Breken fait vieillir un logiciel de deux ans en quelques heures pour chasser ses bugs
— AGENTS
Breken simule des mois d'usage réel d'un logiciel pour provoquer les pannes qu'aucun test classique ne déclenche. Sur un corpus de bugs déjà survenus chez de vrais utilisateurs, l'outil en retrouve deux fois plus que les meilleurs assistants de code généralistes testés.
Un logiciel qui passe tous ses tests peut encore planter trois semaines après sa mise en ligne, quand un paiement s'interrompt au mauvais moment ou que deux personnes modifient le même document en même temps. Breken attaque ce point aveugle en simulant une application comme si elle avait déjà des mois d'historique, des milliers de comptes et des utilisateurs qui se marchent dessus, puis en cherchant ce qui casse.
Cette approche vise les équipes d'ingénierie qui déploient du code en continu et n'ont ni le temps ni les moyens d'attendre le premier ticket client pour découvrir un bug. Un des cas documentés par Breken illustre bien le gain : sur une plateforme de commerce en ligne, un défaut de remboursement après un paiement partiel est détecté quarante-sept jours avant qu'un client ne le signale. Le correctif existe déjà quand l'utilisateur aurait normalement découvert le problème.
Sur un corpus de bugs déjà connus et déjà corrigés dans des logiciels open source, Breken en retrouve soixante-seize sur deux cent trente-cinq, contre trente-sept pour le meilleur assistant de code généraliste comparé. L'écart se creuse surtout sur les anomalies qui n'apparaissent qu'en faisant tourner le programme, pas en lisant simplement son code. C'est là que la méthode se distingue vraiment d'une relecture assistée par IA, aussi soignée soit-elle.
Le protocole a cependant un angle mort évident : Breken a construit son propre test, choisi les logiciels comparés et exécuté lui-même tous les systèmes évalués. Et malgré son avance, l'outil laisse encore passer cent cinquante-neuf des deux cent trente-cinq bugs du corpus. L'amélioration est réelle, l'absence de défauts reste un horizon lointain.
Ce type de brique compte au-delà du cercle des développeurs qui l'utiliseront en premier. Les assistants généralistes comme ceux de Claude ou d'OpenAI dominent aujourd'hui la génération de code, mais la fiabilité des logiciels qui tournent derrière chaque outil en ligne dépendra de plus en plus de couches spécialisées comme celle-ci. Les équipes techniques des éditeurs de plateformes auront intérêt à surveiller si ce genre d'agent dédié à la détection de pannes devient une étape standard avant mise en production, au même titre que la revue de code l'est devenue il y a vingt ans.