La vérification formelle des logiciels, longtemps réservée à des équipes spécialisées, commence à bénéficier des progrès de l’IA générative. Plusieurs start-up développent des outils capables d’automatiser une partie du travail mathématique nécessaire pour démontrer qu’un programme respecte les propriétés attendues, au-delà des seuls tests réalisés à l’exécution.
Une démonstration autour du chiffrement de Signal
La chercheuse Chuyue Sun a utilisé un système d’IA pour examiner une partie du chiffrement de Signal. Le projet d’ingénierie aurait été achevé en une demi-journée, pour un coût inférieur à 500 dollars. Une équipe composée de trois experts aurait, dans le même temps, consacré environ cinq mois à une vérification comparable.
La vérification formelle repose sur des méthodes mathématiques destinées à établir qu’un logiciel respecte ses spécifications. Elle se distingue donc d’une validation fondée uniquement sur des scénarios de test. Dans ce processus, l’IA générative peut réduire le travail manuel consacré à la rédaction d’invariants et de lemmes de preuve, des éléments qui demandent habituellement plusieurs mois d’intervention humaine spécialisée.
| Projet ou entreprise | Élément communiqué |
|---|---|
| Chuyue Sun | Une demi-journée et moins de 500 dollars pour une partie du chiffrement de Signal |
| &Truth | 70 millions levés |
| Harmonic | 295 millions levés |
Des financements pour industrialiser la méthode
Le secteur attire déjà des capitaux importants. La start-up &Truth a levé 70 millions, tandis que Harmonic a réuni 295 millions, avec le soutien de Nvidia et d’Anthropic. Ces opérations accompagnent une ambition commune : rapprocher la vérification formelle des environnements de développement utilisés au quotidien.
- Automatisation d’une partie de l’écriture des preuves mathématiques ;
- intégration envisagée dans les chaînes de développement logiciel ;
- possibilité d’associer la vérification formelle aux outils de création de code.
Pour les professionnels, l’objectif est de faire de cette discipline un composant des pipelines de développement, plutôt qu’une étape réservée à quelques projets critiques. Une telle intégration pourrait contribuer à limiter les erreurs importantes en production et certaines failles de sécurité, selon la présentation du secteur.
La technologie reste toutefois au stade du prototype. Son adoption à grande échelle demeure incertaine, notamment parce que la solidité des preuves produites par l’IA doit encore être examinée avec le même niveau d’exigence que les méthodes traditionnelles.
