70 % de tokens en moins par tâche, c'est la première victoire. La mise en commun du contexte partagé est le véritable avantage avec OriginTrail et Graphify.
Chaque tâche paie la même taxe de contexte. L'assistant relit les mêmes fichiers, reconstruit la même architecture, redécouvre les mêmes choix de dépendances, et réexplique des décisions qu'un autre agent, ou la même équipe hier, avait déjà comprises.
Ce modèle ne passe pas à l'échelle pour le développement logiciel multi-agent réel.
Si chaque agent de codage part de zéro, ajouter plus d'agents multiplie l'activité mais pas la compréhension partagée. On obtient une exécution parallèle sans intelligence accumulée.
Le goulot d'étranglement n'est plus de savoir si les agents peuvent écrire du code. C'est la question de savoir si leur contexte s'accumule.
C'est ce qui change avec Graphify sur @origin_trail DKG v10.
Graphify transforme les bases de code en graphes de connaissances interrogeables
Graphify n'est pas un agent de codage de plus. C'est une couche de graphe de connaissances pour les bases de code, destinée aux agents de codage et aux développeurs humains.
Tapez /graphify dans Claude Code, Codex, Cursor, OpenClaw, Hermes, Copilot ou d'autres environnements pris en charge, et Graphify cartographie le projet en trois sorties structurées :
- graph.html — un graphe interactif
- GRAPH_REPORT.md — un rapport d'architecture lisible par l'humain
- graph.json — un graphe interrogeable pour les assistants et agents
Ce graphe couvre le code, la documentation, les PDF, les images et les vidéos. Il capture les relations d'appel, les importations, les commentaires, les justifications et les connexions surprenantes — chacun étant étiqueté avec des niveaux de confiance comme EXTRACTED, INFERRED ou AMBIGUOUS.
Désormais, Graphify se connecte au Decentralized Knowledge Graph v10 d'OriginTrail.
Au lieu que le contexte du projet ne réside que dans des fichiers locaux ou des sessions temporaires d'assistant, les connaissances générées par Graphify peuvent faire partie d'un graphe de contexte partagé et vérifiable.
Graphify donne aux agents une carte de la base de code. DKG v10 donne à cette carte une mémoire partagée et une provenance.
Du contexte privé aux graphes de contexte partagé
Ceci est directement lié à l'idée que j'ai récemment exposée : la prochaine évolution des agents IA n'est pas une mémoire plus grande, mais un contexte partagé et structuré sur lequel les agents peuvent raisonner ensemble.
La même orientation est apparue dans notre récent article sur la mémoire partagée : un second cerveau aide une personne à se souvenir ; un graphe de contexte partagé aide de nombreuses personnes et agents à comprendre la même réalité.
Graphify applique cette idée au développement logiciel.
Un dépôt n'est pas seulement un dossier de fichiers. C'est un système vivant de modules, de dépendances, de décisions, de compromis, de questions ouvertes, de PR, de bugs, de revues et d'historique. La majeure partie de ce contexte est dispersée.
Graphify le structure. DKG v10 le rend partagé, persistant et vérifiable.
L'avenir n'est pas des agents avec des prompts plus grands. Ce sont des agents travaillant à partir de graphes de contexte partagé.
Pourquoi cela économise ~70 % de tokens par tâche
Dans une utilisation de référence mesurée, Graphify avec DKG v10 a fourni environ 70 % de tokens en moins par tâche.
Ce chiffre est un résultat de référence, pas une garantie universelle. Différents dépôts, tâches et flux de travail varieront. Mais le mécanisme est simple.
La plupart des assistants de codage brûlent des tokens en rechargeant le monde : structure du dépôt, fichiers pertinents, résumés antérieurs, notes d'architecture, historique des issues, commentaires de code, raisonnements précédents. Ils effectuent des recherches textuelles, du « grep » à l'ancienne et des outils similaires pour trouver ce dont ils ont besoin, brûlant ainsi beaucoup de tokens inutilement. Graphify change le modèle d'accès en utilisant des graphes.
Au lieu de fourrer un large contexte dans le prompt, l'assistant interroge directement le graphe de code :
- le module pertinent
- le chemin le plus court entre deux concepts
- la relation de dépendance
- la section de flux d'appels
- la justification liée à un fichier
- la note d'architecture antérieure
Moins de contexte non pertinent chargé signifie moins de tokens consommés. Moins de tokens signifie un coût réduit, une exécution plus rapide et moins de bruit pour le modèle pour raisonner.
Mais l'avantage plus profond est la précision. Graphify aide les agents à demander le bon contexte au lieu de se noyer dans tout le contexte.
70 % de tokens en moins, c'est ce qui se produit lorsque les agents arrêtent de relire le dépôt et commencent à interroger le graphe.
Chaque graphe devient une mémoire d'équipe réutilisable
La valeur stratégique ne réside pas seulement dans les économies de tokens. C'est l'accumulation.
