Évaluer la qualité d’un code généré : au-delà du « ça compile »

Un code qui s’exécute n’est pas un code de qualité. Les dimensions à mesurer pour juger réellement.

« Ça compile » est le degré zéro de la qualité. Un code généré peut s’exécuter parfaitement tout en étant illisible, non sécurisé ou impossible à maintenir. Évaluer vraiment demande plusieurs angles.

Les dimensions qui comptent

Correction : fait-il ce qui est attendu, cas limites compris ? Les tests le disent.
Sécurité : pas d’injection, pas de secret en dur, dépendances saines.
Lisibilité : un humain peut-il le reprendre dans six mois ?
Maintenabilité : structure claire, faible couplage, responsabilités nettes.
Performance : adaptée au contexte, sans sur-ingénierie.

Automatiser ce qui peut l’être

Tests, analyse statique, scan de sécurité, mesure de complexité : autant de signaux objectifs à intégrer comme étapes du pipeline. Ils éliminent une grande part des problèmes avant toute revue humaine.

Garder l’humain sur le qualitatif

Les outils mesurent le mesurable ; l’humain juge le contextuel : ce code est-il adapté à notre base, à nos conventions, à notre métier ? C’est le rôle des gates de revue, placées là où le jugement compte.

Boucler

Chaque évaluation nourrit la suivante : un défaut récurrent signale un prompt ou un contrat à revoir. La qualité d’un système de génération se juge moins à un instantané qu’à sa capacité à s’améliorer.