Poolside, l’assistant de code ancré en France qui mise sur le déploiement local

L’intelligence artificielle s’est invitée dans les outils quotidiens des développeurs : elle peut compléter une fonction, expliquer un morceau de programme, suggérer un test ou accélérer la recherche d’une erreur. Mais ces gains de productivité soulèvent une question déterminante pour les entreprises : que devient le code transmis à l’assistant ? Poolside, start-up lancée aux États-Unis en mai 2023 puis relocalisée en France, veut répondre à cette inquiétude en misant sur des modèles déployés au plus près des clients.

Basée à Paris, l’entreprise a été fondée par Jason Warner, ancien directeur technique de GitHub, et Eiso Kant, spécialiste de l’intelligence artificielle appliquée à l’ingénierie logicielle. Son ambition n’est pas seulement de créer un outil de complétion comparable aux assistants déjà utilisés par les programmeurs. Poolside développe des modèles spécifiquement entraînés pour le code, personnalisables pour chaque organisation et pensés pour fonctionner dans des environnements contrôlés par celle-ci.

Un assistant de code conçu pour les environnements sensibles

Un assistant de programmation fondé sur l’IA analyse le contexte fourni par le développeur, par exemple le fichier ouvert, les commentaires ou le début d’une fonction. Il peut alors proposer la suite du code, rédiger une explication ou répondre à une question dans une interface conversationnelle. L’intérêt est évident pour des tâches répétitives, mais le contexte transmis peut contenir des informations très sensibles : secrets industriels, architecture d’un système, identifiants involontairement présents dans un fichier, données métier ou éléments d’un produit encore non commercialisé.

C’est sur ce terrain que Poolside cherche à se distinguer. La société propose un déploiement on-premise, autrement dit dans l’environnement informatique contrôlé par le client, plutôt qu’un fonctionnement reposant nécessairement sur l’envoi du code vers des serveurs distants. Dans cette logique, les données utilisées par le système restent dans le périmètre de l’entreprise.

Jason Warner résume cette position sans détour : « Demander aux clients de céder leurs données en échange d’une solution d’IA, c’est faire un pacte avec le diable. » L’expression reflète un choix commercial et technique : la confidentialité n’est pas un simple paramètre optionnel, elle structure l’offre de Poolside.

Cette promesse intéresse particulièrement les organisations qui ne peuvent pas traiter leur code comme une donnée ordinaire. Banques, acteurs de la défense, entreprises technologiques, détaillants et intégrateurs de systèmes doivent souvent respecter des politiques internes de sécurité, des obligations contractuelles ou des règles sectorielles strictes. Dans ces contextes, un outil performant qui ne s’intègre pas aux exigences de gouvernance peut rester inutilisable.

Pourquoi le lieu d’exécution du modèle compte

La confidentialité ne dépend pas seulement de la qualité d’un chiffrement ou d’une clause contractuelle. Elle tient aussi à l’endroit où le modèle est exécuté, à la manière dont les requêtes circulent et aux données conservées pour améliorer le service. Poolside met donc en avant une architecture dans laquelle les entreprises gardent la maîtrise de leur environnement d’exécution.

La différence est importante pour un code source propriétaire. Celui-ci n’est pas seulement une suite d’instructions techniques : il peut révéler les méthodes de calcul d’une entreprise, ses règles métiers, les failles déjà identifiées, les interfaces de ses produits et parfois sa stratégie industrielle. Le partager hors de son système d’information exige un niveau de confiance élevé.

Poolside affirme également exclure de ses modèles le code couvert par les licences GPL v2 et GPL v3. Ces licences de logiciel libre reposent sur un principe de copyleft : dans certaines conditions, la distribution d’un logiciel dérivé peut entraîner l’obligation de fournir son code source sous la même licence. Pour les éditeurs et les entreprises qui développent des logiciels propriétaires, le mélange involontaire de code et de licences incompatibles représente un risque juridique qu’ils cherchent à limiter.

Cela ne signifie pas que toute utilisation d’un code sous GPL conduit automatiquement à la publication de l’ensemble d’un logiciel. Les conséquences dépendent notamment de la façon dont le code est incorporé et distribué. Mais l’exclusion annoncée par Poolside répond à une préoccupation concrète des directions juridiques et des responsables de la conformité.

Comment Poolside entraîne ses modèles à programmer

Les assistants de code reposent sur des grands modèles de langage adaptés à la programmation. Ils apprennent des régularités à partir de grandes quantités de textes et de code : syntaxe des langages, structures de fonctions, documentation, tests, erreurs fréquentes ou modèles de conception. Mais savoir produire une séquence qui ressemble à du code ne suffit pas. Une réponse doit aussi compiler, respecter les contraintes du problème et, idéalement, réussir les tests associés.

Poolside mise pour cela sur ce qu’elle appelle l’apprentissage par renforcement via les retours d’exécution du code. L’idée est de confronter directement les propositions du modèle à un résultat observable. Face à une tâche de programmation, le système génère plusieurs solutions possibles. Celles-ci sont ensuite exécutées et testées dans des conditions réelles. Les résultats obtenus alimentent l’amélioration du modèle.

