Deux lancements, une même trajectoire
Le lancement d’OpenAI Dots, le 27 octobre 2026, déplace la compétition des outils de codage IA vers la persistance: le produit est présenté comme un assistant personnel toujours disponible, issu de l’infrastructure de codage d’OpenAI, capable de mémoriser le contexte, d’apprendre les préférences et d’exécuter des tâches en plusieurs étapes sans relance permanente par l’utilisateur . La veille, Entire, la startup de Thomas Dohmke, a présenté une forge Git pensée pour la collaboration entre agents et humains, structurée autour de Trails, d’un hébergement Git distribué et de Continuous Memory . Mis côte à côte, ces deux mouvements montrent que la vraie bataille ne porte plus seulement sur la génération de code, mais sur la propriété du flux de travail persistant qui entoure ce code.
Dots arrive par le versant assistant. OpenAI y transpose des techniques issues des agents de codage: gestion de contexte, exécution de tâches, raisonnement proche du débogage et enchaînement d’opérations complexes . Git Force arrive par le versant dépôt. Son hypothèse est que les agents produisent déjà assez de code pour saturer les processus humains de revue et de fusion; il faut donc revoir la forge elle-même . C’est ce miroir qui rend l’épisode important. Le poste de développeur n’est plus seulement augmenté par une IA ponctuelle: il est progressivement entouré d’agents qui restent actifs entre deux conversations.
Ce que Dots change dans l’assistance au développement
La proposition d’OpenAI n’est pas celle d’un simple chatbot plus performant. Selon The Tech Buzz, Dots est un compagnon numérique persistant, construit à partir de l’infrastructure de codage de l’entreprise, et conçu pour comprendre des contextes complexes, retenir des préférences à long terme et mener des tâches multi-étapes . Cette origine est essentielle. Le développement logiciel est devenu le laboratoire de l’autonomie IA, parce qu’il révèle très vite si un modèle sait conserver un état, utiliser des outils, corriger ses erreurs et produire un résultat vérifiable.
Pour les développeurs, cela brouille la frontière entre outil de programmation et assistant de flux de travail. Un système qui générait autrefois une fonction ou proposait une correction peut désormais suivre un objectif dans le temps, revenir avec des résultats et s’articuler à des artefacts de projet . L’expérience passe donc de “je demande, tu réponds” à “je délègue, je supervise”. Elle augmente aussi les coûts de sortie: si un Dot apprend les conventions d’un projet, les habitudes d’une équipe, les blocages récurrents et le rythme de travail d’un utilisateur, il devient moins un module interchangeable qu’une couche d’exploitation personnelle.
Mais la promesse contient son propre risque. Plus un assistant est persistant et autonome, plus il se rapproche de données sensibles, de décisions d’approbation et de routines d’entreprise. Le rapport sur Dots souligne que son lancement intervient dans un contexte de vigilance accrue autour de la sécurité et du monitoring des systèmes autonomes . Cela ne condamne pas le produit; cela signifie que la gouvernance devient une fonctionnalité centrale. L’aide permanente ne vaut que si l’utilisateur sait ce que l’assistant peut faire seul, ce qui exige validation, et quel historique il mobilise pour décider.
Git Force part du goulot d’étranglement après la génération
Le pari de Dohmke est plus ciblé: si les agents écrivent vite, le goulot d’étranglement se déplace vers la revue, les tests, l’hébergement, la mémoire et la confiance avant fusion. La publication d’Entire indique que sa nouvelle forge repose sur trois primitives: Trails pour la revue agent-humain, un hébergement Git distribué et Continuous Memory, qui synchronise sessions et prompts dans le dépôt pour les rendre réutilisables . C’est la logique Git Force en pratique: le dépôt n’est plus seulement l’endroit où arrivent les commits, mais la couche de coordination des contributeurs humains et machines.
Trails constitue la rupture la plus visible. Au lieu de centrer la revue sur le fil linéaire d’une pull request, Entire dit faire remonter des évaluations automatisées et personnalisables, notées par des agents à chaque push . La société décrit des agents de revue capables d’évaluer la qualité, la sécurité et le “slop”, tandis que des gates peuvent imposer une approbation humaine ou la réussite des contrôles CI avant fusion . Moneycontrol présente cette approche comme une tentative de permettre aux équipes de fusionner les changements au rythme où les agents les génèrent, sans demander aux humains de relire chaque ligne .
