Maige

Qu’est-ce que Maige ?

Maige est une plateforme de workflow pour les dépôts GitHub, développée par l’équipe canadienne d’IA appliquée Rubric Labs. Elle permet aux gestionnaires de décrire des règles en langage naturel, afin que l’IA exécute des tâches telles que l’attribution de labels, l’affectation, les commentaires, les revues de code et des tâches de codage simples lors de la survenue d’événements liés aux Issues et aux Pull Request.

La version actuelle définit le produit comme une infrastructure open source qui permet de gérer des workflows en langage naturel à partir d’un ensemble de codes en exécution. Elle offre à la fois des services hébergés et le code complet du dépôt en accès public, mais l’hébergement auto-géré reste indiqué comme non officiellement pris en charge.

Mode de travail principal

1. Installez l’application Maige GitHub dans le répertoire sélectionné et accordez les permissions nécessaires pour gérer les issues, les commentaires et les pull requests.
2. Le système crée un Webhook pour l’entrepôt connecté, clone et divise le code, établit un index d’incorporation du dépôt de code, tout en préparant un environnement sandbox pour les tâches exécutables.
3. Les mainteneurs écrivent des règles en langage courant pour indiquer quels événements doivent déclencher quelles actions, et peuvent faire référence aux guides de contribution ou aux conventions du projet.
4. Lorsqu’un événement d’Issue, de commentaire, de push ou de Pull Request arrive, Maige lit le contexte correspondant et sélectionne l’action API GitHub.
5. L’utilisateur consulte le journal des exécutions, la consommation et les résultats dans le panneau de contrôle, fournit des retours sur les comportements erronés et ajuste les règles.

Fonction principale

Automatisation des émissions

• Étiquettes automatiques : Ajouter ou supprimer des étiquettes pour un nouveau problème en fonction du titre, du texte, du type de fichier ou de règles de langage naturel.
• Affectation automatique : Il est possible d’affecter les issues à des membres spécifiques en fonction de l’interface, du backend, du document ou d’autres règles de responsabilité.
• Commentaires automatiques : génération de questions de clarification, d’instructions ou de conseils pour les administrateurs, afin de réduire les réponses initiales redondantes.
• Règles personnalisées : par exemple, ajouter une étiquette spécifique lorsque apparaît un mot-clé technique, sans avoir besoin d’écrire des scripts de conditions traditionnels.
• Question-réponse dans le contexte : il est possible de demander quels paquets sont utilisés par un entrepôt ou où se trouve une certaine implémentation ; les réponses dépendent de la recherche d’informations intégrées dans le code.

Révision de Pull Request

• Vérification des règles : il est possible de demander que toutes les nouvelles Pull Request soient vérifiées conformément au guide de contribution et aux règles du projet.
• Règles de sensibilité des fichiers : il est possible d’ajouter un marquage à approuver pour la configuration de l’environnement, les clés ou les chemins à haut risque.
• Commentaires et retours : le système peut fournir des avis d’évaluation ou des explications complémentaires sur les modifications via l’API GitHub.
• Contexte du répertoire de code : l’examen ne se base pas uniquement sur les différences, mais peut également rechercher des fichiers pertinents déjà indexés.
• Le résultat doit encore être confirmé manuellement : l’IA peut omettre des effets inter-modules, mal interpréter les règles métier ou proposer des modifications non fonctionnelles.

Exécution et génération de code

• Exécution dans un sandbox : la version hébergée permet de lancer un environnement isolé pour exécuter de petits fragments de code, idéal pour des vérifications limitées ou des traitements auxiliaires.
• Génération de code : Le plan Standard liste les fonctionnalités de génération de code, qui peuvent être mises en œuvre sur demande d’Issue ou d’instruction.
• Synchronisation du stockage : les événements de publication peuvent déclencher des mises à jour intégrées, afin que l’index suive autant que possible les modifications du code de la branche principale.
• Opérations sur GitHub : la description du produit indique une utilisation flexible de l’API GitHub, mais la portée réelle est limitée par les permissions de l’application et ses capacités de mise en œuvre.
• Les actions à haut risque doivent faire l’objet d’une approbation : la fusion, la publication, les modifications de clés et les configurations de production ne doivent pas être confiées directement à des règles sans surveillance.

