EN
en direct

NetworkManager et Linux imposent des politiques anti-IA-slops — l’open source trace la ligne rouge des contributions assistées par LLM

Le **7 août 2026**, **NetworkManager** a adopté une politique formelle encadrant les contributions assistées par IA, rejoignant le **mainteneur WiFi Linux** qui a instauré une règle de « revue en trois secondes ». Les projets open source ne ferment pas la porte aux LLM, mais ils définissent désormais les conditions d’un usage acceptable — et les sanctions en cas d’abus.

Un stylo plume posé en diagonale sur un diff de code imprimé, une ligne modifiée surlignée en ambre

7 août 2026, 06 h 42 EDT. Josephine Pfeiffer, ingénieure chez Red Hat, merge dans le dépôt NetworkManager une politique de contributions assistées par IA. Le même jour, le sous-système networking du noyau Linux continue d’être submergé de patches générés par LLM. La veille, le mainteneur du WiFi Linux annonçait sa règle de « revue en trois secondes ». En l’espace de 48 heures, l’open source est passé de l’agacement à l’action structurée.

La politique de NetworkManager est concise — 87 mots — mais elle pose trois principes qui redéfinissent la gouvernance des contributions :

  1. L’auteur est responsable de 100 % du code soumis. Pas de patch qu’on ne peut pas expliquer.
  2. Les messages de commit sont écrits par un humain. Un LLM ne peut pas savoir pourquoi un changement est fait.
  3. Les réponses aux revues sont rédigées par l’auteur. Si vous ne pouvez pas discuter votre propre patch, il ne sera pas mergé.

Le texte se termine par une sanction explicite : « Large machine-generated Merge Requests that no human has reviewed line by line will be closed. »

De l’incident isolé au mouvement structuré

Ce n’est pas un cas isolé. Le 5 août, Kalle Valo, mainteneur du sous-système WiFi du noyau Linux, a publié sur la liste linux-wireless une règle radicale : tout patch suspecté d’être généré par IA fera l’objet d’une revue de trois secondes — « If it looks like AI slop, I’ll spend three seconds reviewing it before rejecting. »

Valo justifie sa position par les chiffres. Sur les 30 derniers jours, le sous-système WiFi a reçu plus de 200 patches identifiés comme générés par LLM, dont moins de 15 % étaient techniquement corrects. Le reste introduisait des bugs subtils — variables non initialisées, fuites mémoire, conditions de bordure ignorées — que seul un relecteur humain expérimenté pouvait détecter. Le temps de revue gaspillé sur ces patches est estimé à plus de 40 heures par le seul mainteneur WiFi.

Le 6 août, c’est le sous-système networking global qui tirait la sonnette d’alarme. Jakub Kicinski, co-mainteneur, décrivait sur netdev une situation où « les patches IA arrivent plus vite que nous ne pouvons les rejeter ». Le phénomène n’est pas anecdotique : le volume de patches LLM a triplé entre juin et août 2026 sur le sous-système networking.

Ce que les politiques ne disent pas (encore)

Trois angles morts persistent dans ces nouvelles règles :

Le copy-left vs. l’entraînement sur du code GPL. La politique NetworkManager mentionne que la contribution doit être compatible LGPLv2.1+. Mais elle ne tranche pas la question de fond : un LLM entraîné sur du code GPL peut-il légalement produire du code qui sera licencié sous LGPL ? La Free Software Foundation n’a pas encore pris position sur ce cas précis, mais Bradley Kuhn (Software Freedom Conservancy) a déclaré en juillet 2026 que « les modèles entraînés sur du code copyleft créent une zone grise que les tribunaux n’ont pas encore explorée ».

La détection n’est pas fiable. Ni Valo ni Pfeiffer ne précisent comment ils identifient un patch LLM. Les détecteurs automatiques (GPTZero, Copyleaks) produisent trop de faux positifs pour être utilisés comme filtres. La détection repose aujourd’hui sur l’intuition du mainteneur — un patch syntaxiquement parfait mais sémantiquement vide, un message de commit générique, une absence de compréhension du contexte du sous-système.

L’effet dissuasif sur les nouveaux contributeurs. La communauté open source dépend d’un flux constant de nouveaux contributeurs. Une politique trop rigide risque de décourager les développeurs juniors qui utilisent légitimement des assistants de code (Copilot, Codeium, Claude Code) comme béquilles d’apprentissage. La distinction entre « aide légitime » et « slop » reste floue.

Ce que ça signifie pour vos pipelines CI/CD

Les plateformes de CI/CD (GitHub Actions, GitLab CI, Jenkins) vont devoir intégrer ces politiques dans leurs workflows :

  • Vérification de l’auteur. Un job CI peut exiger que le commit soit signé avec une clé GPG associée à un compte vérifié, excluant les comptes throwaway créés pour du slop IA.
  • Analyse sémantique des commits. Des outils comme commitlint peuvent être étendus pour rejeter les messages de commit qui ressemblent à du texte généré (répétitions, absence de contexte spécifique au projet).
  • Métriques de complexité. Un patch qui modifie plus de 500 lignes sans historique de contribution préalable peut être flaggé pour revue manuelle approfondie.

GitHub n’a pas encore annoncé de fonctionnalité native pour ce cas d’usage, mais le GitHub Blog du 15 juillet 2026 mentionnait des « expérimentations en cours sur la détection de patterns de contribution atypiques ».

Verdict

Si vous maintenez un projet open source :

  • Rédigez une politique explicite aujourd’hui. Les 87 mots de NetworkManager sont un modèle réutilisable. La simple existence de la politique dissuade une partie du slop.
  • Instrumentez votre pipeline CI. Un pre-commit hook qui bloque les patches de plus de 300 lignes sans signature GPG est un filtre grossier mais efficace.
  • Ne bannissez pas les LLM, encadrez-les. Un contributeur qui utilise un assistant pour du boilerplate ou de la complétion locale n’est pas le problème. Le problème, c’est le contributeur qui soumet 10 patches sans avoir lu le code.

Si vous contribuez à l’open source avec un assistant IA :

  • Lisez chaque ligne que vous soumettez. Si vous ne pouvez pas expliquer pourquoi une variable est initialisée à NULL ligne 147, ne soumettez pas le patch.
  • Écrivez vos propres messages de commit. Un « fix bug » générique est un red flag immédiat pour les mainteneurs.
  • Répondez aux commentaires de revue vous-même. Copier-coller la réponse d’un LLM dans un fil de discussion est la façon la plus rapide de se faire bannir.

L’open source ne dit pas non à l’IA. Il dit non à l’irresponsabilité assistée par IA.

Références

Le brief cyber, chaque mardi

Les failles qui comptent, les correctifs à appliquer, en dix minutes de lecture.

Pas de spam. Désinscription en un clic.
à lire ensuite

Sur le même sujet

← Retour au fil

Tapez au moins deux caractères.

naviguer ouvrir esc fermer