Optimal AI utilise l'API Gemini pour réduire de moitié le temps d'examen du code

Les révisions de code, bien qu'essentielles pour la qualité, deviennent souvent un goulot d'étranglement dans le développement rapide. Optimal AI change la donne. Leur mission : "redonner du temps aux ingénieurs" en utilisant l'IA pour automatiser l'ingénierie et la conformité. Leurs solutions incluent Optibot, un outil d'examen du code basé sur l'IA et axé sur la sécurité et la conformité, ainsi qu'une plate-forme d'insights optimisée par l'API Gemini qui accélère le développement.

Auparavant, Optimal AI rencontrait des difficultés en termes de vitesse et de compréhension du contexte, nécessaires pour une révision du code par l'IA réellement efficace. "Le plus grand défi était de comprendre le contexte. Nous avions besoin d'un modèle capable d'examiner les ensembles de modifications de code et de les contextualiser", explique Syed Ahmed, cofondateur et directeur technique.

En intégrant l'API Gemini, Optimal AI a considérablement amélioré ses offres :

• Amélioration de la vitesse et de la précision de la révision du code : Optibot, optimisé par l'API Gemini, examine automatiquement les demandes d'extraction pour détecter les failles de sécurité, les risques de non-conformité et les modèles de codage. Il fournit des commentaires exploitables et réduit considérablement les délais d'examen.
• Insights d'ingénierie exploitables extraits : les modèles Gemini analysent les données de GitHub et Jira pour identifier les goulots d'étranglement et comprendre les performances d'ingénierie, en distinguant efficacement l'activité productive du churn de code.
• Équilibre entre rapidité et sophistication : Optimal AI utilise Gemini 2.5 Pro pour les analyses complexes et la compréhension approfondie du code, tandis que Gemini 2.0 Flash offre la rapidité nécessaire pour les tâches à faible latence, comme les résumés rapides.

L'implémentation d'Optimal AI illustre la flexibilité de l'API Gemini :

• Modèles utilisés :
  • Gemini 2.5 Pro : pour l'analyse approfondie du code, les vérifications de sécurité, les commentaires contextuels sur les demandes d'extraction et l'identification de modèles d'ingénierie complexes pour obtenir des insights sur les performances.
  • Gemini 2.0 Flash : pour les tâches à faible latence telles que l'analyse de l'arborescence des fichiers et la génération de résumés rapides.
• Principales fonctionnalités et implémentation :
  • Compréhension contextuelle : la grande fenêtre de contexte des modèles Gemini est essentielle pour interpréter les ensembles de modifications de code complexes et comprendre les modèles d'ingénierie plus larges.
  • Compatibilité multilingue : la capacité améliorée des modèles Gemini à gérer plusieurs langages et frameworks de programmation a été un atout majeur pour Optimal AI.
  • Google AI Studio : l'équipe utilise intensivement Google AI Studio pour tester rapidement les requêtes, évaluer les modèles et itérer. "La possibilité de voir les résultats à côté du code d'implémentation a permis à nos ingénieurs d'expérimenter beaucoup plus facilement", note Ahmed.

L'intégration de Gemini a eu un impact considérable sur Optimal AI et ses clients. Voici quelques résultats clés :

• Réduction de 50 % des délais de traitement des demandes d'extraction : les ingénieurs passent moins de temps à attendre les examens et plus de temps à coder.
• Adoption et expansion rapides par les clients : des entreprises comme MongoDB ont considérablement augmenté leur utilisation d'Optimal AI après avoir constaté ses avantages, passant de 5 à plus de 40 ingénieurs.
• Tour de financement de pré-amorçage de 2,25 millions de dollars réussi : cet objectif a été atteint en version bêta privée, en grande partie grâce à l'attraction et aux résultats obtenus avec les fonctionnalités optimisées par l'API Gemini.

"Les équipes apprécient qu'Optibot les aide à réduire de moitié le temps d'examen des demandes d'extraction, ce qui permet aux ingénieurs de consacrer plus de temps au codage au lieu d'attendre les approbations", explique Ahmed.

Optimal AI s'efforce d'étendre sa suite d'agents d'IA pour automatiser encore plus de tâches répétitives. Ils développent actuellement "Code Radar", un agent conçu pour surveiller, corriger et sécuriser les bases de code de manière autonome. Syed Ahmed, qui a utilisé l'API Gemini, donne ce conseil aux autres développeurs :

"Passez directement à Google AI Studio. Il offre de meilleurs outils et une meilleure documentation, et permet de réaliser des tests beaucoup plus efficacement." Il souligne également : "Exploitez pleinement la fenêtre de contexte du modèle Gemini. Fournissez aux modèles autant de contexte pertinent que possible… Plus nous fournissions de contexte, plus le raisonnement de l'IA s'améliorait."

Le succès d'Optimal AI montre comment l'API Gemini peut transformer le développement de logiciels, en permettant aux équipes de créer des logiciels de meilleure qualité, plus rapidement.

Prêt à compiler ? Consultez la documentation de l'API Gemini et commencez à utiliser Google AI Studio dès aujourd'hui.