Scale AI et Nvidia avec Greptile : deux façons de placer une IA avant la relecture humaine
Scale AI utilise Greptile en première relecture, avec une promotion automatique très limitée. Nvidia l'auto-héberge sur Perforce et GitLab. Voici les écarts.
La réponse courte
Les deux entreprises placent Greptile avant les relecteurs humains, mais pas de la même manière. Selon la page client de Greptile, Scale AI s'en sert comme première relectrice pour environ 650 ingénieurs. L'outil note et explique chaque pull request, et un petit ensemble de changements triviaux peut être promu sans intervention humaine.
La page de Nvidia décrit un projet d'une autre nature : une instance autohébergée qui relit du code sur Perforce et sur GitLab, avec des fonctions sur mesure que Greptile dit avoir développées pour chacun. Chaque page rapporte ses propres résultats, mesurés différemment. Cet article les garde séparés.
Ce que fait Greptile avant de commenter
Greptile indique construire un graphe des fichiers, des fonctions et des dépendances d'un dépôt. Un essaim d'agents relit ensuite chaque pull request avec ce contexte élargi, évalue l'impact au-delà du diff et signale bugs, risques de sécurité et écarts de style.
www.greptile.com · www.usedby.ai
Deux autres fonctions décrites par l'éditeur comptent ici. Greptile dit apprendre les standards d'une équipe à partir des commentaires de relecture passés, et accepter des règles personnalisées écrites en langage courant. L'éditeur annonce une prise en charge complète de langages dont Python, JavaScript, TypeScript, Go, Java, C++ et Rust, et propose en général l'autohébergement, notamment dans l'environnement AWS du client.
La page Nvidia résume la différence simplement : un changement est relu par rapport aux appelants et aux contrats qu'il ne modifie pas, et non seulement sur les lignes du diff. La même page cite aussi un point sur l'indépendance : les outils qui écrivent le logiciel ne sont pas ceux qui le relisent.
Scale AI : une première passe notée, avec un raccourci étroit
La page de Scale indique que Greptile est utilisé par environ 650 ingénieurs travaillant surtout en Python, Go, TypeScript et React. Greptile relit en premier. Les relecteurs humains ouvrent ensuite une pull request déjà accompagnée de contexte et d'une note. Le VP Engineering de Scale explique que les relecteurs ont plus de confiance avec des pull requests pré-notées par Greptile, et que la relecture devenait un goulot d'étranglement à mesure que le développement accélérait.
Il existe une exception. Un changement n'est promu automatiquement que s'il présente un faible risque, reste sous un plafond de complexité et reçoit l'approbation explicite de Greptile, par exemple un fichier de fixtures ou la modification d'une ligne de journal. La page indique que seule une petite part des changements est concernée aujourd'hui, et que Scale pourrait l'augmenter à mesure que sa supervision en production et ses tests gagnent en maturité. Presque toutes les pull requests passent encore par une relecture humaine.
L'adoption a été atypique. Scale a commencé par des dépôts plus volumineux, puis a étendu l'outil aux équipes qui le demandaient. Au départ, les ingénieurs le jugeaient bruyant et agaçant. Scale l'a maintenu plusieurs semaines, puis l'a désactivé pendant un jour ou deux. Les ingénieurs l'ont réclamé, et la page présente cette réaction comme le signe de valeur le plus net.
Le VP indique que l'entreprise fusionne et livre plus vite, surtout sur les diffs simples, avec plus de confiance chez les relecteurs. Le chiffre phare est de plus de 100 000 bugs détectés. Ces chiffres sont ceux déclarés par Scale. La page, telle que lue, n'explique pas comment un bug est compté et ne détaille pas le total par gravité.
Nvidia : un premier relecteur autohébergé sur Perforce et GitLab
La page de Nvidia décrit une instance Greptile autohébergée, travaillant avec Perforce et GitLab, sur une base de code incluant C++, Python et CUDA. Greptile dit avoir livré 35 fonctions sur mesure pour Perforce et 55 pour GitLab. C'est un travail spécifique considérable, et le signe le plus net qu'il ne s'agissait pas d'une installation standard.
La page fait état d'environ 395 000 pull requests relues, pour quelque 880 000 exécutions de revue et environ 930 000 commentaires. Ce sont des chiffres de volume. Ils montrent le trafic traité, pas la part de commentaires justes ou utiles.
Côté résultats, le chiffre de délai concerne une seule équipe. Selon la page, son temps moyen de fusion est passé de plus de 24 heures à six. Le déploiement couvre plusieurs équipes et produits de Nvidia : ce chiffre ne doit donc pas être lu comme une moyenne pour toute l'entreprise.
