L'ancien PDG de GitHub revient avec un amorçage (Seed) de 60 millions de dollars pour reconstruire le codage à l'ère des agents
Dans ce qui est décrit comme la plus importante levée de fonds en amorçage (Seed funding round) de l'histoire des outils de développement, Thomas Dohmke, l'ancien PDG de GitHub, a officiellement dévoilé sa nouvelle entreprise, Entire. Sortant de l'ombre avec une injection de capital de 60 millions de dollars et une valorisation de 300 millions de dollars, Entire vise à démanteler et à reconstruire le cycle de vie du développement logiciel (Software Development Lifecycle - SDLC) pour s'adapter à l'ascension fulgurante des agents de codage IA (AI coding agents).
Le tour de table a été mené par Felicis, avec une participation significative du fonds de capital-risque de Microsoft, M12, de Madrona et de Basis Set Ventures. La startup a également attiré une liste d'investisseurs providentiels (Angel investors) de premier plan, notamment le PDG de Y Combinator, Garry Tan, le PDG de Datadog, Olivier Pomel, et le cofondateur de Yahoo, Jerry Yang, signalant une forte confiance de l'industrie dans la thèse de Dohmke : les outils qui ont construit l'ère de l'open-source sont insuffisants pour l'ère de la génération par IA.
La fin du développement logiciel « artisanal »
Pendant des décennies, l'ingénierie logicielle a été traitée comme un artisanat numérique — des développeurs humains écrivant de la logique ligne par ligne, soumettant des modifications à des systèmes de contrôle de version comme Git, et examinant manuellement les demandes de tirage (Pull requests). Dohmke soutient que ce modèle devient rapidement obsolète à mesure que les agents IA commencent à générer du code à un volume et une vitesse que les flux de travail humains ne peuvent plus soutenir.
« Nous vivons un essor des agents, et désormais des volumes massifs de code sont générés plus rapidement qu'aucun humain ne pourrait raisonnablement le comprendre », a déclaré Dohmke lors du lancement. « La vérité est que notre système manuel de production de logiciels — des tickets (Issues) aux dépôts Git, en passant par les pull requests et le déploiement — n'a jamais été conçu pour l'ère de l'IA en premier lieu. »
La philosophie d'Entire établit un parallèle direct avec la révolution industrielle. Tout comme l'industrie automobile est passée des ateliers artisanaux aux chaînes de montage mobiles pour atteindre une production de masse, le développement logiciel doit passer d'un outillage centré sur l'humain à une infrastructure conçue pour la « fabrication » de code via des agents.
Présentation de « Checkpoints » : versionner la logique, pas seulement le code
Le problème immédiat que Entire cherche à résoudre est la nature de « boîte noire » du code généré par l'IA. Lorsqu'un agent comme Claude d'Anthropic ou les modèles d'OpenAI génère un script, le raisonnement, les instructions (Prompts) et le contexte derrière ce code sont généralement perdus au moment où le fichier est enregistré. Cette perte de contexte crée ce que l'industrie a baptisé le « AI slop » (déchets d'IA) — un code qui fonctionne mais qui est impossible à maintenir car son intention est opaque.
La première offre publique d'Entire est Checkpoints, un outil d'interface en ligne de commande (Command-line interface - CLI) open-source. Contrairement aux commits Git standards qui n'enregistrent que le code résultant, Checkpoints capture l'intégralité du « contexte de la session » de l'agent IA. Cela inclut :
- Les prompts originaux donnés à l'agent.
- La « chaîne de pensée » (Chain of thought) ou le processus de raisonnement de l'agent.
- Les outils et contraintes spécifiques appliqués pendant la génération.
En stockant ces métadonnées aux côtés du code dans une base de données compatible avec Git, les développeurs peuvent « rejouer » le processus de création, permettant une véritable auditabilité et un débogage plus facile des logiciels générés par des agents.
