, AI-SLOP Detector 3.1.1 - Outil d’analyse qui repère le code spaghetti produit par des agents IA

AI-SLOP Detector est un outil qui analyse statiquement les défauts structurels souvent observés dans le code produit par des agents IA.

Au-delà d’une simple vérification de style, il se concentre sur la détection de code qui paraît propre en apparence mais reste en réalité fragile, comme les implémentations stub, les phantom imports, les commentaires/termes excessifs ou la complexité dissimulée en la fragmentant dans des helpers.

Ce qu’il peut faire

• Analyse d’un seul fichier Python / d’un projet entier
• Intégration à des pipelines d’automatisation via une sortie JSON
• Utilisation comme CI gate
• Prise en charge d’une extension VS Code
• Détection de motifs de défauts structurels dans le code IA

Pourquoi c’est nécessaire

• Aide à distinguer la qualité apparente du code IA généré rapidement de sa densité réelle d’implémentation
• Filtre en plus le faux code plausible que les outils de lint/style laissent facilement passer
• Peut être relié directement du poste local jusqu’à la CI

Principales évolutions de la 2.9.x à la 3.1.1

• Ajout et amélioration de la détection des phantom imports
  → différencie plus précisément les paquets inexistants, les imports incorrects et les optional dependencies / guarded imports
• Ajout du history tracking + self-calibration
  → à partir de l’historique d’exécution, il devient plus facile de distinguer les false positives des vrais problèmes
• Passage du modèle de score à une moyenne géométrique pondérée (GQG)
  → un ou deux bons indicateurs masquent désormais moins facilement l’ensemble des problèmes
• Ajout de la détection des fragmented god functions
  → permet aussi de repérer les motifs qui donnent une apparence propre en fragmentant une fonction complexe en plusieurs helpers
• Ajout de la détection des placeholder variable naming
  → capte aussi comme signal un code apparemment rangé mais pauvre en sens, avec par exemple r1, r2 ... r12 ou un abus de paramètres à une seule lettre
• Renforcement de la détection des empty-container / constant stubs
  → repère mieux aussi le code qui n’a que la forme d’une fonction, comme return {}, return [], return 42
• Ajout d’une validation adversariale basée sur SPAR-Code
  → moins pour ajouter des fonctionnalités que pour mieux détecter les motifs d’évitement auparavant ratés
• Amélioration du workflow VS Code / CLI
  → meilleure expérience d’usage avec la visibilité du clone signal, la workspace analysis, les history trends, etc.