Qodo lève 70 millions de dollars en série B pour apporter une gouvernance au code généré par l’IA

Qodo a sécurisé 70 millions de dollars en financement de série B, portant son capital total levé à 120 millions de dollars, alors que l’entreprise se positionne au centre d’un problème croissant dans le développement de logiciels : comment faire confiance au code de plus en plus écrit par l’IA.

Le tour a été mené par Qumra Capital, avec la participation d’un mélange de sociétés de capital-risque et d’investisseurs individuels de haut profil liés à des entreprises comme OpenAI et Meta. Le financement reflète un changement plus large dans la façon dont les entreprises pensent à l’IA – pas seulement comme un outil pour générer du code, mais comme quelque chose qui nécessite une surveillance, une validation et une gouvernance à grande échelle.

Le problème : l’IA écrit du code plus vite que les humains ne peuvent le vérifier

L’essor de l’IA générative a accéléré de manière spectaculaire la façon dont les logiciels sont produits. Les outils peuvent maintenant générer de grandes quantités de code de manière autonome, mais cette vitesse est contrebalancée par un inconvénient : la vérification.

Qodo est construit autour d’un principe simple – la génération de code n’est plus le goulet d’étranglement. La confiance est.

Les processus traditionnels d’examen de code, qui s’appuient lourdement sur les ingénieurs humains, luttent pour suivre le volume et la complexité du développement assisté par l’IA. Même les développeurs eux-mêmes ajustent leur comportement. Selon l’entreprise, la plupart des ingénieurs traitent maintenant le code généré par l’IA différemment, souvent en exigeant des étapes de validation plus rigoureuses avant le déploiement.

Cela crée un écart croissant entre la vitesse à laquelle le code est créé et la confiance avec laquelle il peut être expédié.

Ce que Qodo fait réellement

Qodo n’est pas un autre assistant de codage. Au lieu de cela, il fonctionne comme une couche dédiée d’examen et de gouvernance tout au long du cycle de vie du développement de logiciels.

Sa plate-forme s’intègre dans les environnements de développement, les demandes d’extraction et les pipelines CI/CD, appliquant une analyse automatisée et sensible au contexte à chaque modification de code. Contrairement aux outils traditionnels qui se concentrent sur des différences isolées, Qodo évalue comment les modifications se propagent dans l’ensemble des bases de code, en tenant compte des dépendances architecturales et des décisions historiques.

Au cœur de son système se trouve une architecture multi-agents introduite dans les versions récentes de la plate-forme. Des agents spécialisés différents gèrent des aspects distincts de l’examen de code – tels que la détection de bogues, les vérifications de conformité et la validation architecturale – avant qu’une couche de coordination ne filtre et ne priorise les résultats.

Cette approche reflète une évolution plus large dans les systèmes d’IA, où l’orchestration entre plusieurs agents devient plus efficace que de compter sur un seul modèle pour gérer tout.

De la génération de code à la gouvernance de code

Le moment de la levée de Qodo est notable. Au cours des deux dernières années, une grande partie des investissements dans les outils de développement ont porté sur la génération de code – les copilotes, les systèmes d’autocomplétion et les programmeurs de pair d’IA.

Qodo mise sur le fait que la prochaine phase est la gouvernance de code.

Sa position s’aligne sur une prise de conscience croissante au sein des grandes entreprises : l’IA peut accélérer le développement, mais sans solides garde-fous, elle peut également introduire des risques cachés – des vulnérabilités de sécurité, des erreurs de logique et des incohérences dans les systèmes.

En agissant comme un « système d’enregistrement » de la qualité du code, Qodo vise à normaliser la façon dont les organisations définissent et appliquent les normes d’ingénierie à travers les équipes et les référentiels.

L’adoption d’entreprise est déjà en cours

L’entreprise compte des clients d’entreprise importants dans divers secteurs, notamment des sociétés de détail, de finance et d’automobile. Ces organisations déployant de plus en plus des flux de travail de développement assisté par l’IA, mais ont besoin de l’assurance que le code répond aux normes internes en matière de sécurité, de conformité et de performance.

La plate-forme de Qodo répond à ce besoin en intégrant la gouvernance dans les flux de travail plutôt que de compter sur des étapes d’examen distinctes. Cela réduit les frictions tout en imposant encore la cohérence – une exigence clé pour les équipes d’ingénierie distribuées.

Le changement plus important : de la génération de code à la vérification au niveau du système

À mesure que les systèmes d’IA prennent une part plus importante dans l’écriture de logiciels, la nature de l’examen de code est en train de changer à un niveau technique. Les processus traditionnels sont construits autour de différences localisées, évaluant ce qui a changé dans une demande d’extraction. Le code généré par l’IA remet en cause ce modèle, car les modifications peuvent s’étendre à plusieurs fichiers, introduire des dépendances cachées ou entrer en conflit avec des modèles architecturaux plus larges malgré leur apparence correcte en isolation.

L’approche de Qodo pointe vers la vérification au niveau du système. Au lieu de se concentrer uniquement sur les modifications individuelles, elle évalue comment ces modifications interagissent avec l’ensemble de la base de code, y compris les décisions historiques et les contraintes structurelles. Cela nécessite de traiter les logiciels comme un système continu plutôt que comme une collection de mises à jour indépendantes.

Une partie clé de ce changement est l’utilisation d’architectures de révision multi-agents. Des agents spécialisés gèrent différents aspects de l’analyse, tels que la validation de la logique ou la cohérence architecturale, opérant sur un contexte partagé comme l’historique du référentiel et les décisions antérieures. Cela accorde une importance croissante à l’ingénierie du contexte, en veillant à ce que les bonnes informations soient disponibles sans submerger le système.

L’implication plus large est un mouvement vers une gouvernance continue intégrée dans les flux de travail de développement. À mesure que l’IA accélère la production de code, la validation n’est plus une étape unique, mais un processus continu qui maintient la cohérence, la fiabilité et l’alignement à travers les systèmes en évolution.