Agents de code : les secrets de Spotify pour réduire le déploiement de trois mois à trois jours
Chez Spotify, les migrations de code qui prenaient jadis des mois et des centaines de développeurs sont maintenant réalisées en trois jours par un seul ingénieur. En intégrant des agents de code basés sur l’intelligence artificielle, l’entreprise a réussi à industrialiser sa production de code à grande échelle. Cette transformation est impressionnante pour une société de cette taille, qui compte plus de 3 000 ingénieurs à travers le monde. Pour y parvenir, le groupe suédois a développé son propre agent de code, répondant à ses besoins spécifiques, fruit de plusieurs années de bonnes pratiques.
Une base de code en forte croissance
Au fil des ans, la base de code chez Spotify a connu une expansion jusqu’à sept fois plus rapide que l’augmentation de ses effectifs d’ingénieurs. Cette dynamique a conduit à une surcharge dans le temps consacré à la maintenance du code existant, au détriment de la création de nouvelles fonctionnalités. En réponse, Spotify a mis en place un cadre opérationnel nommé Fleet Shift, permettant à un ingénieur d’écrire une règle de transformation qui était ensuite appliquée automatiquement à des milliers de dépôts.
Cependant, cette approche s’est révélée insuffisante pour des modifications complexes. Ce constat a conduit Spotify à adopter une nouvelle méthode d’adaptation au cas par cas : l’agent de code.
Honk : l’agent de code développé sur le SDK d’Anthropic
L’idée d’un agent de code a émergé avant l’arrivée de Claude Code. Face à l’essor des modèles de langage, les équipes de Spotify ont décidé de confier la tâche de modification du code à un modèle de langage plutôt que d’utiliser des scripts déterministes. Après plusieurs itérations, le projet a abouti à la création de Honk.
Honk utilise l’Agent SDK d’Anthropic, intégré dans l’infrastructure de Spotify. L’objectif était de faire fonctionner des centaines d’agents en parallèle, de manière autonome, à travers de nombreux dépôts. Chaque agent opère dans un pod Kubernetes, permettant un lancement simultané de plusieurs agents. Honk peut également utiliser des outils de vérification pour tester son travail et s’asr que le code modifié ne présente pas de problèmes.
Des migrations rapides et un prototypage élargi
Avec la version 2 de Honk, des mises à jour majeures, comme celle de Java sur le backend, qui nécessitaient historiquement plusieurs mois de travail de centaines d’équipes, ont été réalisées en seulement trois jours. Cette rapidité a également permis de réduire le temps de développement des prototypes d’applications, rendant cette tâche accessible à un plus grand nombre d’employés, y compris des membres de la direction.
Cependant, cette accélération a entraîné une augmentation de 76 % de la fréquence des pull requests, posant des défis en matière de révision. En réponse, Spotify a décidé de réserver les jugements humains aux modifications les plus critiques, permettant ainsi une automatisation des validations pour les changements jugés sûrs. Cela a contribué à soutenir un rythme de 4 500 déploiements quotidiens en production.
La cohérence du code comme clé de réussite
Niklas Gustavsson, chief architect et VP of engineering chez Spotify, souligne que la cohérence de la base de code est essentielle pour le succès de l’IA. Une base de code logique et cohérente permet aux agents de code de fonctionner plus efficacement. Les équipes ont constaté que dans les zones les plus fragmentées, la performance de l’agent diminuait.
En conclusion, les éléments clés du succès de Spotify reposent sur :
- Une base de code cohérente fournissant des repères fiables.
- Des outils adaptés pour offrir le bon contexte aux agents.
- Un recentrage du jugement humain sur les tâches cruciales.
Avec de bonnes pratiques et un cadre adéquat, toute entreprise de taille similaire peut également optimiser sa production de code grâce aux agents d’IA.
Source : Journaldunet
