Potpie AI obtient 2,2 millions de dollars pour amener une intelligence artificielle plus intelligente dans les flux de travail d’ingénierie complexes

Le développement de logiciels évolue rapidement, mais les environnements dans lesquels les développeurs travaillent n’ont pas toujours suivi le rythme. Aujourd’hui, Potpie AI — une startup axée sur le fait de rendre les agents d’intelligence artificielle vraiment utiles à l’intérieur de systèmes d’ingénierie réels — a annoncé qu’elle a levé 2,2 millions de dollars lors d’un cycle de financement préliminaire. Le cycle a été mené par Emergent Ventures avec la participation de All In Capital, DeVC, et Point One Capital. Le capital soutiendra les déploiements d’entreprise précoces, élargira l’équipe d’ingénieurs et développera davantage l’infrastructure de contexte et d’agent de Potpie.

Résoudre le problème de contexte dans les systèmes d’ingénierie

Les outils d’intelligence artificielle générative ont fait des progrès impressionnants dans la production de code fonctionnel, mais ils ont souvent du mal à l’intérieur de systèmes complexes et interdépendants où le contexte est critique. Les grands modèles de langage peuvent générer du code, mais sans une compréhension approfondie de l’architecture du système, de l’histoire des outils et des dépendances entre les services, leur efficacité dans les environnements de production est limitée.

Traditionnellement, les ingénieurs seniors détiennent une grande partie de ces connaissances contextuelles. Lorsque les systèmes atteignent des dizaines de millions de lignes de code, ce modèle devient fragile. Potpie a été conçu pour combler cette lacune en créant une couche de contexte fondamentale qui unifie les informations à travers le code source, les tickets, les journaux, la documentation et les examens. En reliant ces éléments dans une représentation structurée de la base de code, la plateforme permet aux agents d’intelligence artificielle de raisonner sur les systèmes de manière plus holistique.

De la spécification à l’exécution avec plus de confiance

Un principe fondamental derrière Potpie est de traiter la spécification — et non le code existant — comme la source de vérité. Avant de générer du code, les agents traduisent les exigences en un plan d’implémentation clair, cartographient les dépendances et les cas de bord, et alignent les stratégies de test et de déploiement.

Plutôt que de fonctionner comme un autre assistant de codage axé sur l’autocomplétion, Potpie construit un modèle graphique du système logiciel. Il infère le comportement entre les modules et produit des artefacts structurés qui guident la façon dont les agents opèrent. Cela inclut la génération de fichiers Agent.md pour définir le comportement de l’agent dans une base de code, ainsi que la création d’index de recherche à travers les API, les services, les bases de données et les composants pour réduire l’ambiguïté et améliorer la fiabilité.

La plateforme évolue également avec le système. Lorsque des demandes de tirage sont créées, elle peut mettre à jour la documentation et les tickets. Lorsque des tickets sont ouverts, elle peut générer des conceptions de système. Lorsque des versions sont publiées, elle peut produire des notes de version automatiquement. L’objectif est de cultiver et de maintenir continuellement le contexte au lieu de le laisser se fragmenter avec le temps.

Conçu pour les bases de code à l’échelle de l’entreprise

Fondée par Aditi Kothari et Dhiren Mathur, Potpie est née lors de la première vague d’adoption de l’intelligence artificielle générative à la fin de 2023. Alors que la majeure partie de l’industrie se concentrait sur l’intelligence artificielle pour les travailleurs du savoir, les fondateurs ont identifié un défi distinct auxquels les développeurs sont confrontés : les bases de code sont non linéaires, profondément interconnectées et distribuées à travers de multiples outils et équipes.

La société a passé près de deux ans à développer son architecture d’ontologie et son graphique de connaissance avant de lancer publiquement en janvier 2025. La plateforme est conçue pour les environnements d’entreprise, en commençant par des bases de code d’environ un million de lignes et en évoluant jusqu’à des centaines de millions.

Les résultats préliminaires reflètent l’ampleur du problème

Les déploiements initiaux soulignent la complexité que Potpie vise à gérer. Dans un cas, un client avec plus de 40 millions de lignes de code a réduit l’analyse de la cause racine des problèmes de production de près d’une semaine à environ 30 minutes, les ingénieurs passant de rôles d’investigateurs à des rôles d’examineurs. Une autre entreprise qui maintient des systèmes intégrés à des décennies d’ancienneté a utilisé la plateforme pour générer et mettre à jour des tests de bout en bout en arrière-plan, compressant un travail qui précédemment s’étalait sur plusieurs sprints en un cycle significativement plus court.

Potpie travaille actuellement avec des entreprises du Fortune 500 et des sociétés cotées en bourse dans des secteurs réglementés, notamment les soins de santé et l’assurance. Ses projets open source ont dépassé 5 000 étoiles sur GitHub, contribuant à l’intérêt des entreprises.

Un changement dans la façon dont l’intelligence artificielle s’intègre dans l’ingénierie

Alors que la génération de code par intelligence artificielle devient plus accessible, le défi plus difficile est de permettre à l’intelligence artificielle de raisonner sur l’ensemble des systèmes de manière sûre. L’approche structurée et axée sur le contexte de Potpie reflète un changement plus large dans le paysage des outils de développement — un qui met l’accent sur la compréhension du système plutôt que sur l’automatisation de surface.

Le dernier cycle de financement de l’entreprise signale une attention croissante des investisseurs envers les infrastructures qui rendent les agents d’intelligence artificielle pratiques dans les environnements d’ingénierie réels. Si elle est couronnée de succès, le contexte — et non seulement la génération — pourrait s’avérer être la couche déterminante qui permet à l’intelligence artificielle de passer d’un rôle d’assistant à un participant intégré dans les écosystèmes logiciels complexes.