La vélocité des développeurs, c’est-à-dire la vitesse à laquelle une organisation livre du code, est souvent affectée par des processus nécessaires mais longs tels que la révision du code, la rédaction de la documentation et les tests. Les inefficacités menacent de rendre ces processus encore plus longs. Selon une source, les développeurs perdent 17,3 heures par semaine à cause de la dette technique et du mauvais code, c’est-à-dire du code non fonctionnel.
Matan Grinberg, docteur en apprentissage automatique, et Eno Reyes, anciennement data scientist chez Hugging Face et Microsoft, ont pensé qu’il devait y avoir une meilleure solution.
Lors d’un hackathon à San Francisco, Matan Grinberg et Eno Reyes ont construit une plateforme capable de résoudre de manière autonome des problèmes de codage simples – une plateforme qui, plus tard, leur est apparue comme ayant un potentiel commercial. Après le hackathon, ils ont élargi la plateforme pour traiter davantage de tâches de développement logiciel et ont fondé une société, Factory, pour monétiser ce qu’ils avaient construit.
« La mission de Factory est d’apporter de l’autonomie à l’ingénierie logicielle », a déclaré Grinberg à TechCrunch lors d’une interview par e-mail. « Plus concrètement, Factory aide les grandes organisations d’ingénierie à automatiser des parties de leur cycle de vie de développement logiciel via des systèmes autonomes alimentés par l’IA. »
Les systèmes de Factory – que Grinberg appelle « droïdes », un terme qui pourrait poser problème à Lucasfilm – sont conçus pour jongler avec diverses tâches d’ingénierie logicielle répétitives et banales, mais qui prennent normalement beaucoup de temps. Par exemple, Factory a des « droïdes » pour réviser le code, le refactoriser ou le restructurer et même générer du nouveau code à partir d’invites à la GitHub Copilot.
Grinberg explique : « Le droïde de révision laisse des critiques de code perspicaces et fournit un contexte aux réviseurs humains pour chaque modification apportée à la base de code. Le droïde de documentation génère et met continuellement à jour la documentation en fonction des besoins. Le droïde de test écrit des tests et maintient le pourcentage de couverture des tests au fur et à mesure que le nouveau code est fusionné. Le droïde de connaissance vit dans votre plateforme de communication (par exemple Slack) et répond aux questions plus profondes sur le système d’ingénierie. Enfin, le droïde de projet aide à planifier et à concevoir des exigences basées sur les tickets de support client et les demandes de fonctionnalités. »
Tous les droïdes de Factory sont construits sur ce que Grinberg appelle le « cœur du droïde » : un moteur qui ingère et traite les données du système d’ingénierie d’une entreprise pour construire une base de connaissances, et un algorithme qui tire des informations de la base de connaissances pour résoudre divers problèmes d’ingénierie. Un troisième composant du noyau Droid, le moteur de réflexion, agit comme un filtre pour les modèles d’IA de tiers que Factory exploite, ce qui permet à l’entreprise de mettre en œuvre ses propres mesures de protection, ses meilleures pratiques en matière de sécurité, etc. en plus de ces modèles.
« Le point de vue de l’entreprise est qu’il s’agit d’une suite logicielle qui permet aux organisations d’ingénierie de produire de meilleurs produits plus rapidement, tout en améliorant le moral des ingénieurs en allégeant la charge des tâches fastidieuses telles que la révision du code, les documents et les tests », a déclaré Grinberg. « De plus, en raison de la nature autonome des Droïdes, il n’est pas nécessaire d’éduquer ou d’initier les utilisateurs.
Maintenant, si Factory peut automatiser de manière cohérente et fiable toutes ces tâches de développement, la plateforme serait vraiment rentable. Selon une étude réalisée en 2019 par Tidelift et The New Stack, les développeurs passent 35 % de leur temps à gérer le code, y compris les tests et les réponses aux problèmes de sécurité, et moins d’un tiers de leur temps à coder réellement.
Mais la question est de savoir si c’est possible.
Même les meilleurs modèles d’IA d’aujourd’hui ne sont pas à l’abri d’erreurs catastrophiques. Une étude de Stanford suggère que les ingénieurs en logiciel qui utilisent l’IA génératrice de code sont plus susceptibles de provoquer des failles de sécurité dans les applications qu’ils développent.
M. Grinberg n’a pas caché que Factory ne disposait pas du capital nécessaire pour former tous ses modèles en interne et qu’il était donc à la merci des limitations imposées par des tiers. Mais, affirme-t-il, la plateforme Factory continue d’offrir de la valeur tout en s’appuyant sur des fournisseurs tiers pour une partie de la puissance de l’IA.
« Notre approche consiste à construire ces systèmes d’IA et ces architectures de raisonnement, à utiliser des modèles … de pointe et à établir des relations avec les clients pour fournir de la valeur dès maintenant », a déclaré M. Grinberg. « En tant que jeune entreprise, c’est une bataille perdue d’avance que de former des modèles (de grande taille). Par rapport aux entreprises en place, vous n’avez aucun avantage financier, aucun avantage en termes d’accès aux puces, aucun avantage en termes de données et (presque certainement) aucun avantage technique ».
Le jeu à long terme de l’usine est de former davantage de ses propres modèles d’IA pour construire un système d’IA d’ingénierie « de bout en bout » – et de différencier ces modèles en sollicitant les données de formation d’ingénierie de ses premiers clients, a déclaré M. Grinberg.
« Au fil du temps, nous disposerons de plus de capitaux, la pénurie de puces se résorbera et nous aurons un accès direct (avec autorisation) à un trésor de données (c’est-à-dire la chronologie historique d’organisations entières d’ingénieurs) », a-t-il poursuivi. « Nous construirons des droïdes robustes, entièrement autonomes – avec un minimum d’interaction humaine – et adaptés aux besoins des clients dès le premier jour.
Ce point de vue est-il trop optimiste ? Peut-être. Le marché des startups spécialisées dans l’IA devient chaque jour plus compétitif.
Mais à la décharge de Grinberg, Factory travaille déjà avec un noyau dur d’une quinzaine d’entreprises. M. Grinberg n’a pas voulu citer de noms, sauf ceux des clients, qui ont utilisé la plateforme de Factor pour réaliser des milliers de revues de code et des centaines de milliers de lignes de code à ce jour, et dont la taille va de la phase d’amorçage à celle de la société cotée en bourse.
Factory a récemment clôturé un tour de table de 5 millions de dollars co-dirigé par Sequoia et Lux avec la participation de SV Angel, BoxGroup, Ali Ghodsi, PDG de DataBricks, Clem Delangue, co-fondateur de Hugging Face, et d’autres. M. Grinberg indique que les nouveaux capitaux seront consacrés à l’élargissement de l’équipe de six personnes de Factory et à l’extension des capacités de la plate-forme.
« Les principaux défis dans cette industrie de génération de code d’IA sont la confiance et la différenciation », a-t-il déclaré. « Chaque vice-président de l’ingénierie souhaite améliorer le rendement de son organisation grâce à l’IA. Ce qui fait obstacle, c’est le manque de fiabilité de nombreux outils d’IA et la réticence des grandes organisations labyrinthiques à faire confiance à cette nouvelle technologie à l’allure futuriste… Factory construit un monde où le génie logiciel lui-même est un produit accessible et évolutif. »