J'ai fait relire mon code par une mouche à fruit - Nick Nisi, WorkOS

Original · I Made a Fruit Fly Review My Code - Nick Nisi, WorkOS

16:372 min readAI Engineer11/01/2026Computing/Software

Key Takeaway

L'automatisation de la relecture de code par le connectome d'une drosophile démontre qu'il est possible d'atteindre un taux de réussite élevé pour identifier les anomalies logiques sans intervention humaine constante.

Highlights

  • Le cerveau d'une drosophile mâle contient 176 000 neurones, 6,3 millions de connexions et plus de 125 millions de synapses.

  • La drosophile utilisée pour analyser du code atteint un taux de réussite de 88 % lors de l'évaluation de modifications.

  • Les tests les plus ardus soumis à la mouche démontrent une détection correcte des problèmes dans 96 % à 98 % des cas.

  • Le connectome de la mouche associe le bon code à une sensation d'eau sucrée et le mauvais code à une odeur amère.

  • L'utilisation d'un modèle de système 1, nommé Jev, traduit le code en trente questions non biaisées transmises sous forme d'odeurs.

Timeline

  1. Le goulet d'étranglement de la relecture de code

    Malgré les outils de CI, le linting et les agents de détection, le processus de développement reste bloqué par l'attente des validations humaines. Le rôle de l'ingénieur évolue vers une posture managériale où la vérification syntaxique cède la place à la validation des fonctionnalités attendues.

    • L'écriture et la soumission de code s'accélèrent grâce aux outils actuels.
    • La relecture humaine constitue désormais le principal frein à l'efficacité du développement logiciel.
    • Le terme bug trouve son origine en 1947 suite à la découverte d'un papillon de nuit dans un relais.

  2. Intégration du connectome de la drosophile

    Le projet utilise le connectome complet de la mouche pour analyser du code JavaScript. Les modifications sont converties en odeurs via un modèle de système 1, activant les connexions neuronales associées à la récompense ou à la punition pour évaluer la sécurité du code.

    • Le cerveau d'une drosophile mâle scanné au microscope électronique sert de base à un système de relecture de code.
    • Un modèle d'intelligence artificielle transforme les modifications de code en stimuli olfactifs pour la mouche.
    • Les souvenirs du système associent les modifications valides au sucre et les erreurs à des signaux amers.

  3. Évaluation comparative et performances

    Les tests montrent que la mouche parvient à identifier les conditionnelles modifiées et la logique supprimée avec une précision redoutable. Bien qu'incapable de communiquer des corrections textuelles, elle détecte efficacement les structures de code anormales.

    • L'évaluation en direct compare les votes du public à ceux de la drosophile sur des fichiers de code.
    • La drosophile identifie correctement les problèmes dans environ 88 % des cas lors des tests initiaux.
    • Les tests complexes affichent des taux de réussite atteignant 96 % à 98 % pour repérer les anomalies.

  4. Vers un pipeline de validation autonome

    Le processus de relecture peut être délégué à des scripts de compétences d'équipe et à des réviseurs automatisés pour fusionner les codes sûrs en autonomie. L'humain n'intervient qu'en cas d'échec ou pour auditer les processus, garantissant ainsi une livraison logicielle accélérée.

    • L'intervention humaine doit se limiter aux modifications nécessitant une véritable compréhension contextuelle.
    • Un pipeline automatisé intègre des compétences d'équipe, des classificateurs et des réviseurs de code spécialisés.
    • Les agents de vérification fournissent des preuves concrètes telles que des captures d'écran et des tests de fumée.

Description

Code is being written faster than ever, and Nick Nisi, who leads developer and agent experience at WorkOS, argues that the human reviewer is now the bottleneck. To make the point, he hooked a simulated fruit fly brain, built from a full scan of its neurons, up to code review: AI turns each change into literal "code smells," sugar and bitter rewards teach the fly what good and bad code taste like, and it was right about 88% of the time in testing. Then he plays a live round against the audience and lays out a practical plan where team review skills, classifiers and automated reviewers only send the risky pull requests to a human, backed by proof like screenshots and smoke tests. Chapters: 0:00 Intro 0:37 Humans are the bottleneck 2:35 Where the word "bug" came from 3:04 Using a bug to find bugs 4:00 Wiring a fruit fly brain into code review 4:57 Turning code into smells 6:43 Sugar, bitterness and memory 7:32 Does the fly actually matter? 8:15 Game: are you smarter than a fruit fly? 10:22 Trying a real pull request 11:55 What only humans know: why 12:33 Escalate only the reviews that matter 14:56 Proof instead of review Nick Nisi https://workos.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!

Write about this video