Les agents de codage IA s'étouffent dans les monorepos, et les entreprises repensent leurs bases de code pour y remédier

Près de neuf projets pilotes d'agents de codage IA sur dix n'atteignent jamais la production, selon des enquêtes sectorielles récentes — et l'explication évidente, que les modèles ne sont tout simplement pas encore assez bons, s'avère largement erronée. Le véritable obstacle est architectural : les bases de code dans lesquelles ces agents sont censés travailler ont été conçues pour des humains et des systèmes de build, pas pour des outils à fenêtre de contexte fixe, et les monorepos sont l'endroit où ce décalage est le plus visible.

Pourquoi les monorepos sont hostiles aux agents en particulier

Un monorepo avec 50 packages et 300 000 lignes de code est une configuration d'ingénierie tout à fait normale — de nombreuses grandes organisations technologiques consolident des dizaines de services et bibliothèques dans un seul dépôt précisément pour faciliter les changements inter-projets et la gestion des dépendances pour les ingénieurs humains.

Pour un agent IA, cette même structure devient un handicap. Un agent qui tente de charger « la base de code » comme contexte perd soit le fil de ce qui est réellement pertinent pour la tâche, soit épuise tout son budget de contexte sur des fichiers qu'il ne touchera jamais. Un cas rapporté impliquait une tentative d'importer un monorepo de 450 000 fichiers dans le contexte de travail d'un agent, qui a échoué complètement en raison de limitations du navigateur et des outils.

Le problème d'intégration est plus vaste que le problème de contexte

Les données d'enquête confirment qu'il ne s'agit pas vraiment d'un déficit d'intelligence. Environ 46 % des équipes déployant des outils de codage agentiques citent l'intégration avec les systèmes existants comme leur principal obstacle — pas la génération de code incorrect, pas les hallucinations, mais la mécanique consistant à connecter un agent de manière sûre et fiable à de vrais dépôts, de vrais systèmes CI et de vrais pipelines de déploiement. La propre prévision de Gartner est frappante : elle s'attend à ce que plus de 40 % des projets d'IA agentique soient annulés d'ici fin 2027.

Malgré cela, l'adoption ne s'est pas arrêtée. Environ 57 % des organisations interrogées ont déjà des agents de codage en production quelque part, les grandes entreprises — celles qui sont le plus susceptibles d'exploiter de grands monorepos — menant l'adoption.

Ce que les équipes font réellement à ce sujet

Trois modèles émergent dans la façon dont les organisations d'ingénierie adaptent les monorepos à l'usage des agents plutôt que d'attendre que les agents deviennent plus intelligents.

Indexation sélective plutôt que contexte de dépôt complet. Au lieu d'alimenter un agent avec tout le monorepo, les équipes construisent des couches de récupération qui ne donnent à l'agent que le sous-ensemble de fichiers pertinents pour la tâche.

Découpage virtuel en sous-dépôts. Certaines organisations exposent des « vues » destinées aux agents dans un monorepo qui se comportent comme des dépôts autonomes limités à un seul service ou package.

Gouvernance et infrastructure d'isolation avant plus de capacité d'agent. Les équipes qui atteignent la production priorisent le sandboxing, la délimitation des permissions et les pistes d'audit de ce qu'un agent peut toucher.

La conclusion pour les responsables d'ingénierie

Si votre organisation est bloquée au stade pilote avec un agent de codage, la solution n'est probablement pas un meilleur modèle ou un meilleur prompt — c'est repenser la quantité de votre base de code que l'agent a réellement besoin de voir pour une tâche donnée, et construire la couche de récupération ou de délimitation qui rend cela possible.