Une nouvelle pile d'infrastructure
Bien que Checkpoints soit le point d'entrée, l'ambition d'Entire s'étend à la construction d'une plateforme complète (Full-stack platform) qui agit comme le système nerveux du développement par IA. L'entreprise développe une architecture à trois couches conçue pour remplacer ou augmenter les flux de travail CI/CD (Intégration continue/Déploiement continu) existants :
- Base de données compatible Git : Une couche de stockage qui unifie le code avec son contexte génératif, garantissant que le « pourquoi » d'un changement soit aussi accessible que le « quoi ».
- Couche de raisonnement sémantique : Un plan de contrôle qui permet à plusieurs agents IA de se coordonner, agissant efficacement comme des gestionnaires de projet capables de comprendre l'intention derrière les bases de code qu'ils modifient.
- Interface native pour l'IA : Une expérience utilisateur conçue non seulement pour taper du code, mais pour orchestrer des flottes d'agents, examiner des spécifications de haut niveau et n'intervenir que si nécessaire.
Aperçu de l'investissement
Le tour de table d'amorçage de 60 millions de dollars est une anomalie dans le climat actuel du capital-risque, où les tours d'amorçage varient généralement de 1 à 5 millions de dollars. La taille de la levée reflète à la fois l'intensité capitalistique de la construction d'une infrastructure fondamentale et les antécédents du fondateur. Dohmke, qui a dirigé GitHub lors du lancement et de la mise à l'échelle de Copilot, est idéalement positionné pour comprendre les limites de l'écosystème actuel.
Détails de la levée de fonds
| Métrique | Détail | Contexte |
|---|---|---|
| Total levé | 60 millions $ | Record pour un amorçage d'outil dev |
| Valorisation | 300 millions $ | Valorisation pré-adéquation produit-marché |
| Investisseur principal | Felicis | Société de capital-risque de la Silicon Valley |
| Partenaire corporatif clé | M12 (Microsoft) | Alignement stratégique avec l'ancien employeur |
| Angels notables | Garry Tan, Olivier Pomel, Jerry Yang |
Dirigeants de YC, Datadog, Yahoo |
| Objectif principal | Infrastructure native IA | Dépasser l'assistance de style « Copilot » |
Le dilemme de la « dérive » (Drift)
L'un des défis techniques critiques relevés par Entire est la « dérive » (Drift). À mesure que les agents IA itèrent sur le code, ils peuvent par inadvertance s'éloigner des spécifications d'origine du projet ou introduire des bugs subtils qui s'accumulent avec le temps. Les processus traditionnels de révision de code — où un humain lit chaque ligne d'une différence (Diff) — deviennent des goulots d'étranglement.
La plateforme d'Entire propose de passer de la révision du code à la révision des spécifications et des résultats. En capturant l'intention à la source, la plateforme vise à permettre aux humains de gouverner le processus de génération de logiciels plutôt que d'inspecter chaque sortie. Cela s'aligne sur la tendance plus large de l'industrie vers les flux de travail « agentiques » (Agentic workflows), où les humains montent dans la pile pour devenir des architectes et des superviseurs de bots de codage autonomes.
Implications sur le marché
Le lancement d'Entire pose un défi potentiel aux plateformes établies comme GitHub et GitLab. Bien que ces plateformes aient intégré des assistants IA (comme Copilot et Duo), leur architecture sous-jacente reste ancrée dans la vision de Linus Torvalds de 2005 pour Git — un outil pour la collaboration humaine.
Le pari de Dohmke est que l'adaptation de l'IA sur ces plateformes est insuffisante. Si sa vision se confirme, la prochaine génération de logiciels ne sera pas seulement écrite par l'IA ; elle sera gérée, versionnée et déployée par une infrastructure qui traite le code humain comme l'exception, et non la règle. Avec la sortie de Checkpoints, les développeurs peuvent désormais commencer à tester cette hypothèse, en contrôlant pour la première fois les versions des « pensées » de leur IA.
