En tant que logiciel de suivi de projets cloud lundi.comÀ mesure que son organisation d’ingénierie s’est développée pour atteindre 500 développeurs, l’équipe a commencé à ressentir la pression de son propre succès. Les gammes de produits se multipliaient, les microservices proliféraient et le code circulait plus rapidement que les réviseurs humains. Les entreprises ont besoin d’un moyen d’examiner des milliers de demandes d’extraction chaque mois sans épuiser les développeurs ni compromettre la qualité.
C’est à ce moment-là que Guy Regev, vice-président de la R&D et de la croissance et chef de l’équipe Monday Dev, a commencé à expérimenter un nouvel outil d’IA. excavationUne startup israélienne axée sur les agents développeurs. Ce qui a commencé comme une expérience légère est rapidement devenu une partie importante de l’infrastructure de livraison de logiciels de monday.com. Une nouvelle étude de cas Publié aujourd’hui par Qodo et monday.com.
“Kodo ne ressemble pas à un autre outil, c’est comme ajouter un nouveau développeur à l’équipe qui apprend réellement comment nous travaillons”, a déclaré Regev à VentureBeat lors d’une récente interview par appel vidéo, notant qu’il “a empêché plus de 800 numéros d’atteindre la production chaque mois, certains d’entre eux pouvant potentiellement causer de graves vulnérabilités de sécurité”.
Contrairement aux outils de génération de code comme GitHub Copilot ou Cursor, Qodo n’essaie pas d’écrire du nouveau code. Au lieu de cela, il se spécialise dans sa révision en utilisant ce qu’il appelle Ingénierie du contexte Comprendre non seulement ce qui a changé dans une pull request, mais aussi pourquoi, comment cela s’aligne sur la logique métier et si cela suit les meilleures pratiques internes.
“Vous pouvez appeler du code Clod ou un curseur et obtenir 1 000 lignes de code en cinq minutes”, a déclaré Itamar Friedman, co-fondateur et PDG de Kodo, dans la même interview par appel vidéo avec Regev. “Vous disposez de 40 minutes et vous ne pouvez pas le réviser. Vous avez donc besoin de Qodo pour le réviser.”
Pour monday.com, cette fonctionnalité n’était pas seulement utile : elle était également transformatrice.
Révision du code, à grande échelle
À tout moment, les développeurs de monday.com diffusent des mises à jour sur des centaines de référentiels et de services. L’organisation d’ingénierie travaille en équipes étroitement intégrées, chacune alignée sur des parties spécifiques du produit : marketing, CRM, outils de développement, plateformes internes, etc.
C’est là que Qodo est entré en jeu. La plate-forme de l’entreprise utilise l’IA non seulement pour vérifier les bogues évidents ou les violations de style, mais aussi pour évaluer si une pull request suit les conventions spécifiques à l’équipe, les directives architecturales et les modèles historiques.
Pour ce faire, il apprend de votre propre base de code : formation à partir de PR précédents, de commentaires, de fusions et même de fils de discussion Slack pour comprendre le fonctionnement de votre équipe.
“Les commentaires de Kodo ne sont pas génériques : ils reflètent nos valeurs, notre bibliothèque et même nos normes pour des éléments tels que les indicateurs de fonctionnalités et la confidentialité”, explique Regev. “Il ne s’agit pas d’outils traditionnels adaptés au contexte.”
Que signifie réellement « ingénierie de contexte » ?
Appelez Qodo sa sauce secrète Ingénierie du contexte — Une approche au niveau du système pour gérer ce que le modèle voit lors de la prise de décision.
Cela inclut bien sûr les différences dans le code PR, mais inclut également les discussions précédentes, la documentation, les fichiers pertinents du dépôt, et même les résultats des tests et les données de configuration.
L’idée est que les modèles de langage ne « pensent » pas vraiment : ils prédisent simplement le prochain jeton en fonction des entrées qui leur sont fournies. La qualité de leur production dépend donc presque entièrement de la qualité et de la structure de leurs intrants.
Dana Fine, en tant que Community Manager de Kodo, appelle cela un Article de blog: “Vous n’écrivez pas seulement des invites ; vous concevez une entrée structurée sous une certaine limite de jetons. Chaque jeton est une décision de conception.”
Ce n’est pas seulement de la théorie. Dans le cas de monday.com, cela signifie que Qodo peut détecter non seulement les bogues évidents, mais aussi les bogues subtils qui échapperaient normalement aux évaluateurs humains : variables codées en dur, solutions de secours manquantes ou violations des conventions d’architecture inter-équipes.
Un exemple est valable. Dans un récent PR, Qodo a signalé une ligne qui exposait par inadvertance une variable d’environnement de test – qu’aucun évaluateur humain n’a détectée. S’ils sont combinés, cela peut entraîner des problèmes de production.
