Avec la version 9.50 de ses produits phares IAR Embedded Workbench for Arm et IAR Build Tools for Arm, l’éditeur suédois d’outils de développement IAR estime avoir fait un pas important dans le domaine du développement et du débogage de logiciels embarqués sur des plates-formes virtuelles architecturées autour de processeurs Arm.

Concrètement, la solution s’appuie sur la prise en charge du matériel virtuel AVH (Arm Virtual Hardware) et du débogueur et simulateur C-SPY pour Linux de la société, afin de simuler une large gamme de matériels fondés sur Arm dans le cloud. Ce qui permet un développement logiciel précoce avant la disponibilité des puces physiques, tout en s'intégrant de manière fluide aux flux de travail CI/CD (Continuous Integration/Continuous Development, intégration continue/livraison ou déploiement continu) et MLOps (*).

Parallèlement, le débogueur et simulateur C-SPY pour Linux procure aux développeurs des outils qui prennent en charge les flux de travail automatisés ainsi que le produit de débogage matériel I-jet d’IAR. Ces optimisations visent à améliorer l’efficacité et les temps de tests dans les pipelines CI/CD.

Au-delà, l’intégration des modules complémentaires C-SPY et C-RUN d’IAR dans l'environnement Linux augmente les possibilités d’analyse du code (y compris une analyse statique).

« Arm s'engage à garantir aux développeurs un accès simplifié et rationalisé aux outils dont ils ont besoin pour innover, précise Reinhard Keil, directeur de la technologie embarquée chez Arm. L'intégration de la technologie Arm Virtual Hardware dans la dernière version des outils d'IAR va modifier la donne pour les développeurs embarqués, car elle accélère les processus de développement et permet des flux de travail modernes tels que le développement piloté par les tests dans le cadre d’une méthodologie d’intégration continue. »

Selon IAR, cette approche permet de tester et valider les logiciels embarqués dans divers scénarios et de favoriser le développement collaboratif à travers le cloud en s'alignant sur les tendances actuelles vers le travail à distance. De fait, ces fonctionnalités ouvrent la voie à une collaboration transparente en équipe, quel que soit l'emplacement des développeurs en exploitant la puissance de calcul du cloud computing pour les tests.

(*) MLOps est un ensemble de pratiques qui visent à déployer et maintenir des modèles d’apprentissage automatique (ML, Machine Learning) en production de manière fiable et efficace.