MirrorCode : un benchmark pour tester la réingénierie logicielle autonome par les agents IA

METR et Epoch AI ont développé MirrorCode, un benchmark évaluant la capacité des agents IA à réimplémenter des programmes en ligne de commande sans accès au code source original. Le benchmark couvre plus de 20 programmes dans des domaines variés : utilitaires Unix, bioinformatique, cryptographie, compression. Les résultats montrent que des modèles comme Claude Opus 4 parviennent à reconstituer fidèlement certains logiciels, suggérant que les capacités de codage autonome à long horizon sont plus avancées qu'estimé.