On me demande parfois comment j'en suis venu à construire toute une méthode autour de l'IA agentique — fichier d'instructions, "cerveau" métier, skills, scripts déterministes. J'aimerais pouvoir raconter que c'est né d'une réflexion perso, un week-end, en testant des idées sur un petit projet à moi. Ce serait plus flatteur pour l'image du développeur qui anticipe. Mais ce n'est pas ce qui s'est passé, et je préfère le dire clairement plutôt que de laisser ce site raconter l'inverse : le déclic est né chez un client, sous une pression bien réelle. Le rangement et le nom sont venus après, chez moi.
Pour situer d'où je pars : j'ai décroché mon diplôme de développeur en 2019, à trente-six ans, au bout de six mois de formation intensive après une reconversion. Une conviction s'est installée tout de suite et ne m'a plus quitté : dans ce métier, la veille n'est pas optionnelle. Le secteur bouge trop vite pour se permettre de ne pas regarder ce qui arrive. À l'époque, le machine learning et le big data se structuraient sérieusement — je construisais de l'infrastructure data sans savoir précisément ce qui allait couler dedans un jour.
Puis ChatGPT est arrivé, fin 2022. Bluffant, vraiment. Mais un moteur probabiliste reste un moteur probabiliste : il prédit le mot le plus vraisemblable, pas le plus vrai, et il hallucine avec la même aisance qu'il répond juste. Je m'en servais sur des choses à faible enjeu — reformuler, expliquer un concept flou, dégrossir un bout de code que j'allais de toute façon relire en entier. Un brouillon, pas un collaborateur.
Ce qui a changé la donne, c'est la cadence des versions suivantes. GPT-4, Claude, Gemini : les hallucinations se sont faites plus rares, plus détectables. Et surtout sont arrivés les agents dans l'IDE — Copilot d'abord, puis Cursor, puis Claude Code. On apprenait à donner le bon contexte, à formuler la contrainte précise, à corriger quand l'agent partait dans la mauvaise direction. Un dialogue, pas une commande. Les MCP et les premiers skills, je les regardais déjà passer dans ma veille à cette période — prometteurs sur le papier, encore instables en pratique. Je les ai laissés de côté, sans les adopter.
Diplôme dev, à trente-six ans
Reconversion en six mois intensifs. Une conviction s'installe : la veille n'est pas optionnelle dans ce métier.
Infrastructure data, avant de savoir
Le ML et le big data se structurent sérieusement. Je construis de l'infra sans savoir précisément ce qui va couler dedans un jour.
ChatGPT
Bluffant, mais un moteur probabiliste reste un moteur probabiliste. Usage réservé au faible enjeu : reformuler, dégrossir, relire ensuite en entier.
GPT-4, Claude, Gemini + agents dans l'IDE
Copilot, puis Cursor, puis Claude Code. Les hallucinations se font plus rares et plus détectables. On apprend à donner le bon contexte, à corriger l'agent. MCP et skills regardés de loin, pas encore adoptés.
Plus de cent dépôts git à maintenir
Le déclic n'est pas un outil de plus : c'est une bascule d'approche, née sous la pression d'un vrai mur à débloquer.
Et puis le projet chez le client a pris de l'ampleur. Ce qui tenait sur une poignée de services est devenu, produit après produit, usine après usine, plus d'une centaine de dépôts git à maintenir. Chaque site industriel apportait ses propres conventions, ses propres exceptions. Documenter, tracer les changements, comprendre pourquoi telle règle avait été codée ainsi six semaines plus tôt : ça tenait, mais ça commençait à ressembler à tenir un mur qui pousse, sans pouvoir lâcher les mains pour voir à quoi il ressemble vraiment.
Le déclic, ce n'est pas un nouvel outil ni une nouvelle version de modèle. C'est une bascule dans la façon d'aborder la question. Avant, je posais le sujet par l'outil : quel agent, quelle intégration. Ce jour-là, en pleine migration, je l'ai posé par l'intention : qu'est-ce que je veux que l'IA comprenne, et comment le lui dire une bonne fois pour toutes ? Premier test, très simple : demander à l'agent de m'aider à écrire son propre fichier d'instructions. Et là, quelque chose a changé — l'IA n'était plus générique, elle répondait dans mon contexte, avec mes noms de choses, en respectant les contraintes que j'avais posées.
