Claudette : graphe de connaissances pour Claude Code Claudette combine Claude Code et un graphe de connaissances persistant pour réduire les tokens et accélérer l'analyse du code.
Claudette est un plugin MCP pour Claude Code qui met en œuvre un graphe de connaissances persistant autour du code source, afin d'optimiser les requêtes et de limiter les tokens consommés. En analysant la structure du logiciel — fonctions, classes, imports et appels — Claudette construit une cartographie des dépendances et des relations qui peut être interrogée directement, sans re-parser l'ensemble d'un projet. L'outil, écrit en Go et compatible avec Python, JavaScript, TypeScript et Go, s'inspire du projet code-review-graph et est distribué sous licence MIT. Pour les équipes, cela promet une meilleure réactivité des outils IA sans nuire à la traçabilité du code. Pour moi, l'idée de lier le code à un graphe persistant est particulièrement intrigante lorsque l'on pense à l'essor des assistants de développement basés sur l'IA.
Qu'est-ce que Claudette et pourquoi ce graphe de connaissances ?
Claudette se présente comme un pont entre Claude Code et le code métier. Plutôt que d'examiner manuellement chaque fichier à chaque requête, l'algorithme construit un graphe qui représente les relations entre les composants du code. Le résultat est une connaissance structurée qui peut être parcourue en temps réel lors de l'analyse, de la recherche ou de la génération de code assistée par IA. Cette approche transforme le modèle d'interrogation : au lieu de lire tout le fichier, Claude peut naviguer dans les liens et les dépendances déjà cartographiés.
Comment Claudette optimise Claude Code en pratique
La principale idée est de déporter l'analyse du code vers un graphe persistant, qui est mis à jour au fil du développement plutôt que recalculé. En pratique :
- Réduction des tokens : les requêtes IA n repartent pas de zéro, elles exploitent les relations déjà établies dans le graphe.
- Relations clairement définies : le graphe recense les liaisons entre fonctions, classes, imports et appels, ce qui accélère les recherches contextuelles.
- Mises à jour incrémentales : le graphe est actualisé au fur et à mesure des commits pour limiter les écarts.
- Polyglotte et léger : Claudette est écrit en Go et cible Python, JavaScript, TypeScript et Go, ce qui le rend compatible avec de nombreux projets.
- Écosystème et licence : s'inspire de code-review-graph et est publié sous MIT, favorisant l'adoption et l'audit communautaire.
Contexte, limites et ce qu'il faut surveiller
Malgré les promesses, cette approche comporte des limites. La précision du graphe dépend de la qualité des mises à jour et de la synchronisation avec le code source réel. Si le graphe n'est pas actualisé correctement, des divergences peuvent survenir entre la représentation et le code déployé. Les questions de sécurité et de confidentialité des dépôts, surtout dans des environnements CI/CD, restent cruciales. Enfin, Claudette n'élimine pas le besoin d'une analyse statique ou dynamique indépendante — elle complète l'intelligence IA, sans la remplacer.
Pour terminer
En tant que lecteur, ce que j'apprécie le plus, c'est l'idée de délier l'analyse IA du coût des re-parsings fréquents. Claudette montre une voie vers des outils IA plus économes en tokens et plus réactifs, tout en restant attentif à la synchronisation des données et à la sécurité des dépôts. La vraie question demeure : jusqu'où ce graphe peut-il évoluer pour suivre les projets les plus ambitieux ?
