Qodo contextualise la revue de code par IA avec Codex
Qodo intègre le contexte de l’organisation et les normes de la base de code à Codex, aidant les développeurs à détecter les problèmes P0 entre dépôts.
Qodo(ouverture dans une nouvelle fenêtre) crée des outils d’IA pour la revue de code et la qualité logicielle, en donnant aux agents de programmation les connaissances de l’organisation nécessaires pour comprendre le code qu’ils modifient. Itamar Friedman, cofondateur et PDG, le décrit comme « le meilleur ami de l’agent de programmation ».
Qodo utilise les modèles d’OpenAI, dont GPT‑6 Astra, pour recueillir les connaissances des équipes d’ingénierie, examiner le code et suivre la qualité logicielle. Son plugin Codex intègre ce contexte et cette revue aux sessions de programmation des développeurs.
« Nous adorons les modèles d’OpenAI. Nous voulons des modèles de pointe, les meilleurs modèles de raisonnement, mais aussi des modèles vraiment rapides. »
Itamar décrit des environnements clients qui peuvent compter 10 000 dépôts ou plus, où une modification locale du code peut perturber un service en aval, même si elle semble correcte en elle-même. Pour y remédier, Qodo a créé un plugin disponible sur la marketplace de Codex.
« Codex excelle à prendre en charge une tâche locale et à l’accomplir efficacement », explique Itamar. Le plugin de Qodo donne à Codex accès aux connaissances sur la base de code, aux règles de l’organisation et à une revue indépendante via l’Agentic Toolbox de Qodo.
Grâce au contexte, Codex peut prendre en compte les dépendances entre dépôts, y compris ceux hébergés par différents fournisseurs Git ou les services connectés via Kafka. « Qodo fera le lien et aidera Codex à considérer le logiciel dans son ensemble pour ne pas passer à côté de ces bugs P0 », explique Itamar.
Avant de commencer à écrire du code, Codex peut utiliser le plugin de Qodo pour récupérer les règles pertinentes de la base de code, ainsi que l’historique et les schémas récurrents des pull requests. Une fois les modifications effectuées par Codex, Qodo les examine et lui transmet directement ses conclusions dans la même session, avant que le développeur n’ouvre une pull request.
Nnenna Ndukwe, responsable des relations développeurs IA chez Qodo, voit les développeurs utiliser ce workflow pour créer des fonctionnalités et s’attaquer à la dette technique avec les modèles GPT‑6 dans Codex. Ils automatisent le passage de relais entre le travail de programmation de Codex et la revue indépendante de Qodo. « C’est ce que je vois les développeurs faire, et c’est vraiment enthousiasmant, car GPT‑6 est extrêmement performant », explique Nnenna.
Itamar décrit les agents de programmation et de revue comme « le yin et le yang » : l’un crée le code, l’autre le met à l’épreuve. 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 conclusions et « ne fassent remonter que ce qu’ils n’acceptent pas » pour une revue humaine. Les développeurs se chargeraient alors de la planification et de la revue, avec la possibilité d’examiner les problèmes non résolus ainsi que les échanges des agents, le contexte et les décisions antérieures des développeurs.
« C’est ainsi qu’on crée la confiance », explique Itamar. « Je pense que cela rend l’ensemble du processus plus efficace », ajoute Nnenna. « Nous pouvons tirer le meilleur parti de notre expertise. »
En interne chez Qodo, Nnenna utilise les niveaux d’effort Très élevé et Ultra de GPT‑6 Astra dans ses propres workflows de développement automatisés ainsi que pour ses tâches intellectuelles.
« Qu’est-ce que Codex ne fait pas ? J’adore tout ce que fait Codex. J’adore l’idée d’associer IA et automatisation. »
Nnenna programme Codex pour qu’il dresse le bilan de ses réalisations de la semaine et lui indique sur quoi se concentrer ou comment progresser ensuite. Elle l’utilise aussi pour étudier les échanges sur l’ingénierie agentique sur les réseaux sociaux et proposer des idées de contenus destinés aux 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 affiner.
Itamar voit dans l’API Decisions, récemment lancée par OpenAI, un moyen de choisir les règles et les compétences d’agent à appliquer à chaque étape du développement, plutôt que de s’en remettre aux modèles de langage pour chaque décision.
Il cite un exemple où l’API Decisions pourrait sélectionner, parmi 200 règles, celles à vérifier avant qu’un modèle de langage ne 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 associe « les meilleurs aspects de l’intelligence artificielle et ceux de l’ingénierie logicielle traditionnelle et du scripting », explique Nnenna. Les connaissances de l’entreprise guident les agents de programmation, une revue indépendante vérifie leur travail, et l’expertise humaine résout les questions en suspens.
Cela pose les bases de ce qu’Itamar décrit comme une usine logicielle : un système que les clients pourraient assembler et posséder, réunissant des agents de programmation et de revue capables de comprendre comment les logiciels évoluent en production.
Avec OpenAI, Qodo construit un avenir où les agents de programmation exploitent davantage l’expérience de l’entreprise et où les développeurs peuvent exercer leur jugement là où il compte le plus.