Le deuxième pas est venu du projet lui-même. On utilisait Databricks Genie, un assistant conversationnel sur les données — puissant, mais sans direction s'il n'a pas de contexte métier. J'ai essayé de lui injecter une compréhension du terrain : premier essai, une rétro-documentation générée entièrement par l'IA, juste sur le fond mais consommatrice de tokens de façon déraisonnable et pratiquement inmaintenable. Ce n'était pas la bonne architecture. Épurée, réinjectée en version courte et structurée, ça a marché — j'avais mis un vrai "cerveau" métier dans l'outil, capable de comprendre les questions dans notre vocabulaire. Je ne le savais pas encore, mais je venais de redécouvrir tout seul, à la dure, ce que la littérature appelle le pattern Memory Bank : la documentation devient un sous-produit de la mémoire du projet, pas un effort séparé.
De là, un principe s'est imposé, qui allait tenir pour tout le reste : un skill, c'est une intention formulée pour l'agent. Un script, c'est la logique déterministe qui ne doit pas halluciner. Un template, c'est le cadre dans lequel l'IA ne remplit que ce qui a vraiment besoin de langage naturel. L'IA comble les trous, elle ne pilote pas la logique. Empilé avec un workspace qui centralise les instructions et les skills pour l'ensemble des dépôts du projet, ça donnait quelque chose de sobre en tokens et de maintenable — moins d'hallucinations parce que la logique n'est pas déléguée, plus de maintenance parce que les scripts sont testables indépendamment de l'IA.
Repo starter
Workspace
agissent dans
le workspace
Cerveau métier
Je le dis franchement parce que le sens du récit compte : tout ça est né et a été validé en conditions réelles chez le client, sous contrainte, pas dans un coin tranquille de mon temps perso. C'est seulement après, ici, dans mes projets à moi, que j'ai pris le temps de ranger, de nommer, de généraliser ce qui avait marché — reconnaître que mon triptyque de travail recoupe une méthode déjà documentée ailleurs, formaliser l'idée qu'un hook déterministe vaut plus qu'une instruction qu'on espère suivie, tenir un vrai journal de décisions, graduer les niveaux d'autonomie plutôt que de tout traiter pareil. Cette formalisation, faite à froid en perso, est aujourd'hui réapplicable chez le client, en mieux outillée qu'à l'origine. Le sens du mouvement, c'est bien déclic et validation chez le client, puis formalisation en perso — pas l'inverse.
Il y a un point que je trouve important à assumer, plutôt qu'à enjoliver : ma reconversion à trente-six ans, avec six mois de formation intensive, ne m'a pas donné des années d'exécution manuelle. Elle m'a donné les concepts, les patterns, la façon de penser en systèmes. Et c'est très exactement ça qui permet de bien piloter une IA aujourd'hui — pas l'inverse. Il y a des choses que j'aurais mis des semaines à écrire seul, que j'ai construites en deux jours avec l'agent. Pas parce qu'il a pensé à ma place, mais parce qu'il a exécuté vite ce que je savais déjà penser.
Un doute qui ne se referme jamais tout à fait.
Ça n'a pas été que du soulagement. Distinct de la fatigue de tout vérifier, un risque s'est nommé de lui-même pendant cette période : le vrai risque n'est pas que l'IA prenne notre place, c'est qu'on la laisse prendre notre curiosité. Si tout ce qui demandait de l'effort devient facile, la question de savoir si on continue vraiment à développer ses réflexes d'ingénieur, ou si on les laisse s'atrophier derrière des workflows qu'on ne comprend plus tout à fait de l'intérieur, mérite d'être posée souvent — je n'ai pas de réponse définitive, juste l'habitude de me la reposer.
Ce que je retiens, c'est que le déclic n'a rien de romantique. Il n'a pas eu lieu parce que j'avais anticipé une tendance depuis mon canapé — il a eu lieu parce qu'il fallait débloquer un vrai mur, avec de vraies conséquences si ça ne marchait pas. C'est justement ce qui le rend crédible : ce n'est pas une théorie que j'aurais lue et recopiée, c'est une méthode que j'ai payée en dette de tokens avant de savoir la nommer.
Références
- hudrazine/claude-code-memory-bank — le pattern Memory Bank porté à Claude Code, que je découvre après coup avoir réinventé à la dure chez le client.
- Cline — Memory Bank: How to Make Cline an AI Agent That Never Forgets, l'article qui a popularisé le pattern.
- Mintlify — What is llms.txt?, le standard émergent pour exposer une doc curée à des agents IA.
- Emoji "thinking face" : OpenMoji – the open-source emoji and icon project, licence CC BY-SA 4.0.