Contexte du projet MicroZig
MicroZig est une bibliothèque open source destinée au développement embarqué en langage Zig. Le dépôt GitHub héberge le code source, la documentation et les règles de conduite communautaire. Récemment, le fichier CODE_OF_CONDUCT.md a été mis à jour pour introduire une clause explicite interdisant les contributions générées par des modèles de langage large (LLM) ou tout autre outil d’intelligence artificielle.
Contenu de la politique « No LLM / No AI »
La nouvelle section du code de conduite stipule que les contributeurs doivent soumettre uniquement du code écrit manuellement, sans recours à des assistants de génération de code basés sur l’IA. La règle précise que toute modification issue d’un LLM doit être rejetée lors du processus de revue, même si l’auteur affirme avoir revu le résultat. Aucun identifiant de version, CVE ou référence externe n’est fourni dans le texte ; la consigne se limite à l’interdiction d’usage d’outils d’IA pour la production de contributions.
Motivations techniques et risques associés
Le choix d’une interdiction stricte repose sur plusieurs considérations techniques. Premièrement, les projets embarqués exigent une maîtrise fine du comportement du code, notamment en termes de consommation mémoire, de temps d’exécution et de conformité aux contraintes matérielles. Un LLM peut introduire des constructions suboptimales ou des dépendances non documentées, ce qui complique la validation sur des cibles à ressources limitées.
Deuxièmement, la traçabilité du code est cruciale pour la certification de sécurité dans les systèmes critiques. Un morceau de code généré par IA peut incorporer des fragments issus de bases de données publiques, soulevant des questions de licence et de propriété intellectuelle. En l’absence d’un audit complet, le projet risque d’incorporer involontairement du code sous licence incompatible.
Enfin, la détection fiable d’une contribution IA reste un problème ouvert. Les méthodes actuelles – comparaison de similarité, analyse de style ou utilisation de filtres de watermark – ne garantissent pas un taux de faux positifs nul. En imposant une règle explicite, MicroZig transfère la responsabilité de conformité au contributeur, réduisant ainsi la charge de vérification pour les mainteneurs.
Implications pour la communauté et limites de la mesure
Cette politique crée un cadre clair pour les contributeurs, mais elle introduit également des contraintes. Les développeurs habitués à recourir à des assistants de complétion de code devront adapter leurs pratiques, ce qui peut ralentir le rythme de contribution. De plus, l’interdiction ne prévient pas les contributions indirectes où le code aurait été inspiré d’un résultat d’IA sans mention explicite ; la détection repose sur l’honnêteté des auteurs.
En l’absence de métriques publiques sur le nombre de contributions rejetées ou sur l’impact mesurable de la règle, il est difficile d’évaluer l’efficacité réelle de la politique. Le projet devra éventuellement publier des rapports de suivi pour quantifier les effets sur la qualité du code et la charge de revue.
