PROMPTACADEMY
REJOINDRE
OUTILS

Économiser tes tokens Claude Code avec Graphify le graph qui remplace grep + read sur les gros repos

Sur un repo de 50k+ lignes, chaque question d'archi à Claude le force à grep + lire 10 fichiers (50k+ tokens). Graphify pré-digère ton repo en un knowledge graph queryable. Ensuite, Claude requête le graph (~500 tokens) au lieu de lire les fichiers bruts. Souvent un ordre de grandeur ou deux d'économie sur les questions de navigation, selon la taille du repo.

Par Mario, Fondateur Prompt Academy · 9 min de lecture · Gratuit, sans compte

Tu utilises Claude Code sur ton repo legacy de 80 000 lignes. Tu lui poses la question naturelle : "Quelle est l'archi d'auth ?". Claude lance un grep sur "auth", trouve 47 matches, en ouvre 8 fichiers, lit ~40 000 tokens, puis te répond. Multiplie ça par les 20 questions d'archi de ta journée → tu cumules plusieurs centaines de milliers de tokens juste pour explorer ton propre code. À ce rythme, sur du Sonnet/Opus, c'est plusieurs euros par jour rien que pour la navigation.

Graphify corrige ça. C'est un outil CLI Python qui transforme ton repo en knowledge graph queryable : nœuds (fonctions, classes, modules, concepts), liens (qui appelle qui, qui dépend de qui), métadonnées (commentaires # WHY:, docstrings, design rationale). Une fois le graph construit, Claude utilise graphify query "ta question" au lieu de grep + read → réponse focalisée en ~500 tokens.

Pourquoi c'est un économiseur de tokens

Action ClaudeSans GraphifyAvec Graphify
"Quelle est l'archi d'auth ?"grep + 8 fichiers lus = ~40k tokensquery "auth" = ~500 tokens
"Qu'est-ce qui appelle UserService ?"grep récursif + 5-10 fichiers = ~25k tokenspath "X" "UserService" = ~300 tokens
"Explique RateLimiter"Lecture du fichier + dépendances = ~10k tokensexplain "RateLimiter" = ~400 tokens
Onboarding repo inconnu (1ère heure)Lecture massive = ~300k+ tokensLecture du GRAPH_REPORT.md (~5k) + queries ciblées

L'économie est massive sur les questions d'exploration/archi. Sur les questions de modif de code précis ("ajoute un champ à cette table"), Claude doit toujours lire le fichier — Graphify ne remplace pas la lecture, il évite la lecture inutile pour la navigation.

Ce que ça produit

Tu lances graphify . dans ton repo, ça génère un dossier graphify-out/ avec :

  • graph.html — visualisation interactive (browser) : tu cliques sur les nœuds, tu filtres, tu cherches. Utile humain pour visualiser l'archi.
  • GRAPH_REPORT.md — le résumé exécutif : god nodes (les concepts les plus connectés, par où tout passe), surprising connections (liens entre choses qui ne se parlent pas en apparence), 4-5 questions que le graph est uniquement positionné pour répondre. À lire EN PREMIER quand tu débarques sur un repo.
  • graph.json — la data brute. Claude requête ça, pas le HTML.

L'extraction de code est locale (tree-sitter, 33 langages, zéro appel API). Les docs / images / vidéos passent par l'API de ton assistant (donc tokens consommés au build, mais une fois pour toutes).

Pré-requis

Python 3.10+

Vérifie avec python --version. Si pas installé : python.org.

uv (recommandé) ou pipx

uv tool install isole le paquet dans son propre env et ajoute le binaire au PATH automatiquement — pas de prise de tête. Sur Windows : winget install astral-sh.uv. Sur Mac : brew install uv. Sur Linux : curl -LsSf https://astral.sh/uv/install.sh | sh.

Installation

Installer le paquet Python
bash
uv tool install graphifyy

Attention : le paquet PyPI s'appelle graphifyy (double y). Les autres graphify* sur PyPI ne sont pas affiliés. La commande CLI reste graphify.

Enregistrer le skill auprès de Claude Code
bash
graphify install

Ça pose un fichier SKILL.md dans ~/.claude/skills/graphify/ qui dit à Claude "pour les questions d'archi, utilise graphify query avant de grep". Quand Claude Code voit ce skill chargé, il route les questions de navigation vers le graph automatiquement.

(Optionnel) Forcer Claude à TOUJOURS consulter le graph dans ce projet
bash
cd ton-projet
graphify claude install

Ça pose un hook + une instruction projet qui dit à Claude "avant tout grep/find dans ce repo, query le graph". C'est ça qui maximise l'économie de tokens.

N'utilise PAS pip install pour ce paquet

Si tu fais pip install graphifyy au lieu de uv tool install, tu vas avoir des ModuleNotFoundError: No module named 'graphify' au runtime. La cause : Graphify résout son Python depuis graphify-out/.graphify_python et si ce path pointe sur un autre env Python que celui où pip a installé, ça casse. uv tool install et pipx install isolent le paquet proprement — pas de piège.