“Les heures que nous passerons à résoudre cette faille de sécurité et les problèmes juridiques qu’elle entraînera dépasseront de loin les heures que nous gagnerons grâce à une pull-request”, a déclaré Regev.
Intégration dans le pipeline
Aujourd’hui, Qodo est profondément intégré au flux de développement de monday.com, analysant les demandes d’extraction et formulant des recommandations contextuelles basées sur les révisions précédentes du code de l’équipe.
“Cela ne ressemble pas à un autre outil… c’est comme à un autre coéquipier qui rejoint le système – qui apprend comment nous travaillons”, a noté Regev.
Les développeurs reçoivent des commentaires au cours du processus d’examen et contrôlent la décision finale : un modèle humain dans la boucle qui a été essentiel à l’adoption.
Étant donné que Qodo est intégré directement à GitHub via des actions de demande d’extraction et des commentaires, l’équipe d’infrastructure de Monday.com n’a pas été confrontée à une courbe d’apprentissage abrupte.
“Il s’agit simplement d’une action GitHub”, a déclaré Regev. “Cela crée un PR avec le test. Ce n’est pas comme un outil séparé que nous avons dû apprendre.”
“L’objectif est vraiment d’aider les développeurs à apprendre le code, à s’en approprier, à se donner mutuellement des commentaires et à en tirer des leçons, et à établir des normes”, a ajouté Friedman.
Résultats : temps gagné, bugs évités
Depuis le lancement plus large de Qodo, monday.com a constaté des améliorations mesurables au sein de plusieurs équipes.
L’analyse interne montre que les développeurs gagnent en moyenne environ une heure par pull request. Multipliez cela par des milliers de PR par mois, et les économies s’élèvent rapidement à des milliers d’heures de développement par an.
Il ne s’agit pas uniquement de problèmes esthétiques : nombre d’entre eux sont liés à la logique métier, à la sécurité ou à la stabilité de l’exécution. Et comme les suggestions de Qodo reflètent les conventions actuelles de monday.com, les développeurs sont plus susceptibles d’y travailler.
La précision du système réside dans sa conception axée sur les données. Qodo se forme sur la base de code individuelle et les données historiques de chaque entreprise, en s’adaptant aux différents styles et pratiques d’équipe. Il ne repose pas sur des règles universelles ou des ensembles de données externes. Tout est sur mesure.
Des outils internes à la vision produit
L’équipe de Regev a été tellement impressionnée par l’impact de Qodo qu’elle a commencé à planifier une intégration plus approfondie entre Qodo et Monday Dev, créant ainsi la gamme de produits monday.com axée sur les développeurs.
La vision est de créer un flux de travail dans lequel le contexte commercial (tâches, tickets, commentaires des clients) circule directement vers la couche de révision du code. De cette façon, les réviseurs peuvent évaluer non seulement si le code « fonctionne », mais aussi s’il résout le bon problème.
“Avant, nous avions des linters, des règles de danger, une analyse statique… basée sur des règles… vous devez configurer toutes les règles”, a déclaré Regev. “Mais vous ne savez pas ce que vous ne savez pas… Codo… on dirait qu’il apprend de nos ingénieurs.”
Cela correspond étroitement à la propre feuille de route de Qodo. L’entreprise ne se contente pas de réviser le code. Il construit une plate-forme complète d’agents de développement, notamment Qodo Gen pour la génération de code contextuel, Qodo Merge pour l’analyse automatisée des relations publiques et Qodo Cover, un agent de tests de régression qui utilise la validation d’exécution pour garantir la couverture des tests.
Tout cela est alimenté par la propre infrastructure de Qodo, y compris son nouveau modèle d’intégration open source, Qodo-Embed-1-1.5B, qui surpasse les offres d’OpenAI et de Salesforce dans les tests de récupération de code.
Quelle est la prochaine étape ?
Qodo propose désormais sa plate-forme sous un modèle freemium : gratuit pour les particuliers, à prix réduit pour les startups via le programme Perks de Google Cloud et de niveau entreprise pour les entreprises qui ont besoin de SSO, d’un déploiement isolé ou de contrôles avancés.
La société travaille déjà avec des équipes de NVIDIA, Intuit et d’autres sociétés Fortune 500. Et grâce à un récent partenariat avec Google Cloud, les modèles de Qodo sont disponibles directement dans Model Garden de Vertex AI, ce qui facilite leur intégration dans les pipelines d’entreprise.
“Les moteurs contextuels seront la grande histoire de 2026”, a déclaré Friedman. “Chaque entreprise doit construire son propre deuxième cerveau si elle veut une IA capable de réellement la comprendre et de l’aider.”
À mesure que les systèmes d’IA sont de plus en plus intégrés au développement de logiciels, des outils comme Qodo montrent comment le bon contexte, fourni au bon moment, peut transformer la façon dont les équipes créent, expédient et font évoluer le code dans toute l’entreprise.
