Bugbot s’améliore désormais tout seul grâce à des règles apprises
Lorsque nous avons lancé Bugbot en sortie de bêta en juillet 2025, 52 % des bugs qu’il identifiait étaient résolus au moment de la fusion de la PR concernée, ce qui indiquait que le reste correspondait à des faux positifs.
Aujourd’hui, le taux de résolution approche les 80 %, soit 15 points de pourcentage de plus que le produit de revue de code par IA qui le suit de plus près.
| Produit de revue de code par IA | Taux de résolution | PR analysées |
|---|---|---|
| Cursor Bugbot | 78.13% | 50,310 |
| Greptile | 63.49% | 11,419 |
| CodeRabbit | 48.96% | 33,487 |
| GitHub Copilot | 46.69% | 24,336 |
| Codex | 45.07% | 19,384 |
| Gemini Code Assist | 30.93% | 21,031 |
Nous avons analysé uniquement des dépôts publics. Pour chaque commentaire produit par un produit de revue de code par IA, nous avons vérifié s’il avait été traité au moment de la fusion à l’aide d’un juge LLM.
Jusqu’à présent, les améliorations reposaient exclusivement sur des expérimentations hors ligne : nous ajustons Bugbot, nous le testons pour voir si le changement améliore le taux de résolution, et nous le livrons si c’est le cas.
Mais une approche strictement hors ligne laisse inexploité un important potentiel d’apprentissage. Bugbot examine des centaines de milliers de PR par jour, et chaque revue constitue une expérience naturelle dont Bugbot peut tirer parti pour s’améliorer de lui-même selon que le développeur a donné suite ou non à son signalement.
Pour exploiter ces signaux en temps réel, nous avons désormais permis à Bugbot d’apprendre à partir d’exécutions passées, en transformant les retours issus du processus de revue de code en direct en règles apprises. Les règles agissent comme des instructions supplémentaires qui permettent de personnaliser davantage les exécutions de Bugbot, afin de l’aider à se concentrer sur des issues spécifiques, le contexte métier et bien plus encore.
Depuis le lancement des règles apprises en bêta, plus de 110 000 dépôts ont activé l’apprentissage, générant plus de 44 000 règles apprises.
Comment fonctionnent les règles apprises
Chaque PR fusionnée contient un ensemble de signaux que Bugbot peut utiliser pour s’améliorer de manière autonome et en tirer des règles. Trois signaux importants sont les suivants :
- Les réactions aux commentaires de Bugbot, où un vote négatif indique à Bugbot que le signalement n’était pas utile.
- Les réponses aux commentaires de Bugbot, dans lesquelles les développeurs expliquent ce qui n’allait pas ou comment la suggestion aurait pu être améliorée.
- Les commentaires des relecteurs humains, qui signalent des issues que Bugbot n’a pas détectées.
Bugbot transforme ces signaux en règles candidates, qu’il continue ensuite à évaluer sur les PR entrantes. À mesure que les signaux s’accumulent, Bugbot peut faire passer une règle candidate au statut actif, à partir duquel elle commence à influencer les futures revues de code. De même, si une règle active commence à générer régulièrement des signaux négatifs, Bugbot peut la désactiver. Vous pouvez également modifier ou supprimer des règles directement dans l’UI.
Premiers pas
Nous voulons que Bugbot détecte chaque véritable bug, ce qui exige une compréhension approfondie de votre base de code, des patterns et des priorités de l’équipe. Les règles apprises constituent une étape importante dans cette direction et s’inscrivent dans notre effort global pour permettre à Bugbot de s’améliorer en continu.
Gérez l’apprentissage de Bugbot dans le tableau de bord Cursor, où vous pouvez activer les règles apprises et lancer un rétrotraitement sur les PR récentes, ou en savoir plus dans notre documentation.
