vérification rigoureuse :
     • Un linter Java simple (sans effets de bord).
     • Si les vérifications préliminaires passent, il lance un conteneurisé (sandbox) pour compiler le projet avec les dépendances réelles et exécuter le compilateur Java. Cela garantit l'absence d'effets de bord sur l'hôte et vérifie la correction syntaxique et typée.

Caractéristiques Techniques

• Indépendance du modèle : L'architecture est agnostique vis-à-vis du LLM sous-jacent (fonctionne avec des modèles frontaux comme Claude ou des modèles open-source comme DeepSeek).
• Sécurité et Efficacité : La majorité des opérations se font sans sandbox (lecture seule). Le sandbox n'est utilisé que pour la compilation finale, réduisant les coûts et les risques.
• Langage de Prompting : Utilisation de PDL (Prompt Description Language) pour structurer les flux de travail et les prompts de manière déclarative.

3. Contributions Clés

1. Premier agent spécialisé pour le Java : Introduction de iSWE, le premier système de résolution d'incidents conçu spécifiquement pour les particularités du langage Java.
2. Validation de l'hypothèse "Outils Conscients du Langage" : Démonstration que l'intégration d'outils d'analyse statique Java (au lieu de simples commandes shell ou d'outils génériques) améliore significativement la précision de la localisation et la qualité des correctifs.
3. Évaluation extensive sur des benchmarks Java : Premières évaluations approfondies sur les sous-ensembles Java de Multi-SWE-bench et SWE-PolyBench, fournissant des données de référence pour la communauté.
4. Efficacité des coûts : Démonstration que l'approche iSWE permet d'atteindre des performances de pointe avec un coût d'inférence (en dollars) 2 à 3 fois inférieur à celui des agents concurrents utilisant les mêmes modèles LLM.

4. Résultats Expérimentaux

Les évaluations ont été menées sur 293 instances Java (128 de Multi-SWE-bench + 165 de SWE-PolyBench).

• Taux de résolution (State-of-the-Art) :
  • Avec des modèles frontaux (ex: Claude-4.5-Sonnet), iSWE atteint un taux de résolution de 43% sur Multi-SWE-bench et 55% sur SWE-PolyBench.
  • Ces résultats surpassent ou égalent les meilleurs agents concurrents (comme InfCode ou MSWE-agent) sur les classements publics.
• Réduction des coûts :
  • iSWE coûte entre 2x et 3x moins cher que les agents concurrents pour des performances équivalentes ou supérieures. Cela est dû à une meilleure efficacité des outils (moins de tours de conversation nécessaires) et à une architecture optimisée.
• Performance des modèles Open Source :
  • iSWE fonctionne également bien avec des modèles open-source (DeepSeek-V3-2, Llama-3.3, etc.), bien que les taux de résolution soient plus faibles (autour de 18-21%), démontrant la robustesse de l'architecture.
• Précision de la localisation :
  • L'agent de localisation atteint une précision (Precision) de 82% et un rappel (Recall) de 62% au niveau des fichiers sur Multi-SWE-bench, ce qui est crucial car une mauvaise localisation conduit inévitablement à un échec de la résolution.
• Analyse par complexité :
  • Les performances diminuent logiquement avec la complexité des incidents (Easy > Medium > Hard), mais iSWE maintient une supériorité relative sur les tâches complexes par rapport aux approches génériques.

5. Signification et Impact

Cet article marque une étape importante dans l'évolution des agents de développement logiciel (Software Engineering Agents) :

• Au-delà du Python : Il démontre que les solutions performantes pour Python ne se transposent pas directement au Java et qu'une approche "sur mesure" (Java-aware) est nécessaire pour les langages d'entreprise.
• Synergie Règles/Modèles : Il valide l'idée que combiner la puissance des LLM avec des outils d'analyse statique rigoureux (règles) est supérieur à l'utilisation de LLM seuls ou d'outils génériques. Cela permet de réduire les hallucinations et les effets de bord.
• Économie de l'IA : En réduisant drastiquement le nombre de tokens et de tours de conversation nécessaires, iSWE rend la résolution automatique d'incidents économiquement viable pour des applications d'entreprise à grande échelle.
• Fondation pour l'avenir : Bien que l'étude actuelle ne utilise pas de boucle de rétroaction par tests exécutés (test-driven), l'architecture iSWE est conçue pour intégrer ces fonctionnalités futures, promettant des taux de résolution encore plus élevés.

En conclusion, iSWE établit un nouveau standard pour la résolution automatisée d'incidents en Java, prouvant que l'adaptation des agents aux spécificités linguistiques et aux outils d'analyse statique est la clé pour réussir dans les environnements logiciels d'entreprise complexes.