AMD : 75 % des bugs RSX corrigés par agents IA en 2026

AMD rapporte qu'en juin 2026, des agents ont corrigé automatiquement 75 % des problèmes de Radeon Software eXperience, contre 6 % lors du démarrage du dispositif en octobre 2025. L'entreprise revendique par ailleurs 30 % de productivité supplémentaire grâce à l'IA et jusqu'à plus de 80 % de code généré par des modèles dans certains composants. Elle prépare des flux multi-agents appuyés par une boucle d'apprentissage continue, tout en formant massivement ses équipes et sans annoncer de réduction d'effectifs.

En juin 2026, 75 % des tickets RSX corrigés automatiquement

AMD cite le cas de Radeon Software eXperience, un composant d'interface pour configurer et suivre le comportement des pilotes graphiques. Des agents IA y ont été déployés à partir d’octobre 2025 pour diagnostiquer et appliquer des correctifs aux problèmes signalés. Les outils prêts à l’emploi ne réglaient alors que 6 % des tickets. Selon l'entreprise, la part de corrections automatiques a ensuite progressé pour atteindre 75 % en juin 2026. Pour y parvenir, AMD dit avoir mis en place une boucle d’apprentissage, d’abord largement manuelle, destinée à analyser les échecs des agents et à ajuster leurs objectifs, plutôt que de réentraîner les modèles sous-jacents. En parallèle, des améliorations de modèles et des temps d’exécution des agents auraient accru l’efficacité, pour un résultat revendiqué de 6 % à plus de 75 % de problèmes RSX résolus par cette boucle agentique.

Un indicateur suivi : 30 % de gain et jusqu’à 80 % de code IA

AMD dit mesurer ses progrès via le pourcentage de code source généré par l’IA, en ne comptant que le code qui a passé revues et tests et qui est intégré au produit. D’après cet indicateur, le cap des 20 % a été franchi au début de l’année, avec une trajectoire annoncée vers 50 % sur l’ensemble de la base de code et des pointes au-delà de 80 % selon les composants. L’entreprise fait état, un an après ses premières mises en œuvre, d’un gain global de productivité de 30 % imputé à l’IA, supérieur à l’objectif initialement fixé d’un gain de 25 % sur deux à trois ans. Elle rappelle avoir lancé en 2024 des systèmes couvrant génération de code, tests, analyse de bogues et relectures, avec la cible de 25 % de code de production généré par l’IA d’ici 2027 et une automatisation croissante du SDLC.

Des flux multi-agents et une boucle d’apprentissage continue

AMD décrit un mode d’amélioration encore très centré sur l’ingénieur, qui ajuste l’invite d’un agent et itère. Pour dépasser ce cadre, l’entreprise avance que les agents doivent apprendre les uns des autres, réutiliser des stratégies gagnantes et progresser collectivement entre projets et équipes. Elle dit déjà recourir largement à des flux multi-agents via des harnais comme Codex et Claude Code et développer en parallèle des systèmes internes multi-agents. AMD estime nécessaire une boucle d’apprentissage continu qui réinjecte erreurs et interventions humaines dans les futurs workflows, architecturée autour d’objectifs clairs et mesurables. Chaque cycle est présenté comme capturant de nouvelles idées, rendant l’ingénierie IA plus efficace ; à terme, cette boucle auto-renforçante, et non le seul modèle, est appelée à devenir un moteur majeur des progrès.

L’IA couvre l’analyse, le débogage, les tests et la mise en production

AMD affirme avoir inséré l’IA agentique à toutes les étapes de son cycle de développement. Pour l’analyse et le tri, des agents traitent les rapports, regroupent les demandes proches et pointent les zones de code à modifier. Côté débogage et génération, ils interprètent les demandes et réalisent les changements. Pour les tests, ils créent des tests unitaires et, s’ils passent, identifient les tests d’intégration et de niveau produit. Enfin, pour les validations et versions, ils produisent un résumé d’architecture, une revue des modifications et un dossier de résultats de tests pour approbation par des ingénieurs, puis intègrent les changements dans la version suivante après feu vert.

Essaims d’agents : problème défini par l’humain, solution cherchée par l’IA

AMD projette des essaims d’agents collaboratifs capables de concevoir des solutions sans prescriptions détaillées, les humains cadrant le problème, le résultat attendu et les contraintes de qualité, de performance et de système. Dans ce schéma, des agents génèreraient, évalueraient et affineraient plusieurs approches en parallèle, valideraient la correction, mesureraient la performance, testeraient les compromis et compareraient des implémentations à des critères de succès définis, avant de soumettre des options classées avec métriques et validations aux ingénieurs. L’entreprise présente cette étape comme la plus grande transformation à venir, après une première phase où l’IA a surtout imité des processus humains, sur fond de progrès rapides des modèles et d’une remise en question de la structure du SDLC elle-même.

Équipes et compétences : empowerment plutôt que réduction d’effectifs

AMD situe l’IA comme un levier pour accroître la productivité et la qualité et pour rediriger les collaborateurs vers des tâches à plus forte valeur ajoutée. L’entreprise indique viser l’outillage de sa main-d’œuvre plutôt qu’une baisse des effectifs et dit investir massivement dans la formation à l’IA à l’échelle de l’organisation. Elle veut que chaque employé maîtrise ces outils de manière confiante, responsable et efficace. AMD prévoit qu’avec la montée en capacités des agents, les ingénieurs consacreront moins de temps à l’implémentation manuelle et davantage à la définition des spécifications, à la validation des résultats et aux décisions stratégiques.