Défense demémoire de Manal El Kaïdi et Abdelrahman Gad

Fine-tuning d'un LLM pour la Génération de Spécifications OpenAPI

 

Les spécifications OpenAPI jouent un rôle central dans la documentation des APIs REST, mais leur rédaction manuelle est souvent chronophage et sujette à des erreurs. Parallèlement, les modèles de langage de grande taille (LLMs) se sont rapidement imposés dans de nombreux domaines du développement logiciel. Ils sont devenus des assistants puissants et polyvalents, capables de générer du code, de produire des tests ou encore d'aider au débuggage. Leur capacité à générer un texte cohérent ouvre de nouvelles perspectives pour automatiser certaines étapes techniques. Ce travail s'intéresse à la capacité des LLMs à générer des spécifications conformes aux règles du standard OpenAPI, aux bonnes pratiques reconnues, ainsi qu'aux conventions propres à chaque organisation, à partir d'une simple description fonctionnelle.

Nous analysons d'abord les limites des modèles généralistes, puis nous explorons le fine-tuning d'un LLM open source sur un jeu de données synthétique valide selon un ensemble de règles. L'expérimentation consiste à comparer les performances avant et après ce fine-tuning. Après le fine-tuning, nous constatons une nette amélioration de la fiabilité et de la conformité des spécifications générées. Ces résultats montrent le potentiel des LLMs spécialisés pour produire des spécifications conformes à partir de simples descriptions fonctionnelles, renforçant ainsi la fiabilité et la rapidité du processus de conception des APIs.

Mots-clés : OpenAPI, génération de spécifications, Grands modèles de langage, fine-tuning, Spectral, API, REST, conventions organisationnelles

 

Contact : Benjamine Lurquin - secretariat.info@unamur.be
Télecharger : vCal