JetBrains AI
Supercharge your tools with AI-powered features inside many JetBrains products
Découvrez JetBrains Context : l’intelligence de votre dépôt au service des agents de programmation
Aujourd’hui, nous lançons JetBrains Context, une nouvelle couche d’intelligence dédiée aux dépôts de code, qui aide les agents de programmation à travailler plus efficacement et à produire de meilleurs résultats sur des bases de code complexes. Dans le cadre du déploiement de JetBrains AI pour les équipes et les organisations, JetBrains Context est à présent disponible en accès anticipé, sans frais supplémentaires, avec votre abonnement à JetBrains AI. Il s’intègre à Claude Code, Codex CLI et Junie CLI, et peut être utilisé depuis les JetBrains IDEs, Air, VS Code et d’autres éditeurs compatibles.
JetBrains a toujours cherché à renforcer l’efficacité des développeurs, y compris lorsqu’ils travaillent avec les bases de code les plus complexes. Traditionnellement, cela impliquait de proposer des fonctionnalités intelligentes telles que la saisie semi-automatique, l’analyse de code et la navigation. Aujourd’hui, nous étendons cette même productivité aux agents de programmation en leur donnant accès à l’intelligence du dépôt dont ils ont besoin pour écrire, valider et relire efficacement du code.
« Depuis des décennies, nous aidons les développeurs à prendre rapidement en main des bases de code complexes. Il s’avère que les agents de programmation ont besoin d’un accompagnement similaire lorsqu’ils travaillent sur un projet qu’ils ne connaissent pas. »
Dans les bases de code à l’échelle de l’entreprise, le contexte est essentiel. C’est ce qui fait la différence entre des résultats moyens, qui nécessitent une relecture et des corrections fastidieuses, et une programmation agentique efficace, capable de comprendre votre base de code, vos API, vos dépendances, vos modèles d’implémentation et vos conventions de développement.
Tout comme les développeurs, les agents n’ont pas besoin d’être beaucoup accompagnés lorsqu’ils travaillent sur de petits projets de preuve de concept. En revanche, ils ont besoin de davantage de contexte : ces connaissances internes, souvent implicites, et cette expertise qui leur permettent de travailler efficacement sur de grandes bases de code.
La nouvelle réalité pour les agents
Notre investissement dans le contexte fait écho à un besoin croissant chez les développeurs de renforcer les capacités de leurs agents. Il y a encore quelque temps, les développeurs se contentaient de n’importe quel résultat généré par l’IA. Aujourd’hui, la « phase de lune de miel » touche à sa fin et les choses se compliquent. Les attentes qui pèsent sur les développeurs augmentent et le périmètre d’utilisation de l’IA s’étend, tandis que les développeurs s’efforcent de répondre aux nouvelles exigences. La recherche de ROI concernant l’IA entraîne une réduction des délais pour les équipes de développement et l’apparition de nouveaux objectifs en matière d’IA. Cela signifie que nous ne pouvons plus dépenser un nombre illimité de tokens pour résoudre les problèmes à coups de calculs intensifs effectués par les modèles les plus performants. Les exigences de la réalité rattrapent rapidement les nouveaux superpouvoirs des agents.
Ce qui n’était auparavant qu’une simple gêne se mue progressivement en un véritable goulot d’étranglement. La plupart des tâches de résolution de problèmes et de développement de fonctionnalités nécessitent que les agents effectuent une exploration approfondie du code afin de comprendre l’état actuel ou de disposer d’une référence pour les modifications prévues. En pratique, cela implique d’effectuer des recherches, de lancer des agents d’exploration et de lire des fichiers ; des activités qui demandent souvent beaucoup de temps et consomment beaucoup de jetons. Même avec les modèles actuels les plus performants, un contexte limité et une visibilité restreinte sur le dépôt peuvent empêcher les agents de retrouver le bon code, de repérer des exemples d’implémentation pertinents ou d’identifier des schémas existants qu’il peut être intéressant de réutiliser. Le résultat est simple : moins les agents passent de temps à explorer des dépôts, plus ils peuvent en consacrer à la tâche à accomplir. C’est précisément ce problème que JetBrains Context cherche à résoudre.
