Tech • IA • Robotique • Jeu

VIDÉO
ENFR

Stack Overflow - De l’idée au produit | DevDay 2026

8/10
IAOpenAI7 octobre 2026 à 21:1013:00
Lecteur audio
0:00 / 0:00

INTRO

Stack Overflow utilise Codex de deux façons très différentes: pour accélérer le développement d’un produit de connaissance d’entreprise fortement contraint, et pour prototyper une plateforme pensée d’abord pour les agents, où les systèmes d’IA peuvent à la fois consommer et enrichir les connaissances techniques.

POINTS CLÉS

Deux produits, deux modèles de développement

Alex Lotto, vice-président produit chez Stack Overflow, a expliqué que l’entreprise applique Codex à sa plateforme publique ainsi qu’à deux produits plus récents: Stack Internal et Stack Overflow for agents. Le premier est un système de connaissance intelligent de niveau entreprise, destiné à de grands déploiements organisationnels, tandis que le second est un produit expérimental plus léger, conçu dès le départ autour de la participation des agents.

Le travail en entreprise exigeait des garde-fous stricts

Pour Stack Internal, l’entreprise a contraint Codex à l’intérieur de contrats d’architecture existants et de frontières de services, au lieu de le laisser définir librement le système. Cela reflétait les réalités des déploiements en entreprise, avec des clients allant d’environ 150 à 10 000 postes, et certaines organisations bien plus grandes, comme de grandes banques, atteignant 50 000 utilisateurs et exigeant souvent une prise en charge on-premises.

La sécurité et les autorisations ont façonné le produit

Le système d’entreprise est conçu pour rassembler des connaissances internes dispersées tout en respectant des règles d’accès complexes. Cela implique de gérer des enjeux comme les fuites de données, la vie privée, la gouvernance, des modèles d’autorisation variés, et la question de savoir qui a le droit de voir quelle réponse lorsque des employés interrogent des informations internes issues de multiples sources.

Les connaissances brutes d’entreprise sont fragmentées

Le produit est conçu pour ingérer le contexte créé chaque jour dans des outils comme Slack, Microsoft Teams, Google Docs, Jira, Confluence et Notion. Chaque source stocke l’information différemment, et chaque client peut configurer ces systèmes à sa manière, ajoutant une couche de complexité supplémentaire que l’entreprise doit absorber dans la conception du produit.

Les archétypes sont devenus le concept clé pour passer à l’échelle

Pour gérer cette dispersion, Codex a aidé l’équipe à développer un système d’archétypes de sources: des motifs communs à différents outils. Un archétype de document, par exemple, peut couvrir un Google Doc, une pièce jointe Teams, une page Confluence ou une entrée Notion, permettant aux ingénieurs de créer un modèle d’API commun au lieu d’écrire une logique spécifique pour chaque source.

Des semaines de travail d’ingénierie ont été réduites à quelques jours

Lotto a indiqué que construire manuellement cette logique de détection de motifs et de connecteurs aurait probablement pris des semaines et des semaines, tandis que Codex a produit une approche exploitable en quelques jours. Cela a permis aux ingénieurs de consacrer plus de temps à des tâches à plus forte valeur, comme déterminer la confiance, la fraîcheur et l’autorité, plutôt qu’à la simple tuyauterie d’ingestion.

Le vrai problème central n’est pas seulement la récupération, mais la confiance

Une fois l’information ingérée, l’étape la plus difficile consiste à décider ce qui doit être considéré comme la meilleure réponse. Le système doit distinguer, par exemple, si un fil Slack d’hier est plus autoritaire qu’un autre plus ancien datant de mars, et pondérer la fraîcheur et la fiabilité entre différentes sources au lieu de traiter tout texte récupéré comme également valable.

Le produit pour agents a été construit avec bien plus de liberté

Pour Stack Overflow for agents, l’entreprise a adopté l’approche inverse et a laissé à Codex beaucoup plus de latitude pour suggérer l’architecture et les contraintes. L’objectif était d’avancer rapidement sur l’hypothèse d’un produit pensé d’abord pour les agents, en utilisant une architecture séparée afin que l’expérimentation ne soit pas ralentie par les exigences opérationnelles de la plateforme entreprise.

Les agents sont rattachés à une identité humaine et à une réputation

Un choix central de conception dans la nouvelle plateforme consiste à rattacher l’identité d’un agent à un utilisateur humain, en préservant des éléments du système de réputation historique de Stack Overflow. Cela donne aux organisations et aux individus un contrôle sur le degré d’autonomie d’un agent, avec des réglages où les publications exigent une approbation humaine ou, au contraire, où l’agent peut agir plus indépendamment sur certains sujets.

Les agents sont conçus pour contribuer, pas seulement consommer

L’entreprise teste un modèle dans lequel les agents peuvent republier dans la base de connaissances publique ce qu’ils apprennent en production. Un format est le billet TIL, pour Today I Learned, qui permet à un agent de documenter un correctif, un motif ou une leçon d’architecture au lieu de se contenter de lire des réponses en silence.

Des boucles de validation font partie intégrante de la conception

Le système est aussi conçu pour que les agents puissent tester des solutions existantes dans des conditions réelles et en rapporter le résultat. Si une réponse semble plausible mais échoue en production, l’agent peut consigner ce résultat et soumettre ce qui a réellement fonctionné, créant une boucle de rétroaction où les utilisateurs machines aident à vérifier et affiner les connaissances techniques publiques.

CONCLUSION

Stack Overflow considère les outils de codage IA non comme un flux de travail unique, mais comme des instruments différents pour des paris produits différents: une accélération stricte pour les logiciels d’entreprise et une expérimentation plus libre pour des systèmes natifs pour agents. Le défi plus large n’est plus seulement d’aider les machines à trouver la connaissance, mais de leur permettre d’en renforcer la qualité sans briser les structures de confiance qui ont fait la valeur de la plateforme au départ.

Poser une question

Sur le même sujet : IA