Aller au contenu

Comment remettre à niveau en une semaine un produit déjà dépassé à sa sortie

Publié le  · Mis à jour le  · Igor Tkachenko

Illustration générée par IA d’Igor et de trois chouettes ingénieures dans un atelier en pleine activité, dont une chouette comiquement court-circuitée dans un coin

Après un an de travail, ma plateforme, OwlMeans Platform, est complètement dépassée. Je m’en suis rendu compte juste après la sortie et les tests avec de vrais utilisateurs. Eux ne l’ont pas remarqué. Moi, si. Au fond, je le savais déjà à la fin du printemps. Il faut expliquer pourquoi je n’ai rien fait à ce moment-là, ce qui se passe et ce que je compte faire maintenant.

J’aurais pu repousser la sortie et remplacer d’abord le moteur. Mais j’avais déjà un produit à sortir, et l’ancienne implémentation pouvait rester disponible pendant le changement. Je veux en retravailler le cœur en une semaine environ. Reste à déterminer quelle part de ce cœur il faut vraiment remplacer.

OwlMeans fait encore passer chaque user story par un processus prédéfini de conception et d’implémentation. Des fonctionnalités liées suivent des exécutions distinctes, même quand elles dépendent des mêmes décisions. Le remplacement proposé conserve les mécanismes qui gèrent les dépendances et la reprise, mais laisse aux agents plus de liberté pour mener leurs investigations dans chaque phase.

Si tu préfères regarder une vidéo plutôt que lire, commence ici. La présentation d’Uroboros couvre la conception initiale : les frontières entre applications, les exigences de compatibilité et la transition vers une exécution hybride.

My AI platform was outdated at launch. Here is what I am changing | Uroboros.

Stories et exécution

Une user story décrit ce dont une personne a besoin. Elle ne correspond pas forcément à un volume de travail adapté à une seule exécution d’agent.

Prends l’état d’une commande. Le client le voit, l’opérateur le modifie. Deux stories ordinaires partagent les mêmes états, règles d’accès et contrats d’API. Si tu les fais passer par des exécutions distinctes, le moteur doit retrouver deux fois une bonne partie des mêmes informations. Des fiches plus petites ne réduisent pas la taille de l’application qu’elles décrivent.

J’utilisais de petites stories pour que les tâches tiennent dans le contexte disponible pour travailler efficacement. Cela permettait aussi de voir le travail avancer. Après un échec, une exécution pouvait reprendre sans recommencer tout le projet. Le compromis était raisonnable, mais il liait la description d’une fonctionnalité à la stratégie d’exécution.

Plus tard, j’ai commencé à tester le regroupement de tâches liées autour d’un sous-système. On pouvait réfléchir au comportement commun avant de produire les différentes fonctionnalités qui l’utilisaient. Je veux conserver les stories comme descriptions et critères d’acceptation, tout en permettant à celles qui sont liées de partager une même exécution.

Les fenêtres de contexte plus grandes donnent davantage de marge à cette expérience. Elles n’ont rien de nouveau : Google a annoncé une version préliminaire de Gemini 1.5 à accès limité, dotée d’une fenêtre de contexte d’un million de tokens en février 2024. Mais la capacité seule ne sélectionne pas le code pertinent et ne révèle pas une dépendance cachée dans un autre package.

Dans Lost in the Middle, Liu et ses collègues ont constaté que la capacité à retrouver une information dépendait de sa position dans le contexte. Leur étude de 2024 portait sur des modèles précis. Pour un moteur actuel, le test utile consiste à vérifier s’il trouve et utilise le code nécessaire au changement.

Ce qui relève du pipeline

Aujourd’hui, développer une story commence par créer un StoryDesign. Celui-ci contient les écrans, les composants, les interactions, les données et les exigences d’exécution. La phase d’implémentation lit cette conception sauvegardée et écrit l’application. Le moteur dispose ainsi d’un artefact qu’il peut examiner, modifier et utiliser pour reprendre le travail.

Une partie de la conception se fait en parallèle. D’autres tâches doivent attendre : il faut d’abord fixer l’emplacement d’un composant dans la mise en page. Les tâches consacrées à l’UX et aux données peuvent ensuite utiliser le chemin ainsi défini. L’implémentation compte vingt étapes nommées, qui couvrent notamment les types, les ressources, la logique métier, les endpoints, les workers, les stores, les vues, les règles d’accès et la navigation.

Ces dépendances ont des conséquences concrètes. Un gestionnaire a besoin de la déclaration de l’opération qu’il place dans la file. Les règles d’accès ont besoin d’un endpoint à protéger, et la navigation d’écrans vers lesquels pointer. Le code peut imposer cet ordre sans demander à un modèle de le redécouvrir à chaque exécution.