Exemple de règle typique

• Attribuer tous les problèmes liés aux interfaces au mainteneur frontend désigné.
• Lorsqu’une Pull Request modifie les fichiers de configuration d’environnement et que l’auteur n’est pas le mainteneur, une étiquette « à valider » est ajoutée.
• Effectuer une revue pour chaque nouvelle Pull Request conformément au guide de contribution du projet.
• Lorsque l’Issue mentionne la conteneurisation, ajoutez une étiquette self-hosted et joignez les discussions existantes.
• Répondre aux questions concernant les dépendances des projets, l’emplacement des fichiers ou les relations de mise en œuvre, afin d’aider les contributeurs à comprendre rapidement le repository de code.

Entrée, sortie et scénarios d’application

Adéquat pour les utilisateurs

• Mainteneur de projet open source : traitement automatique d’un grand nombre d’étiquettes répétées, d’affectations et de commentaires initiaux.
• Équipe de R&D de petite taille : formuler les règles de tri des problèmes internes en langage naturel pour réduire la maintenance manuelle.
• Responsable de l’examen du code : une première vérification des règles est effectuée par l’IA, puis approuvée par un ingénieur responsable.
• Équipe d’ingénierie de plateforme : étudier comment combiner les GitHub Webhook, la récupération de code et les actions d’agent pour créer des workflows.
• Organisations ayant besoin d’une mise en œuvre privée : le code open source peut être évalué, mais l’expérience d’autogestion actuelle n’est pas encore mature.

Forfait de prix

• Seules les 30 premières issues de la page sont gratuites ; il n’est pas indiqué si le calcul se fait par répertoire, organisation ou compte, et le prix unitaire pour les quantités supplémentaires après l’essai n’est pas précisé.
• Standard ne divulgue pas de limites concernant les issues, les PR, les appels de modèles, le temps de sandbox, le nombre de membres ou le nombre de dépôts.
• La solution d’entreprise n’est pas encore disponible en ligne ; il ne faut donc pas considérer que le déploiement privé, les engagements de support ou les capacités de sécurité d’entreprise sont déjà assurés.
• Les règles relatives aux remboursements, aux dates d’effet des annulations, à la renouvellement automatique et aux taxes ne sont pas encore publiées ; il convient de les vérifier sur la page de paiement avant de procéder au paiement.

Permissions GitHub et flux de données

Open source et auto-hébergement

• Le dépôt principal de Maige met à disposition le code complet de l’application web, sous licence GNU Affero General Public License 3.0 ou une version ultérieure.
• Les utilisateurs peuvent consulter, modifier et déployer du code ; lorsqu’ils fournissent des services modifiés aux utilisateurs du réseau, ils doivent comprendre l’obligation d’offrir le code source correspondant imposée par la AGPL.
• Les instructions du dépôt indiquent clairement que l’autogestion n’est pas encore officiellement prise en charge, et que le processus d’installation nécessite Bun, une base de données, GitHub App, Webhook, une authentification ainsi que la configuration de plusieurs services externes.
• Le code actuel dépend d’embeds OpenAI, de la bibliothèque vectorielle Weaviate, du sandbox E2B, de Stripe, de GitHub, de bases de données et de services de suivi ; les coûts d’infrastructure réels sont à la charge du déploiteur.
• Les licences open source ne couvrent que le code du dépôt et n’octroient pas automatiquement l’accès aux marques Maige, aux quotas de services hébergés, aux modèles tiers ou aux services cloud.

