Optimal AI utilise l'API Gemini pour réduire de 50 % les délais d'examen du code

Bien que les revues de code soient essentielles pour la qualité, elles deviennent souvent un goulot d'étranglement dans le développement rapide. L'IA optimale change la donne. Sa mission: "rendre le temps aux ingénieurs" en automatisant l'ingénierie et la conformité grâce à l'IA. Ses solutions incluent Optibot, un outil d'analyse du code basé sur l'IA 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 rapidité et de compréhension contextuelle nécessaires à un examen du code de l'IA vraiment efficace. "Le plus grand défi était la compréhension contextuelle. Nous avions besoin d'un modèle capable d'examiner les modifications de code et de les contextualiser", explique Syed Ahmed, cofondateur et CTO.

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

• Amélioration de la rapidité et de la précision de l'examen du code: Optibot, basé sur 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, fournit des commentaires pratiques et réduit considérablement les délais d'examen.
• Insights pratiques extraits pour les ingénieurs: les modèles Gemini analysent les données de GitHub et de Jira pour identifier les goulots d'étranglement et comprendre les performances de l'ingénierie, en différenciant efficacement l'activité productive du churn de code.
• Rapidité et sophistication équilibrées : l'IA optimale exploite Gemini 2.5 Pro pour l'analyse complexe 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 une analyse approfondie du code, des vérifications de sécurité, des commentaires contextuels sur les requêtes pull 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'exploration de l'arborescence de 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 modifications de code complexes et comprendre les tendances d'ingénierie plus générales.
  • Compatibilité multilingue: la capacité améliorée des modèles Gemini à gérer plusieurs langages et frameworks de programmation a été un avantage significatif pour Optimal AI.
  • Google AI Studio: l'équipe utilise Google AI Studio de manière intensive pour tester rapidement les requêtes, évaluer les modèles et itérer. "La possibilité de voir les sorties à côté du code d'implémentation a permis à nos ingénieurs de tester beaucoup plus facilement", note Ahmed.

L'intégration de Gemini a eu un impact significatif sur Optimal AI et ses clients. Voici les principaux résultats :

• Réduction de 50% du cycle de demande de tirage: les ingénieurs passent moins de temps à attendre les examens et plus de temps à coder.
• Adoption et déploiement rapides par les clients: des entreprises comme MongoDB ont considérablement augmenté leur utilisation d'Optimisation de l'IA après en avoir constaté les avantages. Leur nombre d'ingénieurs est passé de cinq à plus de 40.
• Somme de 2,25 millions de dollars obtenue lors d'une levée de fonds pré-amorçage: cette somme a été obtenue en version bêta privée, en grande partie grâce à l'intérêt suscité et aux résultats obtenus avec les fonctionnalités optimisées par l'API Gemini.

"Les équipes apprécient qu'Optibot leur permette de réduire de moitié le temps d'examen des demandes de publication, ce qui leur laisse plus de temps à consacrer au codage au lieu d'attendre les approbations", explique Ahmed.

Optimal AI se concentre sur l'extension de sa suite d'agents d'IA pour automatiser encore plus de tâches répétitives. Il développe actuellement "Code Radar", un agent conçu pour surveiller, corriger et sécuriser de manière autonome les bases de code. Syed Ahmed, qui a travaillé avec l'API Gemini, donne ce conseil à ses collègues développeurs :

"Passez directement à Google AI Studio. Il offre de meilleurs outils et une meilleure documentation, et rend les tests beaucoup plus efficaces." Il ajoute également : "Tirez pleinement parti de la fenêtre de contexte du modèle Gemini. Fournissez aux modèles autant de contexte pertinent que possible. Plus nous fournissons de contexte, plus le raisonnement de l'IA s'améliore."

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

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