La refonte est ambitieuse, car la pull request est devenue l’unité sociale du logiciel moderne. C’est là que se rencontrent intention, discussion, CI, revue et validation. Entire soutient qu’un workflow saturé d’agents peut transformer cette pull request en journal d’audit que seul l’agent lit vraiment . Si ce diagnostic est juste, les plateformes de développement devront résumer la confiance, le risque et les problèmes ouverts plutôt que d’empiler des diffs interminables.
La mémoire devient une infrastructure
Dots et Git Force convergent vers la même ressource rare: la mémoire. Dots gagne en valeur s’il maintient le contexte personnel et projet dans la durée . Continuous Memory gagne en valeur s’il rend les sessions, prompts et décisions d’agents recherchables depuis le dépôt . Dans les deux cas, le produit ne se contente plus de répondre à une requête; il réduit le coût de redécouverte du contexte.
La version d’Entire est explicitement native Git. Sa publication explique que Continuous Memory s’appuie sur des commandes CLI comme entire-graph et entire-brain pour cartographier le code, indexer les sessions d’agents et créer des mémoires durables liées au dépôt . Entire affirme que entire-graph a permis jusqu’à 71 % d’économie de tokens dans ses tests, tout en aidant les sessions suivantes à retrouver le “pourquoi” derrière les décisions de code . ETEnterpriseAI rapporte également que Continuous Memory synchronise les sessions d’agents avec les dépôts Git et rend les interactions passées recherchables et accessibles aux agents de codage .
Cela révèle une réalité très concrète pour les équipes: la plateforme gagnante sera peut-être celle qui préserve le mieux le contexte sous une forme à la fois inspectable par les humains et réutilisable par les agents. Une transcription cachée dans le tableau de bord d’un fournisseur peut être utile. Une mémoire liée à l’historique du code peut devenir une infrastructure durable. Le dépôt cesse alors d’être un simple stockage: il devient un objet de gouvernance.
Vitesse, souveraineté et ombre de GitHub
Entire assume la comparaison avec les acteurs installés. Sa publication officielle affirme que son serveur compatible Git peut pousser le code jusqu’à 89 fois plus vite que GitHub et six fois plus vite que Cursor Origin, avec des dépôts hébergés ou répliqués dans plusieurs régions, dont les États-Unis, l’Europe, l’Australie et l’Inde . ETEnterpriseAI et Moneycontrol reprennent ces chiffres tout en soulignant qu’Entire se positionne comme une alternative à GitHub pour l’ère des agents de codage . Ce sont des chiffres revendiqués par l’entreprise, pas des benchmarks indépendants, mais ils montrent l’orientation du discours concurrentiel: vitesse, résidence des données et trafic agentique deviennent des arguments de forge logicielle.
La crédibilité du geste tient aussi au profil de Dohmke. Moneycontrol rappelle qu’il a quitté GitHub depuis plus d’un an pour bâtir Entire comme plateforme de nouvelle génération centrée sur la collaboration entre agents et humains . Le symbole est évident: l’ancien dirigeant de la plateforme associée à la pull request défend désormais l’idée qu’il faut un successeur natif des agents.
La prochaine guerre du workflow
OpenAI Dots et Git Force ne sont pas le même produit, mais ils cherchent à contrôler des points voisins. Dots veut devenir la couche personnelle qui sait ce que le développeur veut accomplir . Git Force veut devenir la couche de collaboration où agents, humains, tests et mémoire se rencontrent . Si les deux visions mûrissent, la journée du développeur sera médiée à la fois par des assistants persistants et par des dépôts conscients des agents.
Les gagnants seront probablement les outils qui rendent l’autonomie lisible. Les développeurs n’accepteront pas des agents opaques qui poussent du code en production sur simple intuition statistique. Ils accepteront des systèmes capables d’exposer contexte, preuves, évaluations, approbations et chemins de retour arrière. C’est pourquoi Dots et Trails appartiennent à la même histoire: tous deux cherchent à transformer le travail agentique en processus continu, révisable et utile.
Le canard en plastique a obtenu sa clé API. Reste à savoir qui possédera sa mémoire.
Commentaires
Sois le premier à commenter.