Créer et Gérer Plusieurs Agents d'IA Révolutionne la Programmation

Boris Cherny, créateur du Claude Code chez Anthropic, a partagé son approche innovante de programmation, qui attire l'attention de la communauté d'ingénierie logicielle.

Dans une discussion sur X, il a révélé comment il utilise cinq agents d'IA pour optimiser son flux de travail, transformant la programmation en une expérience semblable à un jeu de stratégie en temps réel.

« Ils appellent cela des pratiques recommandées, et si vous ne les suivez pas, vous êtes à la traîne en tant que programmeur », a déclaré Jeff Tang, un membre influent de la communauté des développeurs.

Travailler avec Plusieurs Agents

Le cœur de la nouvelle approche de Cherny est la gestion de cinq agents Claude en parallèle. Il utilise iTerm2 pour organiser les tâches, où chaque onglet du terminal correspond à un agent différent.

« Je fais tourner 5 Claudes en parallèle dans mon terminal. J'ai numéroté mes onglets de 1 à 5 et j'utilise des notifications système pour savoir quand un Claude a besoin d'entrée », a expliqué Cherny.

De cette manière, un agent peut exécuter des tests pendant qu'un autre refactorise le code existant, augmentant l'efficacité du processus de développement et permettant à un seul développeur d'atteindre la productivité d'une petite équipe.

Modèle Plus Lent, Plus de Précision

Cherny a révélé qu'il utilise le modèle le plus robuste d'Anthropic, le Opus 4.5, bien qu'il soit le plus lent. « C'est le meilleur modèle de codage que j'ai jamais utilisé. Même s'il est plus grand et plus lent, il finit par être plus rapide au final », a-t-il déclaré.

Cette observation souligne un aspect crucial : prioriser un modèle de plus grande capacité réduit le temps passé à la correction des erreurs, car le modèle est plus précis dès le départ.

Mémoire Collective et Apprentissage par les Erreurs

L'équipe de Cherny maintient un fichier appelé CLAUDE.md, où ils documentent les erreurs commises par les agents. Cela aide à éviter les répétitions et améliore continuellement le modèle.

« Lorsqu'un développeur examine une demande de tirage et trouve une erreur, l'IA est marquée pour mettre à jour ses instructions. Chaque erreur devient une règle », a expliqué Aakash Gupta.

Automatisation des Tâches Répétitives

Le travail de Cherny est propulsé par l'automatisation rigoureuse des tâches récurrentes. Il utilise des commandes de barre personnalisées pour effectuer rapidement des opérations complexes.

Un exemple est la commande /commit-push-pr, qui automatise la bureaucratie du contrôle de version, permettant à Cherny de se concentrer sur des tâches plus critiques.

L'Impulsion de la Vérification de Code

La vérification des modifications mises en œuvre est un atout du Claude Code, où l'IA ne génère pas seulement du texte, mais effectue également des tests. « Claude vérifie toutes les modifications que je fais en utilisant l'extension Chrome », affirme Cherny.

En permettant à l'IA de vérifier son propre travail, la qualité des livrables augmente considérablement, Cherny indiquant que cela améliore le résultat final jusqu'à trois fois.

Implications pour l'Avenir de l'Ingénierie Logicielle

L'approche de Cherny suggère un changement dans la façon dont les développeurs envisagent leur travail, soulignant que l'IA peut être une force de travail, plutôt qu'un simple assistant.

Les développeurs qui s'adaptent à ce nouveau état d'esprit non seulement deviendront plus productifs, mais auront aussi la chance de transformer complètement leur méthode de programmation.