L’assistant Claude Code aide Linus Torvalds à corriger un problème de cache mémoire Linux

Linus Torvalds a commencé à utiliser l’intelligence artificielle pour écrire du code pour le noyau Linux, en s’appuyant sur l’assistant Claude Code d’Anthropic pour corriger un problème persistant de cache mémoire. Cette incursion expérimentale, publiée en octobre 2026, relance le débat sur l’automatisation du développement open source.

Le créateur et responsable principal de Linux a franchi un pas marquant en publiant une série de correctifs sur une branche expérimentale de son dépôt personnel, baptisée noref-filemap-read-with-llm. Loin d’être un simple gadget, ce projet s’attaque à un goulot d’étranglement historique lié à la gestion du cache de pages, un problème documenté dès 2024 par Matthew Wilcox, ingénieur chez Oracle et spécialiste de la mémoire du noyau Linux.

La genèse des correctifs et le rôle de l’assistant Claude Code

L’utilisation de l’intelligence artificielle ne s’est pas limitée à une simple suggestion de code. Dans la documentation d’accompagnement de la série de correctifs, Linus Torvalds a explicitement détaillé la contribution de l’outil d’Anthropic, supervisé directement depuis sa machine.

Linus Torvalds a indiqué selon Computerworld : Le code, les programmes de test, la révision qui forme la base de la liste ci-dessus et le premier brouillon de ce texte ont été produits avec l’aide d’un assistant de code LLM (Claude Code) sous ma supervision.

Cette approche pragmatique tranche avec ses déclarations d’octobre 2024, où il qualifiait alors 90 % des discours sur l’intelligence artificielle de simple battage médiatique. Un autre catalyseur cité dans le milieu du développement fut la sortie en mars 2026 de l’agent de révision de code de Google, Sashiko, capable de repérer un nombre significatif de bogues non détectés par les humains.

Des performances spectaculaires mesurées sur les ordinateurs portables et les processeurs Threadripper

Le code généré et révisé sous la direction de Torvalds cible un point de friction critique : les lectures parallèles répétées sur un même fichier en cache, qui s’accompagnaient d’une forte concurrence sur le compteur de références des folios mémoire. En modifiant la gestion de la mémoire à l’intérieur d’une section critique RCU, l’approche permet d’éviter ces conflits constants entre cœurs.

Les gains de performance mesurés par Torvalds sur son Ryzen Threadripper et son ordinateur portable Core i7-8565U se révèlent considérables lors des tests synthétiques, même si l’impact réel sur des charges de travail en production reste à confirmer.

Défis techniques, détection de bogues et transmission du code à Kiryl Shutsemau

Malgré des performances impressionnantes sur le papier, la branche expérimentale comporte des compromis techniques non négligeables. Les premiers essais ont entraîné des régressions sur les pages non mappées, augmentant le coût de certaines opérations isolées, et ont même provoqué des déclenchements de la protection anti-saturation mémoire (OOM killer) dans certaines machines virtuelles sous forte tension.

Conscient de ces limites, Torvalds a confié la poursuite du développement à Kiryl Shutsemau, un développeur du noyau spécialisé dans la gestion de la mémoire, afin de peaufiner l’architecture et d’examiner les conditions de course signalées par les relecteurs.

Parallèlement, l’utilisation d’outils automatisés soulève des frictions plus larges dans l’écosystème. Quelques mois auparavant, Torvalds s’était agacé de l’afflux de rapports de failles de sécurité générés par des intelligences artificielles sans discernement, qu’il qualifiait de presque entièrement intenables sur la liste de diffusion dédiée. La différence réside ici dans la rigueur de la démarche : un code soumis à des métriques strictes, exécuté sur du matériel réel et assumé de bout en bout par un mainteneur humain.