Présentation de la Software Factory

Lors d’un événement {unscripted} à New‑York en 2026, Harness a présenté la Software Factory, une plateforme destinée à gérer des équipes d’agents d’intelligence artificielle dans les flux de travail DevOps. La solution repose sur des spécifications et des politiques qui standardisent les actions des agents, limitant ainsi les variations inutiles et la consommation de jetons d’API. Un mode additionnel, Vibe Mode, applique les mêmes politiques aux morceaux de code générés par des développeurs citoyens utilisant des outils d’IA.

Architecture des agents IA et du knowledge graph

La plateforme s’articule autour de quatre agents principaux : livraison logicielle, tests de sécurité, sécurité d’exécution et gestion des coûts. Chaque agent délègue des tâches à des sous‑agents autonomes. Au cœur de cette hiérarchie se trouve un knowledge graph propriétaire, capable de suivre 567 types d’entités différents et de réaliser 29 milliards de mises à jour de contexte chaque mois. Cette base de connaissances fournit aux agents les informations nécessaires pour exécuter des actions à la vitesse machine, évitant ainsi la rédaction manuelle de scripts.

Mécanismes de gouvernance et de contrôle

Les spécifications définissent les étapes obligatoires d’un pipeline, tandis que les politiques imposent des limites de sécurité, de conformité ou de coût. En centralisant ces règles, la Software Factory réduit le nombre de jetons consommés par les modèles d’IA, car les agents n’ont plus à « inventer » des processus à chaque exécution. Le système propose également un modèle de Flex Pricing, où les équipes achètent un pool de crédits utilisable sur l’ensemble des modules, au lieu de licences séparées.

Implications opérationnelles et limites

Selon le PDG Jyoti Bansal, la capacité à gérer 15 à 20 pull requests par semaine par développeur rend les workflows humains inadaptés à grande échelle. Les agents IA comblent le manque de contexte que les outils de génération de code ne possèdent pas, notamment pour le déploiement en production. Toutefois, l’article ne précise pas le taux d’adoption actuel ni les métriques de fiabilité des agents autonomes, ce qui rend difficile d’évaluer le risque de dépendance à un système entièrement automatisé. Enfin, la nécessité de définir des spécifications précises impose une charge initiale de conception qui peut ralentir les projets à court terme.