Chaque étape de conception terminée sauvegarde aussi une nouvelle version. Si le processus plante, l’exécution suivante peut lire la conception et continuer. Un marqueur « terminé » sans travail sauvegardé derrière serait un mécanisme de reprise plutôt optimiste.

Je compte conserver ces mécanismes. Le pipeline fixe l’ordre d’exécution et les dépendances. Ses étapes font déjà appel à des modèles pour générer du contenu et tentent de corriger les erreurs. Il détermine quand ces appels ont lieu et ce qui doit exister avant que l’étape suivante démarre.

Les décisions difficiles se prennent à l’intérieur d’une étape. L’agent doit choisir les fichiers à examiner, déterminer s’il a assez de contexte et vérifier si modifier un composant oblige à en modifier un autre. Les réponses dépendent de ce qu’il découvre une fois au travail.

Dans Building effective agents, publié en décembre 2024, Anthropic distingue les workflows prédéfinis des systèmes où un modèle choisit l’action suivante. Une approche hybride peut préserver les dépendances connues tout en laissant l’agent mener ses investigations lorsque la marche à suivre varie. Le travail d’ingénierie consiste à décider quels choix lui confier dans ce périmètre.

Des agents autour et à l’intérieur

La console de vol libre place déjà un agent autour des pipelines guidés. Il peut examiner les fichiers et utiliser les outils de programmation. Quand l’hôte fournit la passerelle, il peut aussi concevoir une story, lire ou modifier sa conception, l’implémenter et reprendre une exécution. Sans passerelle, les outils de plus bas niveau restent disponibles.

Appeler un pipeline ne donne pas à l’agent la permission de tout changer à l’intérieur. Modifier la conception peut changer ce que fait un composant. En revanche, un chemin ou un alias attribué par le registre reste en place, car d’autres parties de l’application utilisent déjà ce nom.

Il faut faire la même distinction pour les erreurs fatales. Un solde épuisé doit arrêter complètement la boucle. Si tu signales cet épuisement comme une erreur d’outil ordinaire, le modèle peut tenter une autre opération et dépenser encore. C’est un mauvais moment pour vouloir rendre service.

Je veux aussi inverser cette organisation : placer une boucle d’agent à l’intérieur d’une phase du pipeline guidé. Les phases proposées sont la préparation, le travail côté serveur, le travail côté site web, le raccordement et la vérification. Dans chaque phase, une unité de travail s’accompagne de la conception, de l’app, des entrées du registre et des contrats correspondants.

L’agent lit le code pertinent, effectue le changement, lance une vérification et corrige ce qui a échoué. Quand une tentative révèle une dépendance manquante, il peut l’examiner avant de réessayer. Le pipeline qui l’encadre n’a plus besoin d’une nouvelle étape pour chaque découverte qu’on peut traiter localement.

Cela exige des outils qu’on peut relancer sans effet indésirable et des vérifications applicables à une seule unité de travail. Après une interruption, rejouer une écriture ne doit ni créer un second artefact ni faire perdre un artefact existant. Au terme d’une exécution bornée, la boucle doit renvoyer soit un résultat vérifié, soit le détail de ce qui reste à résoudre.

Aujourd’hui, un endpoint de story qui ne répond pas peut faire échouer la validation. Un test de bon fonctionnement peut laisser un avertissement après un nombre limité de tentatives de correction. Ces résultats n’ont pas le même sens. Une boucle locale doit préserver cette distinction lorsqu’elle rend la main au pipeline qui la contient.

Je garderai un workflow simple comme référence. En 2024, Agentless, de Xia et ses collègues, a rivalisé avec les agents open source évalués sur SWE-bench Lite en structurant la localisation du code, la correction et la validation. Une boucle d’agent doit justifier sa place.

L’article SWE-agent de 2024 a montré comment les interfaces de navigation dans le dépôt, d’édition et de test influençaient les résultats d’un agent interactif. « Ajouter une boucle » est donc à peine le début du travail. Il reste à évaluer les outils qui l’entourent et le comportement obtenu au bout du compte. Aucun de ces deux articles ne démontre ce que cela donnera pour OwlMeans.

Un travail partagé entre applications

Dans l’exemple de la commande, une exécution groupée planifierait les transitions d’état en tenant compte à la fois des stories du client et de l’opérateur. Leurs écrans et endpoints utiliseraient cette décision commune. Découper l’implémentation en morceaux plus petits resterait utile. Refaire la conception métier ne le serait pas.