Graphify encourage déjà les équipes à commit graphify-out/ afin que tout le monde parte d'une carte partagée du projet. DKG v10 étend cette logique au-delà d'un artefact de dépôt local pour en faire une couche de connaissance partagée.
Une revue de code devient plus qu'un fil de commentaires — elle devient un contexte de risque réutilisable.
Une décision architecturale devient plus qu'un message Slack — elle devient un nœud connecté à des fichiers, modules, dépendances et justifications.
Une investigation de bug devient plus qu'un issue fermé — elle devient un précédent pour le prochain agent déboguant une panne similaire.
Une requête Graphify devient plus qu'une réponse ponctuelle — elle fait partie de la mémoire évolutive du projet.
Le prochain assistant ne part pas de zéro. Le prochain relecteur humain ne redécouvre pas l'intention de conception. Le prochain contributeur ne répète pas le même travail de collecte de contexte.
Chaque session utile rend la session suivante moins chère, plus rapide et mieux informée.
Agents et humains partagent le même substrat
Les équipes logicielles ont déjà de nombreux systèmes de mémoire partielle. Git stocke les modifications. Les issues stockent les tâches. Les docs stockent l'intention, parfois. Les chats stockent les décisions, si quelqu'un peut les trouver. Le CI stocke les réussites/échecs. Les outils de revue de code stockent les retours.
Ces systèmes sont fragmentés. Les agents doivent les parcourir, les résumer et espérer que les bons éléments rentrent dans la fenêtre de contexte.
Graphify sur DKG v10 crée un substrat partagé où agents et humains travaillent à partir du même contexte structuré.
Un assistant peut interroger le graphe d'appels. Un autre peut inspecter les modules impactés. Un autre peut examiner le risque de dépendance. Un humain peut ouvrir le rapport de graphe et inspecter la piste de raisonnement. L'équipe préserve ce qui a été appris au lieu de le perdre lorsque la session se termine.
C'est là que le codage multi-agent devient plus que du prompting parallèle. Il devient coordination à travers une mémoire logicielle partagée et fiable.
L'avenir du codage n'est pas un agent géant. Ce sont de nombreux agents et humains travaillant à partir du même contexte vérifié.
Pourquoi la décentralisation est importante
Si la mémoire logicielle devient une infrastructure critique, elle ne devrait pas être piégée chez un seul fournisseur.
Les équipes ont besoin de connaissances projet qui soient possédables, portables, conscientes de la provenance, et utilisables à travers les frameworks d'agents. C'est pourquoi DKG v10 est important.
Le Decentralized Knowledge Graph d'OriginTrail fournit la fondation pour des graphes de contexte partagé avec une mémoire structurée, une provenance et des actifs de connaissance vérifiables. Le contexte peut se déplacer entre outils, assistants, équipes et flux de travail sans perdre sa source ni son sens.
Le modèle de mémoire DKG donne également à la collaboration entre agents une structure de confiance :
- La mémoire de travail (Working Memory) prend en charge l'exploration locale
- La mémoire partagée (Shared Memory) expose le contexte au niveau de l'équipe
- La mémoire vérifiable (Verifiable Memory) préserve les connaissances plus solides et validées
Les agents peuvent raisonner non seulement sur ce qui a été trouvé, mais aussi sur d'où cela vient, qui l'a contribué, et combien de confiance cela a gagné.
TRAC soutient l'écosystème OriginTrail derrière cette infrastructure, permettant aux connaissances d'être créées, partagées, sécurisées et réutilisées à travers des systèmes décentralisés.
Les agents IA de confiance ont besoin de plus que l'accès aux fichiers. Ils ont besoin d'un contexte partagé avec provenance.
Des cartes de code à l'intelligence logicielle collective
La première vague d'agents de codage a prouvé que les LLM peuvent écrire du code utile. La prochaine vague concerne la coordination.
Graphify cartographie la base de code. DKG v10 transforme cette carte en mémoire partagée et vérifiable. Agents et humains construisent sur le même contexte au lieu de le reconstruire sans cesse.
C'est le passage de l'assistance isolée à l'intelligence logicielle collective.
Le bénéfice immédiat est pratique : environ 70 % de tokens en moins par tâche dans les benchmarks mesurés.
Le bénéfice plus large est structurel : chaque base de code cartographiée, chaque requête utile, chaque trace de décision et chaque insight de revue devient partie d'un graphe de contexte qui s'accumule.
C'est la différence entre des agents qui travaillent les uns près des autres et des agents qui apprennent ensemble.
Graphify sur DKG v10 transforme le contexte logiciel en infrastructure partagée.
Essayez Graphify, explorez DKG v10, et rejoignez la construction vers des agents IA et des développeurs travaillant à partir de connaissances partagées et vérifiables.
Vous pouvez également étendre les capacités du DKG d'OriginTrail et être récompensé. Allez voir le programme de bounties :
Une toute nouvelle version est juste au coin de la rue avec toutes les nouveautés — essayez-la.
👉https://github.com/OriginTrail/dkg
Rejoignez la red team ici :
