Vous avez connecté Cursor, Claude Code ou Copilot à votre monorepo. Dans les démos YouTube, c'est magique. Sur votre base de code de 500 000 fichiers répartis sur 200 dépôts, c'est… beaucoup moins magique.
L'agent suggère de renommer une fonction. Sauf qu'il ne voit pas les 23 services qui l'appellent dans d'autres dépôts. Il recommande une refactorisation. Sauf que le pipeline qui échoue en production n'est pas dans son contexte. Il « comprend » votre architecture. Sauf qu'il n'a vu que 200 fichiers sur 100 000 et a inventé le reste.
Le problème ne vient pas du modèle. C'est du contexte. À l'échelle de l'entreprise, les agents ont besoin de plus qu'une fenêtre plus large et d'une simple récupération sémantique. Ils ont besoin d'un contexte structuré et navigable : un graphe de connaissances.
Dans cette présentation, nous explorerons la nouvelle catégorie d'outils basés sur les graphes de connaissances pour les équipes de développement logiciel : leurs apports par rapport à la recherche de code et à l'analyse sémantique des requêtes (RAG), les questions auxquelles ils répondent efficacement et leur intégration aux agents via des interfaces telles que MCP.
Nous conclurons par une courte démonstration en direct, utilisant Orbit de la plateforme GitLab Duo Agent comme exemple concret : la même question posée avec et sans contexte graphique.
Au programme :