Contexte technique
J’attendais depuis longtemps que quelqu’un dise à voix haute l’évidence : le prompting manuel des agents de codage commence à dater. Peter Steinberger a justement écrit à ce sujet en s’appuyant sur son expérience avec OpenClaw : inutile de peaufiner le prompt parfait, il faut construire une boucle où l’agent reçoit une tâche, fait un pas, est vérifié et passe à l’itération suivante.
Et cela ressemble déjà à une véritable architecture IA, pas à du chamanisme de prompt. Très concrètement, son OpenClaw agit comme un superviseur sur plusieurs agents Codex, déplaçant l’attention de « que puis-je encore ajouter dans le prompt » vers « quels capteurs, vérifications et règles de lancement ai-je intégrés au système ».
Je décrirais l’idée ainsi : on ne fait plus confiance à l’agent sur parole. On le fait passer par la compilation, les tests, les linteurs, les erreurs d’exécution, les captures d’écran, les réponses d’API et d’autres signaux qui le renvoient dans la boucle. L’humain ne disparaît pas, mais cesse d’être l’opérateur de chaque commande pour devenir l’architecte de cette boucle.
Ce qui m’a particulièrement marqué, c’est l’aspect supervision. Dans la discussion du post, une configuration créée par l’auteur pour Paperclip a fait surface, avec deux niveaux de contrôle : un superviseur CTO conditionnel coordonne le développement et mesure l’efficacité, tandis que les engineering-ops analysent ensuite les logs et les métriques et suggèrent comment modifier les compétences des agents ou le fichier Agents.md. Ça commence vraiment à ressembler à un système adulte, pas à un jouet du week-end.
Ce que cela change pour les entreprises et l’automatisation
Premièrement : les équipes gagnantes sont celles qui ont besoin de répétabilité, pas de magie. Si j’intègre l’IA dans le développement, ce qui m’importe n’est pas « waouh, l’agent a écrit une fonctionnalité tout seul », mais que le système attrape les erreurs de manière fiable avant qu’elles n’arrivent en production.
Deuxièmement : la valeur de l’infrastructure environnante explose. Le modèle lui-même n’est plus le centre de l’univers ; le centre, c’est la boucle, les vérifications, le routage des tâches et les rôles de superviseur. Ceux qui mesurent encore la qualité au nombre de prompts dans Notion sont perdants.
Et troisièmement : le travail parallèle de plusieurs agents devient plus réaliste. Mais seulement si quelqu’un a correctement conçu la boucle, sinon vous obtenez non pas de l’automatisation IA, mais un orchestre d’hallucinations.
C’est exactement le genre de chose que je construis dans mon travail : pas simplement brancher un modèle, mais le transformer en un processus piloté. Si votre équipe de développement, de support ou d’ops interne a atteint le plafond de la routine manuelle, vous pouvez tranquillement analyser cela chez Nahornyi AI Lab et assembler un développement de solution IA adapté à votre contexte réel, sans foi dans un prompt magique.