Politique d'IA
Le projet Darling a publié, pour la première fois, un ensemble de règles encadrant l’utilisation d’assistants de type LLM dans les contributions. Chaque pull‑request doit être justifiable par son auteur, qui doit expliquer chaque ligne de code en termes humains. Les mainteneurs posent leurs questions aux contributeurs, jamais aux bots, afin de garantir que les réponses restent humaines. La politique impose également un « clean‑room » : les implémentations doivent reproduire le comportement décrit sans copier de code provenant de sources protégées, comme le framework corecrypto d’Apple. Cette approche vise à limiter le risque juridique lié à la désassemblage et à la réutilisation de code propriétaire, tout en tirant parti de la productivité accrue offerte par les modèles de langage.
Support initial ARM64
Darling intègre désormais un support de base pour l’architecture ARM64 (aarch64), qui équipe tous les Mac récents depuis la transition vers les puces Apple Silicon. L’absence de ce support aurait limité le projet à des processeurs x86, alors même que la plupart des nouvelles applications macOS ciblent ARM64 dès la compilation. Le code ARM64 est exercé quotidiennement par le fork VibeDarling, ce qui crée un flux de tests continu et accélère la stabilisation des chemins d’exécution. Le plan à court terme prévoit le support officiel de trois architectures : i386, x86‑64 et ARM64, avec une confiance renforcée grâce à l’expérience acquise dans le fork.
Enjeux techniques et limites
Le principal défi reste la mise en œuvre des milliers de frameworks macOS. Selon le blog, macOS 27 propose 464 frameworks publics et 2 754 privés, contre 273 publics et 878 privés dans macOS 10.14. Contrairement à Wine, qui s’appuie sur les redistribuables Microsoft, Darling doit réimplémenter la plupart de ces bibliothèques, faute de paquets téléchargeables. Cette charge de travail explique la lenteur historique du projet et la difficulté à attirer des contributeurs. L’utilisation d’IA permet de réduire le temps de développement de certaines implémentations, comme le démonstrateur qui exécute League of Legends, mais la politique impose que chaque contribution reste vérifiable et explicable.
Perspectives à moyen et long terme
Les deux prochains mois seront consacrés à la fusion des forks dans le tronc principal, en s’appuyant sur une logique de fusion pilotée par des agents capables de corriger automatiquement des bugs détectés. Un objectif secondaire consiste à exécuter des applications ARM64 sur des hôtes x86‑64 en réutilisant la bibliothèque Dynarmic, bien que le développeur le qualifie de « long shot ». À plus long terme, le projet vise à stabiliser le support d’AppKit, à ajouter des outils graphiques natifs (par exemple une console de logs) et à poursuivre l’intégration d’applications open source, qui offrent aux agents d’IA un meilleur point de départ pour la compréhension des attentes du système. Le financement via OpenCollective est destiné à couvrir les coûts d’infrastructure et, potentiellement, les licences d’accès aux modèles de langage.
