Graphify : donner une carte aux assistants de code IA
Graphify transforme une base de code en graphe de connaissances interrogeable : local d'abord, aucun code ne quitte la machine, des exécutions d'agents moins coûteuses.
Traduction produite automatiquement par IA. La version allemande est l'original vérifié par la rédaction.
Graphify transforme une base de code entière en graphe de connaissances interrogeable, en local, si bien qu'un assistant IA obtient la structure sans que le code ne quitte jamais la machine. Il est devenu l'un des outils pour développeurs à la croissance la plus rapide de l'année : plus de 58 000 étoiles GitHub et 1,2 million de téléchargements PyPI depuis le printemps.
01. Ce qu'il fait
Son origine montre à quelle vitesse ce domaine évolue : il a été inspiré par une publication d'Andrej Karpathy le 1er avril 2026 sur l'utilisation des LLM pour construire des bases de connaissances personnelles, et en 48 heures Safi Shamsi (YC S26) avait publié Graphify sur GitHub.
Lancez-le sur un projet et il lit chaque fichier en local, analysant 33 langages via tree-sitter avec zéro appel API, si bien que votre code ne quitte jamais la machine. Il produit trois artefacts que toute une équipe peut interroger : une visualisation HTML interactive, un rapport markdown et un graphe JSON, et il se branche à une vingtaine d'assistants de code IA.
La raison de sa diffusion est concrète : au lieu qu'un agent parcoure au grep des milliers de fichiers, et de tokens, pour comprendre la structure, il interroge le graphe. Une démo a mesuré une réduction de 72 fois des tokens Claude Code sur la même question ; la démonstration de Jack Roberts le formule simplement : ce que fait Graphify, c'est donner une carte à Claude Code.
02. Pourquoi nous y prêtons attention
Deux raisons. Premièrement, l'architecture correspond à notre façon de travailler : local d'abord, aucune exfiltration de code, des artefacts déterministes que vous pouvez committer et partager. C'est le principe de souveraineté appliqué à l'outillage des développeurs, l'assistant obtient le contexte sans que la base de code ne quitte jamais l'environnement du client.
Deuxièmement, c'est un rappel tranchant que le goulot d'étranglement des assistants de code IA est rarement le modèle, c'est de donner au modèle le bon contexte de manière efficace. Un graphe de connaissances que l'agent peut interroger l'emporte sur la lecture en force brute des fichiers en coût, en vitesse et en précision à la fois. Nous traitons cela comme un schéma autour duquel construire, pas seulement un outil à installer. Pour le contexte, voir cet aperçu.