Qu’est-ce que JetBrains Context ?
JetBrains Context est une couche d’intelligence dédiée aux dépôts de code, conçue pour les agents de programmation tels que Claude Agent, OpenAI Codex et JetBrains Junie. Il construit progressivement un index sémantique de vos dépôts et offre des capacités de recherche sémantique. Cela aide les agents à accéder aux connaissances pertinentes sur les dépôts plutôt que de rechercher et de relire sans cesse des fichiers. Au lieu de s’appuyer uniquement sur des recherches par mots-clés et l’exploration répétée de fichiers, les agents peuvent directement poser n’importe quelle question ou rechercher des termes et des concepts connexes. Nous nous appuyons sur deux composants principaux pour faire fonctionner cet outil : un backend qui indexe progressivement le dépôt et des outils de recherche sémantique qui permettent aux agents d’interroger ces données.
L’une des fonctionnalités clés que nous sommes ravis de déployer est la recherche multi-dépôts. Au lieu de se limiter au dépôt actuel, les agents peuvent découvrir du code pertinent dans l’ensemble de la base de code de votre organisation, y compris dans des dépôts qui ne sont pas disponibles localement. Cela leur permet de vérifier les API et les dépendances, de comprendre l’impact des modifications ou de trouver du code réutilisable dans des projets distants. L’objectif final est de maintenir un niveau de qualité de code élevé, d’éviter les tâches inutiles et de renforcer la conformité à l’architecture dans l’ensemble de la base de code.
La preuve par l’exemple (ou plutôt par les tests)
Nous avons validé JetBrains Context sur 205 tâches SWE-bench de projets open source, 175 tâches de monorepos de production et 1 953 tâches de localisation de code. Sur l’ensemble de ces benchmarks, JetBrains Context a réduit le nombre d’exécutions des agents jusqu’à 68 %, la latence jusqu’à 59 % et les coûts d’exécution jusqu’à 48 %.
Mesurer les systèmes d’IA de manière cohérente n’est pas chose facile. Les agents de programmation modernes sont intrinsèquement probabilistes, c’est pourquoi nous avons conçu notre évaluation à partir de benchmarks réputés dans notre secteur d’activité et de dépôts de production à grande échelle. Grâce à ces évaluations, nous avons pu perfectionner cette technologie au point de pouvoir affirmer avec confiance qu’elle fait une réelle différence en matière de temps, de coûts et de qualité du code sur les grandes bases de code.
L’accès anticipé à JetBrains Context est déjà inclus dans votre abonnement !
Suivez les instructions sur notre page de destination pour vous lancer :
- Installez la CLI à l’aide d’une simple requête
GET. - Authentifiez-vous à l’aide de la commande CLI
jbcontext login. Vos identifiants fonctionneront tels quels. Une licence JetBrains AI est requise, mais JetBrains Context ne consommera aucun quota. - Accédez au dossier de votre projet et configurez JetBrains Context pour votre agent de programmation préféré à l’aide de la commande
jbcontext setup-agent. Vous pouvez aussi le faire globalement au niveau de l’utilisateur. - JetBrains Context préindexera automatiquement votre code grâce aux hooks d’agent, mais vous pouvez aussi le faire explicitement avec la commande
jbcontext index. Votre code source n’est pas stocké sur les serveurs de JetBrains Context.
À partir de maintenant, lorsque vous effectuerez vos tâches de programmation habituelles, vous verrez que l’agent bénéficie de nouvelles capacités qui lui permettent de mieux comprendre les dépôts et d’être bien plus productif.
Après avoir testé JetBrains Context, si vous n’êtes pas certain de son utilité, vous pouvez consulter nos nouvelles fonctionnalités d’analyse intégrées ! Il vous suffit d’exécuter jbcontext analyze pour voir les économies de temps et de coûts réalisées, à partir de vos données en temps réel.
Nous aimerions savoir ce que vous en pensez. Partagez vos avis, posez des questions ou parlez-nous de votre expérience dans les commentaires ci-dessous. Vous pouvez également utiliser directement la commande jbcontext send-feedback depuis la CLI.
Auteurs de l’article original en anglais :
