Notes Odoo, IA, méthode.
6 articles pour « SWE-bench »
Quand l’agent de code annonce « terminé » à tort
Un agent de code qui annonce « terminé » n’a pas forcément résolu la tâche. Deux études publiées en 2026 chiffrent ces fausses réussites, souvent invisibles car le code passe les tests. Pour une PME, le coût réel se déplace vers la correction humaine.
SWE-bench à 95 % : ce que le score d'un agent de code ne dit pas
Un éditeur affiche 95 % sur SWE-bench pour vendre son agent de code. Ce benchmark est pourtant saturé et contaminé, au point qu'OpenAI a cessé de le publier début 2026. On explique comment lire ces scores avant de choisir un outil.
Le code que les agents IA produisent vieillit mal
Un benchmark publié cette semaine mesure ce que devient le code des agents IA après dix itérations. Verdict : il se dégrade quand le code humain, lui, reste stable. Conséquences pour qui maintient du logiciel Odoo dans la durée.
Opus 4.8 transforme Claude Code en chef d'orchestre. On a regardé sous le capot
Le 28 mai, Anthropic a sorti Opus 4.8 et les Dynamic Workflows : Claude Code peut désormais lancer des centaines de sous-agents en parallèle sur une seule session. Le benchmark phare parle d'une migration de 750 000 lignes en 11 jours. Lecture côté studio, réserves comprises.
Claude Opus 4.7 : ce qui change vraiment dans un workflow SaaS
Anthropic a sorti Opus 4.7. Sur le papier, une incrémentation. Dans un workflow de studio qui livre en production, plusieurs changements obligent à retoucher prompts, budgets tokens et permissions Claude Code.
Claude Mythos : le modèle qu'on ne peut pas avoir change déjà tout
Anthropic vient de dévoiler Mythos, son modèle le plus puissant à ce jour — et refuse de le rendre public. Pour les builders SaaS, ce n'est pas juste une annonce sécurité. C'est un avant-goût de ce à quoi le développement va ressembler dans six mois.