Le moteur partage déjà l’état des étapes au sein d’une story. Une exécution coordonnée a besoin d’un contexte de travail et d’un registre communs à plusieurs stories, avec un résultat distinct pour chacune. Si l’une reste partielle ou échoue, le résultat doit préciser laquelle et pourquoi.

Envoyer tout le dépôt à chaque appel serait une mauvaise utilisation du contexte partagé. Il vaut mieux partir de la conception et des contrats connus, puis lire les détails d’implémentation au moment où le travail l’exige. Anthropic décrit cet usage des références et des outils dans ses recommandations sur l’ingénierie du contexte de septembre 2025.

Une même exécution peut toujours contenir de nombreux appels, vérifications et points de reprise. Son rôle est de traiter ensemble les décisions liées au fil de ces appels. Je n’ai pas encore mesuré si cela améliore les résultats, ni si moins répéter le contexte apporte un gain réel.

La structure du projet généré impose une autre limite. Aujourd’hui, il comporte un site web et une API qui desservent les espaces invité, utilisateur, administrateur et opérateur. Un espace indique à qui s’adresse un écran. Il ne donne pas à une application distincte sa propre structure frontend et API.

OwlMeans a déjà une organisation plus compliquée. Son interface client, ses services de gestion, l’exécution des agents et la publication ont des responsabilités différentes. Un générateur qui ne comprend qu’un seul couple web/API ne peut pas décrire une organisation comparable.

Le plan Uroboros ajoute une carte des apps qui leur attribue les espaces et les fonctionnalités. Les données, la logique métier et les workers restent partagés dans les couches sous-jacentes. Quand une story touche plusieurs apps, le moteur doit suivre le changement dans chacune d’elles.

Il faut modifier la résolution des chemins, la conception, l’implémentation, les aperçus, la publication, l’état du runtime et les outils de connexion. Ajouter « gérer plusieurs apps » dans un prompt ne fera pas ce travail.

Pour un projet existant sans carte des apps, le comportement par défaut proposé est une seule app main. Les chemins et le fonctionnement du projet restent inchangés. Changer le vocabulaire du moteur ne devrait pas obliger les clients à reconstruire des projets qui fonctionnent.

La migration et Uroboros

Je me donne une semaine environ pour changer le cœur du moteur. Cela reste un objectif, pas un résultat déjà obtenu.

La première tranche couvre les fondations et le routage entre apps. Dans le plan d’ensemble, la génération par des agents à l’intérieur des phases vient ensuite, suivie des exécutions coordonnées pour les stories liées. Pendant la migration, l’ancien pipeline doit rester disponible à côté de son remplaçant. Les exécutions en cours doivent se terminer sur le moteur où elles ont commencé. On pourra activer le nouveau mode d’exécution projet par projet.

Le premier contrôle de compatibilité est volontairement sans éclat : importer un projet existant dans l’environnement de développement et vérifier qu’il démarre et fonctionne toujours. D’autres vérifications de bout en bout couvrent la supervision, le comportement du chatbot et un petit projet prévu pour utiliser la nouvelle structure.

Il faudra comparer les mêmes produits de référence avec les deux moteurs et consigner les échecs, les avertissements, les résultats fonctionnels, le temps écoulé et l’utilisation des modèles. Un build réussi ne dit pas si le client et l’opérateur voient le même état de commande. Il faut vérifier le parcours lui-même.

Dans ses expériences sur les harness pour développer des applications sur la durée, publiées en mars 2026, Anthropic a combiné planification, génération et évaluation séparée. L’équipe a aussi simplifié certaines parties du harness à mesure que le comportement des modèles changeait. Une étape d’orchestration doit rester parce qu’elle règle un problème actuel, plutôt que parce qu’elle en a réglé un autrefois.

Avec Uroboros, je tente de faire développer par OwlMeans un système aussi complexe que lui-même. La gestion de plusieurs apps fournit la structure ; les exécutions coordonnées et les phases pilotées par des agents permettent de travailler sur l’ensemble de cette structure. Ces éléments ouvrent la voie à un essai de développement de la plateforme par elle-même, sous supervision.

J’utilise déjà un agent de programmation externe pour modifier le moteur. Je veux confier un travail comparable au workflow de génération d’OwlMeans, puis vérifier le résultat indépendamment.

Cet essai nécessite un environnement isolé, un changement défini et une version précédente qu’on puisse restaurer. Modifier le code source du moteur serait un résultat possible. Démontrer que le moteur modifié fonctionne mieux exige des preuves distinctes. Je garderai la responsabilité de ce jugement.

OwlMeans