Le procédé est itératif. Une large part des propositions initiales peut échouer : selon Jason Warner, 80 % à 90 % des solutions produites peuvent être incorrectes. Cet échec n’est toutefois pas considéré comme inutile. Il indique quelles approches ne répondent pas au problème et enrichit les données d’entraînement avec des exemples reliés à leur résultat d’exécution.

Cette méthode cherche à déplacer une partie de l’effort de la collecte vers la génération et la validation de nouvelles données. Jason Warner estime que les acteurs de l’IA disposent globalement des mêmes ressources accessibles sur Internet. Pour se différencier, Poolside veut donc produire ses propres jeux de données à partir de ces boucles de tests.

La start-up prévoit ainsi de générer entre 1,5 et 2 milliards de tokens de code supplémentaires au cours des 18 mois suivant janvier 2025. Un token est une unité de texte traitée par un modèle, qui peut correspondre à un mot, une portion de mot ou un signe de programmation. Ce volume viendrait s’ajouter aux 3 milliards de tokens alors disponibles en ligne, selon l’entreprise.

Des modèles affinés pour chaque entreprise

L’autre pilier de l’offre de Poolside est la personnalisation. Plutôt que de proposer exactement le même modèle à tous les clients, la société prévoit un processus de fine-tuning multicouche. Le fine-tuning, ou ajustement fin, consiste à adapter un modèle général à un contexte particulier grâce à des données et des exemples ciblés.

Dans le cas décrit par Poolside, le modèle commence par analyser les bases de code existantes. Il intègre ensuite la documentation technique, puis s’ajuste progressivement aux usages observés chez les développeurs. L’objectif est que l’assistant comprenne mieux l’organisation d’un projet, les conventions d’écriture, les bibliothèques internes et le vocabulaire propre à l’entreprise.

Cette adaptation peut apporter une valeur plus directe qu’un assistant généraliste. Une grande organisation dispose souvent de milliers de dépôts, de composants historiques et de règles de développement qui ne figurent dans aucun manuel public. Un modèle qui ne connaît ni les interfaces internes ni les standards maison risque de donner des suggestions génériques, voire de pousser les équipes vers des solutions inadaptées.

La contrepartie est que cette personnalisation suppose une gouvernance attentive. Une documentation obsolète, des bases de code de qualité inégale ou des droits d’accès mal définis peuvent dégrader la pertinence de l’outil. Un assistant de code ne remplace pas non plus les revues de code, les tests automatisés et la responsabilité des développeurs. Il peut accélérer la production, pas garantir seul la fiabilité d’un programme.

Une intégration pensée pour les outils des développeurs

Pour être adopté, un assistant doit se placer là où les programmeurs travaillent déjà : dans leur environnement de développement intégré, ou IDE. Poolside annonce une compatibilité avec la majorité de ces environnements, notamment Visual Studio Code et IntelliJ. Des intégrations avec Visual Studio et Eclipse sont envisagées ultérieurement.

La société propose plusieurs formes d’assistance : un modèle de complétion de code et un assistant conversationnel. La complétion vise à suggérer des lignes ou des blocs au fil de l’écriture. L’interface conversationnelle permet de formuler une demande plus large, comme demander une explication, une piste de correction ou une proposition d’implémentation.

Poolside s’appuie aussi sur un partenariat avec AWS. Les entreprises peuvent accéder à ses services par l’intermédiaire d’EC2, le service de calcul d’Amazon Web Services, et les intégrer à leurs infrastructures en bénéficiant des normes de sécurité et de gouvernance proposées par AWS. Les clients peuvent exécuter leurs modèles sur des puces Trainium ou sur des puces Nvidia.

Ce choix d’infrastructure compte pour les grands modèles de code, très exigeants en puissance de calcul. Il permet également aux organisations déjà équipées chez AWS d’envisager une intégration dans un cadre opérationnel connu. Toutefois, le déploiement local mis en avant par Poolside ne doit pas être réduit à une simple question de matériel : il implique l’ensemble de l’architecture, de l’administration des accès et du contrôle des données.

Ce qu’il faut surveiller pour les assistants de code

Au 17 janvier 2025, le marché des assistants de programmation est marqué par une tension durable entre facilité d’usage, performances et maîtrise des données. Poolside se positionne clairement du côté des entreprises pour lesquelles le code ne peut pas quitter un environnement sécurisé et pour lesquelles un modèle doit s’adapter à des contraintes internes précises.

Sa capacité à convaincre dépendra de plusieurs éléments : la qualité effective de ses suggestions dans des projets complexes, la simplicité de son intégration dans les IDE et les infrastructures existantes, la précision de ses garanties de confidentialité, ainsi que la valeur apportée par ses modèles personnalisés. Le volume de tokens générés et les mécanismes d’apprentissage ne sont qu’une partie de l’équation. Pour les équipes de développement, le critère décisif restera la capacité à produire plus vite un code réellement exécutable, maintenable et conforme aux règles de leur organisation.

L’essor de ces outils pourrait aussi modifier le rôle des développeurs. Les tâches de saisie ou de recherche les plus répétitives peuvent être accélérées, tandis que la validation, la compréhension des besoins métier, l’architecture et la sécurité deviennent encore plus centrales. Dans cette évolution, la promesse de Poolside est moins celle d’un remplacement des programmeurs que celle d’un assistant hébergé et adapté à leur propre terrain de jeu.