AI Coding Agents Are Breaking Big Codebases — Dan Adler, Sourcegraph

Le PDG de Sourcegraph explique pourquoi le flot de code produit par les agents accélère la dégradation des grandes bases de code, et pourquoi le contexte compte plus que la qualité du modèle.

Dans cette conférence de la chaîne AI Engineer, Dan Adler, PDG de Sourcegraph, se place du côté des équipes qui maintiennent des bases de code immenses et anciennes, celles qui font tourner banques, constructeurs automobiles et compagnies aériennes. Un agent comme Claude Code sait effectuer une modification ; la question devient de la répercuter sur des dizaines de milliers de dépôts.

Selon lui, les agents génèrent une masse de code qui accélère l'usure de ces bases : duplication, normes qui divergent, dépendances fragiles, nouvelles vulnérabilités. Comme les agents comprennent le code en le cherchant, ils ne peuvent pas exploiter ce qu'ils ne voient pas : la visibilité à grande échelle devient une infrastructure, et le contexte, plus que la qualité du modèle, le vrai goulot d'étranglement en entreprise. Il présente au passage les Agentic Batch Changes de Sourcegraph, qui appliquent une modification à des milliers de dépôts à partir d'une seule instruction.