Confidentialité et sécurité

• Lors de la connexion à la version gérée, une intégration de l’ensemble du répertoire de code est établie, de sorte que le code privé, les commentaires, le contexte lié à l’historique des commits ainsi que les métadonnées des fichiers peuvent être traités par une infrastructure externe.
• Le code actuel utilise text-embedding-3-small d’OpenAI pour générer des embeddings et Weaviate pour en sauvegarder les vecteurs ; il n’est pas garanti que la même configuration sera toujours utilisée dans un environnement de production hébergé.
• Les exemples d’environnement indiquent également E2B, le suivi de LangChain, les services de recherche, les bases de données et les identifiants GitHub ; le déploiteur doit examiner séparément les règles de données de ces tiers.
• Le traitement de déchargement du entrepôt supprime les enregistrements de la base de données des projets appartenant à l’organisation ou à l’utilisateur concerné, mais les documents publics ne précisent pas de délai uniforme pour la suppression des index vectoriels, des sauvegardes, des journaux et des copies traitées par des tiers.
• Le site actuel ne propose pas de politique de confidentialité distincte identifiable, de conditions d’utilisation, d’annexe sur le traitement des données ou de page de mentions de sécurité.
• En l’absence de politique, il ne faut pas connecter des dépôts contenant des informations confidentielles des clients, des données personnelles, des vulnérabilités non divulguées, des clés de production ou du code soumis à réglementation.

Restrictions d'utilisation

• Les règles de langage naturel peuvent être ambiguës, et la même phrase peut provoquer des comportements incohérents sur différents sujets.
• L’incorporation de code ne peut pas exprimer pleinement l’état en temps de exécution, les dépendances externes, le contenu de la base de données et les contraintes métier implicites.
• L’analyse par l’IA est adaptée pour détecter des problèmes préliminaires, mais elle ne peut pas remplacer les tests, l’analyse statique, le balayage des dépendances, les audits de sécurité et l’approbation des responsables.
• Le fait qu’un sandbox puisse exécuter de petits fragments ne signifie pas qu’il est possible d’exécuter en toute sécurité n’importe quel code de dépôt ; les paramètres réseau, les ressources et le niveau d’isolation ne sont pas divulgués.
• La nouvelle version du produit a été lancée en août 2026 ; la stabilité de l’hébergement, la rapidité de l’assistance technique et les capacités de gouvernance d’entreprise doivent encore être évaluées à travers des essais pratiques.

Conseils pour commencer en toute sécurité

1. Installez d’abord dans un dépôt de test sans données sensibles, et restreignez l’accès de l’application GitHub uniquement à ce dépôt.
2. Commencez par des règles de tags et de commentaires non destructives, sans autoriser immédiatement la fusion automatique, la publication ou la production de modifications.
3. Vérifier la plage d’indexation du code initial, et supprimer les clés, les données personnelles ainsi que les fichiers qui ne doivent pas être envoyés à des tiers dans le dépôt.
4. Décrire pour chaque règle les conditions de déclenchement, les exceptions, les utilisateurs cibles et les actions autorisées, puis valider à l’aide de plusieurs problèmes simulés.
5. Préserver l’examen manuel pour vérifier en continu les journaux de fonctionnement, les commentaires d’erreur, les changements de droits et les utilisations anormales.
6. Lorsque vous cessez d’utiliser l’application, désinstallez GitHub App et confirmez auprès de l’opérateur l’état de suppression des données du projet, de l’index vectoriel, des journaux et des sauvegardes.

Résumé

L’avantage de Maige est d’abstraire les actions de maintenance sur GitHub en flux de travail en langage naturel, en combinant la recherche de code avec le traitement en sandbox des issues et des pull requests. Il convient pour réduire les tâches redondantes et effectuer une première phase d’examen, mais il n’est pas adapté à l’exécution non supervisée de modifications critiques de code.

La version gérée a un tarif simple, mais sa politique de données et ses quotas détaillés restent incomplets ; la version open source offre une base vérifiable et modifiable, mais ne propose pas encore un support self-hosté fluide. L’équipe doit d’abord valider la fiabilité des permissions, des flux de données et des règles à l’aide d’un dépôt à faible risque.