CodeGuru avait été présenté par AWS en décembre dernier, lors de la conférence re:Invent. Cet outil, proposé alors en préversion, se proposait d’analyser le code des développeurs et, grâce à la magie du machine learning, d’y chercher bugs et optimisations potentielles.

CodeGuru se décompose en deux outils : Reviewer et Profiler. Le premier effectue le travail de révision, son moteur de détection suivant un algorithme développé sur la base de l’analyse de 10 000 projets open source.

Reviewer s’intercale entre les développeurs et le dépôt, qu’il soit sur GitHub, Bitbucket Cloud, CodeCommit ou autre.  L’analyse se déclenche au commit. Si des erreurs sont trouvées, une alerte est émise, avec des suggestions de corrections. L’ensemble est présenté sous forme d’une pull request accompagnée de commentaires.

Le second, Profiler, a pour mission d’analyser le code pour y chercher les lignes les plus onéreuses. Il s’agit du code réclamant le travail le plus intensif et donc, dans le cadre d’AWS, de celui qui pourrait coûter le plus à l’entreprise. Reviewer attache d’ailleurs un montant estimé en dollars au lignes de code lui paraissant optimisables.

Plusieurs entreprises utilisent maintenant CodeGuru, comme Atlassian, EagleDream et DevFactory. Chez Atalassian, l’ingénieur en chef Zak Islam, rappelle qu’il « n’est pas toujours possible de prédire comment les systèmes hôte réagiront en situation de stress ». CodeGuru permettrait selon lui de passer « de plusieurs jours » à « quelques heures et parfois minutes » de temps consacré à la révision du code.