Qodo contextualise la revue de code par IA avec Codex
Qodo intègre le contexte organisationnel et les normes de la base de code à Codex pour aider les développeurs à détecter les problèmes P0 entre les dépôts.
Qodo(s'ouvre dans une nouvelle fenêtre) crée des outils d’IA pour la revue de code et la qualité logicielle, en donnant aux agents de codage les connaissances organisationnelles nécessaires pour comprendre le code qu’ils modifient. Son cofondateur et PDG, Itamar Friedman, le décrit comme « le meilleur ami de l’agent de codage ».
Qodo utilise des modèles d’OpenAI, dont GPT‑6 Astra, pour recueillir des connaissances en ingénierie, examiner le code et surveiller la qualité logicielle. Son plugiciel Codex intègre ce contexte et cette revue aux sessions de codage des développeurs.
« Nous adorons les modèles d’OpenAI. Nous voulons ce qui se fait de mieux, les meilleurs modèles de raisonnement, mais aussi ceux qui sont vraiment rapides. »
Itamar décrit des environnements clients pouvant compter 10 000 dépôts ou plus, où une modification locale du code peut perturber un service en aval, même si elle semble correcte en soi. Pour y remédier, Qodo a créé un plugiciel offert sur la place de marché Codex.
« Codex excelle vraiment à prendre en charge une tâche locale et à l’accomplir efficacement », explique Itamar. Le plugiciel de Qodo donne à Codex accès aux connaissances sur la base de code, aux règles organisationnelles et à une revue indépendante grâce à l’Agentic Toolbox de Qodo.
Grâce au contexte, Codex peut tenir compte des dépendances entre les dépôts, y compris ceux hébergés par différents fournisseurs Git ou les services connectés par Kafka. « Qodo fera ce lien et aidera Codex à examiner le logiciel dans son ensemble pour ne pas manquer ces bogues P0 », explique Itamar.
Avant de commencer à écrire du code, Codex peut utiliser le plugiciel de Qodo pour récupérer les règles pertinentes de la base de code ainsi que l’historique et les tendances des pull request. Une fois les modifications effectuées par Codex, Qodo les examine et lui transmet directement ses constats dans la même session, avant que le développeur ouvre une pull request.
Nnenna Ndukwe, responsable des relations avec les développeurs en IA chez Qodo, voit des développeurs utiliser ce flux de travail pour créer des fonctionnalités et s’attaquer à la dette technique avec les modèles GPT‑6 dans Codex. Ils automatisent le passage du travail de codage de Codex à la revue indépendante de Qodo. « C’est ce que je vois les développeurs faire, et c’est vraiment enthousiasmant, parce que GPT‑6 est extrêmement performant », explique Nnenna.
Itamar compare les agents de codage et de revue au « yin et au yang » : l’un crée le code, l’autre le remet en question. Chaque rôle nécessite sa propre configuration et son propre contexte, et peut faire intervenir plusieurs agents. Sa vision est que les agents discutent de leurs constats et « ne soumettent que ce qu’ils n’acceptent pas » à une revue humaine. Les développeurs deviendraient des planificateurs et des réviseurs, capables d’examiner les problèmes non résolus ainsi que les échanges des agents, le contexte et les décisions antérieures des développeurs.
« C’est comme ça qu’on crée la confiance », affirme Itamar. « Je pense que cela rend l’ensemble du processus plus efficace », ajoute Nnenna. « Nous pouvons tirer parti du meilleur de notre expertise. »
À l’interne chez Qodo, Nnenna utilise les niveaux d’effort Très élevé et Ultra de GPT‑6 Astra dans ses propres flux de développement automatisés ainsi que dans son travail intellectuel.
« Qu’est-ce que Codex ne fait pas? J’adore tout ce que fait Codex. J’adore l’idée de combiner l’IA et l’automatisation. »
Nnenna programme Codex pour qu’il fasse le bilan de ses réalisations de la semaine et relève les points sur lesquels elle pourrait se concentrer ou s’améliorer. Elle l’utilise aussi pour explorer les conversations sur l’ingénierie agentique sur les plateformes sociales et proposer des idées de contenu pour les développeurs. Pour ses propres modifications de code, elle programme Codex afin qu’il analyse son travail et suggère des compétences d’agent à créer ou à améliorer.
Itamar voit dans Decisions API récemment lancée par OpenAI une occasion de choisir les règles et les compétences d’agent à appliquer à chaque étape du développement, plutôt que de s’appuyer sur des modèles de langage pour chaque décision.
Il cite un exemple où Decisions API pourrait sélectionner, parmi 200 règles, celles à vérifier avant qu’un modèle de langage raisonne sur les règles pertinentes, accélérant ainsi la sélection et réduisant son coût tout en améliorant la qualité de la revue. « L’API Decisions représente pour nous une immense occasion de renforcer la confiance dans le processus », explique Itamar.
L’approche de Qodo combine « les meilleurs aspects de l’intelligence artificielle et les meilleurs aspects du génie logiciel traditionnel et de la programmation de scripts », explique Nnenna. Les connaissances de l’entreprise guident les agents de codage, une revue indépendante vérifie leur travail et l’expertise humaine résout les questions restantes.
Cela jette les bases de ce qu’Itamar décrit comme une usine logicielle : un système que les clients pourraient assembler et posséder, réunissant des agents de codage et de revue avec une compréhension de l’évolution des logiciels en production.
Avec OpenAI, Qodo bâtit un avenir où les agents de codage exploitent davantage l’expérience d’une entreprise et où les développeurs peuvent exercer leur jugement là où il compte le plus.
