Au-delà de Grep et des vecteurs : réinventer la récupération de code pour les agents IA

Il n’y a pas si longtemps, l’idée d’un assistant IA refactorisant une application entière semblait être un avenir lointain. Aujourd’hui, cet avenir arrive, porté par des modèles de langage capables d’utiliser des outils pour exécuter des tâches complexes. Cependant, une leçon cruciale a émergé de la première vague de systèmes agents : même le modèle le plus avancé n’est efficace que selon le contexte qui lui est donné.

Le principal défi n’est pas la capacité de raisonnement de l’agent mais son accès à l’information. Lorsqu’un agent de codage d’IA échoue, c’est souvent parce que nous lui avons fourni des extraits de code non pertinents, incomplets ou obsolètes. Le passage de l'autocomplétion de type copilote aux agents autonomes n'est pas progressif : il s'agit d'un changement de phase dans la façon dont le code touche le code. Et notre couche de récupération n'a pas rattrapé son retard. Il est temps de reconstruire notre approche de la récupération à partir de zéro.

Le point de friction : quand la recherche traditionnelle rencontre les charges de travail agentiques

Prenons un scénario courant : vous demandez à un agent de codage : « Où notre logique de connexion est-elle réellement limitée en débit ? » La réponse que vous obtenez révèle les limites de nos outils actuels.

• UNgrepLa recherche basée sur les fichiers de test vide les pages de correspondance...
  [Courte citation de 8% de l'article original]