Ce qui diffère, et ce qui ne se compare pas
Les déploiements diffèrent à plusieurs égards. Celui de Nvidia est autohébergé et couvre deux systèmes de gestion de versions, avec une intégration sur mesure importante. La page de Scale décrit un déploiement auprès d'un grand groupe d'ingénieurs en Python, Go, TypeScript et React, sans décrire son mode d'hébergement. Scale détaille aussi une frontière étroite de promotion automatique, alors que la page Nvidia, telle que lue, présente Greptile comme premier relecteur sans voie comparable.
www.greptile.com · www.greptile.com
Les résultats diffèrent aussi. Scale rapporte un nombre de bugs détectés. Nvidia rapporte un volume global de revues et l'évolution du délai de fusion pour une équipe. Ce sont des pages clients hébergées par l'éditeur, avec des populations et des métriques différentes : on ne peut pas les lire comme un banc d'essai comparatif. Aucune page n'explique pourquoi l'entreprise a choisi Greptile.
www.greptile.com · www.greptile.com
Ce que les autres équipes peuvent en retenir
Ces enseignements sont des recommandations éditoriales tirées des deux pages, pas des affirmations de l'éditeur. D'abord, considérez l'outil comme une première passe qui facilite la relecture humaine, comme chez Scale, et non comme un remplacement. Ensuite, si vous autorisez une promotion automatique, écrivez d'abord les critères. L'association de Scale entre faible risque et plafond de complexité est un bon modèle.
Troisièmement, c'est une déduction éditoriale à partir du cas Scale : l'agacement initial ne dit pas tout. Les ingénieurs de Scale trouvaient l'outil bruyant, mais l'ont réclamé une fois désactivé. Demander si l'outil manque aux équipes est une façon de l'évaluer. Enfin, Nvidia montre une autre voie : l'autohébergement sur Perforce et GitLab s'est accompagné d'un important travail d'intégration, comme le suggère le nombre de fonctions sur mesure. Les équipes dont la gestion de versions ou les exigences d'hébergement sont atypiques doivent s'attendre à un effort de ce type. Celles qui ont des configurations courantes en rencontreront peut-être moins.
www.greptile.com · www.greptile.com
Méthode et limites
2026-10-15
Cet état daté compte les entreprises distinctes disposant de preuves clients publiques. CONFIRMED désigne une étude de cas, un témoignage nommé ou une source de presse ; OBSERVED, une liste de clients publiée par un éditeur ; SIGNAL, une offre d’emploi. Les trois niveaux comptent, avec des forces différentes. Les lignes retirées ou sans niveau sont exclues. Les exemples forment une sélection limitée, vérifiée dans les 90 jours. Les faits éditeurs sont sourcés et vérifiés dans les 60 jours. La couverture est inégale ; une preuve absente reste inconnue. Ces chiffres ne mesurent ni les parts de marché ni les performances. Les dates de collecte ne sont pas des dates d’adoption.
Sources
- www.greptile.comgreptile.com
- www.greptile.comgreptile.com
- www.greptile.comgreptile.com
Questions
Scale AI laisse-t-elle Greptile promouvoir des changements sans humain ?
Seulement pour une petite catégorie. La page de Scale indique que la promotion automatique vise les changements à faible risque sous un plafond de complexité, comme des fichiers de fixtures ou des modifications de lignes de journal. Presque toutes les pull requests passent encore par une relecture humaine.
Le déploiement de Greptile chez Nvidia est-il autohébergé ?
Oui, selon la page client de Nvidia, qui décrit une instance autohébergée travaillant avec Perforce et GitLab. Greptile dit avoir développé 35 fonctions sur mesure pour Perforce et 55 pour GitLab.
Que rapporte Nvidia sur les délais de fusion avec Greptile ?
La page de Nvidia indique que le temps moyen de fusion d'une équipe est passé de plus de 24 heures à six. C'est le résultat d'une seule équipe, publié sur une page hébergée par l'éditeur, pas une moyenne pour tout Nvidia.
Comment Greptile relit-il le code au-delà du diff ?
Greptile indique construire un graphe de fichiers, de fonctions et de dépendances, et utiliser un essaim d'agents pour relire chaque pull request. Il dit aussi apprendre les standards de l'équipe à partir des commentaires passés et accepter des règles en langage courant.
Peut-on comparer directement les résultats de Scale AI et de Nvidia ?
Non. Scale rapporte des bugs détectés, Nvidia un volume de revues et le délai de fusion d'une équipe. Les populations et les métriques diffèrent, et les deux viennent de pages clients hébergées par l'éditeur.
Outils cités dans cet article
Explorer les données
Qui utilise quel outil d’IA, et comment chaque ligne a été trouvée.