Concho AI a présenté aujourd'hui sa plate-forme phare, une plate-forme d'intelligence artificielle qui comprend le développement de logiciels et le travail d'application, offrant une compréhension sémantique approfondie et une organisation qui permettent aux développeurs et aux agents d'IA de transformer et de moderniser des bases de code massives et tentaculaires en quelque chose de gérable.
« Son travail consiste à fournir un niveau d'intelligence que vous obtiendriez normalement d'un consultant ou d'un architecte coûteux à quiconque veut savoir ce que dit le code », a déclaré Bruce Henderson, directeur de la technologie, à SiliconANGLE dans une interview exclusive.
Maintenant que l’industrie du logiciel se lance dans l’IA agentique, les développeurs découvrent que les agents peuvent générer d’énormes volumes de code. Pour le développement de nouveaux sites et les référentiels plus petits, ils fonctionnent bien. Les modèles Frontier et les tailles de fenêtres contextuelles standard du secteur leur permettent de « voir » des projets entiers à la fois, ce qui leur permet de rassembler suffisamment de données et de connaissances pour effectuer un travail important.
Cependant, selon Henderson, à mesure que les projets vieillissent, puisqu'ils atteignent des millions de lignes de code dans plusieurs langages et sont passés par plusieurs générations de développeurs, cela peut éroder la capacité des agents d'IA à travailler efficacement et avec précision. De plus, à mesure que le temps passe dans n'importe quelle base de code, quelque chose d'encore plus terrible se produit : les développeurs en viennent à ne pas aimer écrire de la documentation, ou négligent tout simplement de le faire. Il est courant que les bases de code plus anciennes contiennent du code « fantôme » qui existe dans un but précis, mais son fonctionnement et sa valeur peuvent avoir été perdus lorsque les développeurs ont quitté l'entreprise il y a des années.
« Ce que vous regardez est une combinaison de système critique pour l'entreprise et de merveille archéologique », a expliqué Henderson.
L’IA générative a rendu la production de nouveaux codes peu coûteuse. La récupération des connaissances à partir des systèmes embarqués et anciens reste considérablement plus difficile.
Concho analyse une application et fournit ses résultats à un assistant IA existant plutôt que de demander aux développeurs d'adopter des outils ou des agents de codage entièrement distincts. Il s'agit d'une « couche de faits » intermédiaire qui agit comme un plugin de graphe de connaissances et permet aux utilisateurs d'explorer ce que signifie une application, y compris son architecture et son comportement commercial, plutôt que d'inspecter des fichiers et des procédures individuels.
Ces informations sont ensuite exposées à des outils tels que Claude d'Anthropic PBC via le Model Context Protocol. Cela le rend immédiatement utile aux codeurs et aux utilisateurs professionnels. Cela signifie que n'importe qui peut s'asseoir, parler à l'assistant IA de son choix et recevoir des connaissances intelligentes et conventionnelles sur la base de code et les données commerciales.
Apporter de la vérité au code en le rendant plus facile à lire
Sous le capot, Concho utilise ce que Henderson appelle un « précompilateur cognitif » car il effectue une grande partie du travail de découverte et de mise en œuvre des applications avant qu'un utilisateur ou un agent ne pose une question. Le modèle factuel qui en résulte peut renvoyer un aperçu architectural compact ou plonger dans une analyse approfondie, étayée par des preuves spécifiques provenant de sources.
Sur le terrain, plusieurs clients utilisent déjà Concho pour comprendre leurs systèmes et créer de meilleures applications.
Par exemple, Clearwave, une société de technologie médicale financée par des capitaux privés, utilise le produit dans le cadre de ses offres, ce qui lui permet de comprendre le « codage médical », un ensemble complexe de directives de tarification pour les procédures qui ne correspondent pas toujours aux normalisations.
La société dispose également d'un petit groupe de développeurs chevronnés qui agissent comme mentors pour l'application. Concho est utilisé pour transférer une partie de ces connaissances à d'autres équipes sans que les experts n'aient besoin de les consulter à chaque heure de la journée pour la maintenance de routine.
« Leur offre de base compte plus de 12 millions de lignes de code, et cela existe depuis un certain temps », a déclaré Henderson. « Cela a subi un certain nombre de changements, et c'est très enchevêtré et complexe. »
Concho s'étend également au-delà du code et s'étend à la valeur et à l'objectif de l'entreprise. Par exemple, le PDG pourrait utiliser le système pour transmettre des données précises à un assistant IA et obtenir une mise à jour sur ce qui se passe dans l'entreprise, le tout sans déranger l'équipe d'ingénierie.
« Les ingénieurs sont un peu moins grincheux car ils n'ont pas besoin d'assister à toutes ces réunions pour essayer d'expliquer le point de vue des techniciens », a ajouté Henderson. « Les ventes, le support et les opérations travaillent tous désormais via l'outil de leur choix, qui est Claude. Ils travaillent via Claude pour parler au moteur Concho et effectuer leur tri de première ligne avec l'IA. »
Clearwave a commencé avec la plateforme en tant qu'outil d'ingénierie, mais le modèle de compréhension des applications s'est avéré utile aux dirigeants, aux équipes produit, aux ventes, au support et aux opérations. Henderson a expliqué que cela est dû à sa profonde compréhension contextuelle de la surface de connaissances des applications de l'entreprise.
Le développement de l’IA d’entreprise commence à aller au-delà des copilotes de codage de première génération et de l’exécution du vibe-coding, qui s’appuient sur des modèles frontières pour rechercher des référentiels et assembler le contexte de chaque tâche. Les plateformes émergentes construisent plutôt des représentations persistantes des applications, des règles métier et des dépendances.
Alors que les bases de code continuent de s'étendre et de toucher davantage de parties des entreprises, et que les agents d'IA qui les contrôlent et les orchestrent sous le commandement des humains travaillent avec de plus grandes quantités de données, ces données doivent être conservées et transformées en quelque chose qui peut servir de base précise du fonctionnement du code et de ce que fait l'entreprise.
Le plus grand pari de Concho est que les modèles qui écrivent le code pourraient avoir moins d'importance au fil du temps – devenant essentiellement le moteur activé et désactivé par les développeurs en fonction de leurs besoins. C'est la qualité des connaissances appliquées qui lui sont fournies qui fait ou défait le résultat final. Les humains continueront de décider de ce qui doit changer, tandis que les agents effectueront leur travail, mais cela nécessite d'abord une source de code, des modèles et une logique métier clairement compris.
« Le travail de Concho consiste à lire le code source et à construire cette carte de tout, cette bibliothèque interrogeable que soit les humains peuvent utiliser, soit les humains peuvent utiliser via l'IA, soit l'IA peut l'utiliser seule », a déclaré Henderson.