Premier essai

Va dans un de tes vrais repos (idéalement 5k+ lignes, sinon le ROI tokens est nul) :

bash
cd /chemin/vers/ton-repo
graphify .

Ça extrait, ça cluster, ça génère les 3 fichiers dans graphify-out/. Le build prend de quelques secondes (petit repo) à quelques minutes (gros repo, docs nombreuses). Le code passe local (tree-sitter), les docs/images consomment tes tokens API.

PowerShell Windows

Sur PowerShell, tape graphify . et pas /graphify . — le slash en début est interprété comme séparateur de path par PS et casse la commande.

Ouvre graphify-out/graph.html dans ton browser. Clique autour. Lis GRAPH_REPORT.md — c'est le briefing exec de ton repo. Tu vas découvrir des trucs : des god nodes que tu ne soupçonnais pas, des modules qui dépendent de modules qu'ils ne devraient pas toucher, etc.

Maintenant lance Claude Code dans le même dossier et demande-lui :

text
Quelle est l'archi d'authentification dans ce repo ?

Si l'install a marché, tu verras Claude exécuter graphify query "..." au lieu de balancer 5 Read et 3 Grep à la suite. Pour mesurer l'économie en vrai, regarde ta facturation Anthropic console.anthropic.com sur la semaine où tu testes — ou regarde simplement le nombre de tool calls que Claude fait avant vs après pour la même question.

Cas d'usage typiques

1. Onboarding sur un repo inconnu (le ROI maximal) :

Tu débarques sur un legacy. Tu fais graphify ., tu lis GRAPH_REPORT.md (3 min de lecture humaine = 5-10k tokens). Tu as déjà la carte mentale : où sont les god nodes, quels modules sont les plus couplés, où vivent les "WHY:" dans le code. Tu poses ensuite tes questions précises à Claude qui requête le graph — chaque réponse coûte ~500 tokens au lieu de 30k.

2. Audit pré-refacto :

Avant de toucher à un module critique, lance graphify query "qu'est-ce qui dépend de UserService". Tu vois en 1 query toutes les dépendances entrantes/sortantes. Tu peux estimer le blast radius du refacto sans lire 20 fichiers.

3. Comprendre une feature transverse :

Une feature qui touche 8 modules à travers le repo ? graphify path "EndpointAuth" "DatabaseQuery" te trace tous les chemins entre les deux. Plus rapide qu'un grep + lecture séquentielle.

4. Dashboard PRs (bonus inattendu) :

bash
graphify prs
graphify prs --triage      # ranking IA de tes PRs à reviewer
graphify prs --conflicts   # PRs qui touchent les mêmes communautés du graph (risque de merge order)

Pour les chefs d'équipe ou ceux qui gèrent un repo avec beaucoup de PRs ouvertes. Bonus pas évident depuis la promesse "knowledge graph" mais ça marche bien.

Garde le graph à jour avec un hook git
bash
graphify hook install

Installe un hook git qui re-extrait UNIQUEMENT les fichiers changés à chaque commit. Le graph reste à jour automatiquement, le coût est marginal (seuls les diffs sont retraités).

Quand Graphify ne vaut PAS le coup

Sois honnête sur le ROI :

  • Repo < 5k lignes : Claude lit le repo entier en quelques tokens, le graph apporte rien.
  • Repo monolangage + bien documenté : si ton repo a déjà un bon README avec diagrammes + des noms clairs, l'archi est lisible direct.
  • Tâches de modif de code précis : Claude doit toujours lire le fichier pour modifier — le graph ne remplace pas la lecture en cas d'édition.
  • Si tu n'as pas Python 3.10+ : pas envie de faire l'install Python ? Skip, c'est pas pour toi.

Gotchas

  • Le paquet PyPI s'appelle graphifyy (double y) : les autres graphify* ne sont pas affiliés. Tape bien le double y sinon tu installes un faux paquet (potentiellement malveillant).
  • PowerShell Windows : graphify . (pas /graphify .) sinon parsing slash cassé.
  • uv tool install ou pipx install, pas pip install : sinon ModuleNotFoundError au runtime (cf. callout install).
  • Le build initial consomme des tokens : pour les docs / images / vidéos, ton assistant API tourne. Le code passe local. Sur un repo full code = quasi gratuit en tokens. Sur un repo avec 200 markdowns et 50 PDFs = comptes 50-100k tokens au build initial. Une fois fait, les queries suivantes sont peanuts.
  • Hook automatique sur Claude Code uniquement : sur Codex, OpenCode, Cursor, etc., le routage "query first" se fait via fichier d'instructions persistant (AGENTS.md, .cursor/rules/) — moins automatique mais ça marche.

Graphify est open source (par safishamsi — 56k+ stars, licence MIT, Python) et compatible Claude Code, Codex, Cursor, Gemini CLI, OpenCode et 15+ autres assistants IA. Le repo est ici : github.com/safishamsi/graphify. Indispensable dès que tu travailles sur un repo de plus de 10 000 lignes.