My AI Coding Workflow That Actually Works
Cette vidéo présente un workflow de développement logiciel assisté par IA, centré sur des \"portes manuelles\" (manual gates), des spécifications précises et une revue de code rigoureuse, pour produire un code de haute qualité, loin des approches \"one-shot\" qui gaspillent des to...
Voici une analyse détaillée de la transcription de la vidéo YouTube, structurée selon tes consignes.
SYNTHÈSE STRUCTURÉE
Un workflow en trois piliers : Agents, Spec, Roadmap
L’intervenant structure son projet autour de trois fichiers fondamentaux. Les agents sont des règles globales, valables pour toutes les machines. La spec (spécification) et la roadmap sont spécifiques à chaque dépôt Git. Il insiste sur le fait que ces fichiers sont en texte brut, facilement modifiables : « si there’s a rule in here you don’t agree with, delete it. Add your own rules. » Cette approche permet de personnaliser le comportement de l’IA sans être prisonnier de configurations rigides.
L’importance des “portes manuelles” (Manual Gates)
C’est le cœur de la méthode. L’intervenant rejette l’idée de laisser l’IA boucler sur elle-même pour produire un résultat final. Il préconise des points de contrôle humains à chaque phase. « you have to have manual gates », affirme-t-il. Cela permet de valider le code, de lire les revues et de prendre des décisions éclairées, transformant l’IA en un assistant plutôt qu’en un exécutant aveugle.
La phase de test et de validation comme prérequis
Avant même de commencer à coder, l’intervenant demande à l’IA de créer une suite de tests. Il compare cela à la mise en place d’un échafaudage ou de garde-fous. « A lot of people skip this entire thing… and that’s why they get poor results. » Cette étape garantit que le code produit pourra être vérifié objectivement, évitant les régressions et les bugs non détectés.
La spécification (Spec) : un rempart contre les versions obsolètes
Le fichier spec est crucial pour éviter que l’IA n’utilise des bibliothèques ou des langages obsolètes, source de problèmes de sécurité. L’intervenant donne l’exemple de son site web utilisant Hugo 1.62 : « LLM will pick old crap. They will pick old versions things with security problems… So specify pin the version. » La spec doit inclure le problème à résoudre, les utilisateurs cibles, l’architecture, les exigences de sécurité et, surtout, les critères d’acceptation.
Les “skills” : une mémoire des bonnes pratiques
Les “skills” sont des fichiers de règles qui permettent à l’IA de se souvenir des préférences de l’utilisateur pour un langage ou un framework spécifique. Par exemple, un skill pour “QuickShell” dictera les bonnes pratiques de linting pour ce langage. L’intervenant note que la terminologie change selon les outils (Claude parle de “workflows”, Codex de “skills”), mais le principe reste le même : capturer l’expertise pour la réutiliser.
La revue de code (Code Review) : le véritable moteur de la qualité
L’intervenant consacre une grande partie de son budget et de son temps à la revue de code. Il utilise des outils comme CodeRabbit et Codex Review, mais insiste sur le fait que la revue doit être effectuée par un agent externe à celui qui a écrit le code. « This is where AI is cool to me. I don’t really care so much about it creating the code… But where it’s really neat is code review. » La revue permet de détecter les cas limites oubliés, les problèmes de documentation et d’améliorer la robustesse globale.
L’exemple concret : ajouter un pourcentage audio
L’intervenant illustre son workflow avec une tâche simple : ajouter le pourcentage du volume à côté de l’icône audio. L’IA trouve le skill QuickShell, modifie le code, redémarre l’application, prend une capture d’écran et crée une Pull Request (PR). En moins de deux minutes, le changement est effectif, mais le travail ne fait que commencer avec la phase de revue.
Le coût réel du développement assisté par IA
L’intervenant est transparent sur le coût. Un workflow aussi lourd en revues et en tests consomme énormément de tokens. Il mentionne avoir déjà utilisé 25% de son forfait à 100$ en une journée. « If you’re a $20 a month user on Codex, it’s gonna eat through that pretty fast. » Il anticipe une hausse des prix à mesure que les fournisseurs d’IA réaliseront le coût réel du calcul.
L’importance de la lenteur et de la patience
Le message final est un appel à la retenue. « Slow is smooth, smooth is fast. Don’t move too fast. » Il encourage à attendre que tous les tests passent (CI), que les revues soient faites et que les commentaires soient adressés. Découper le travail en petites PRs permet d’accélérer ce processus. L’objectif n’est pas la vitesse brute, mais la qualité et la fiabilité.
CONCEPTS CLÉS
- Manual Gate (Porte manuelle) : Point de contrôle humain obligatoire dans le workflow, où le développeur valide ou rejette le travail de l’IA avant de passer à l’étape suivante.
- Spec (Spécification) : Fichier détaillant les exigences du projet (version, architecture, sécurité, critères d’acceptation) pour guider l’IA et éviter les choix obsolètes.
- Skill (Compétence) : Fichier de règles personnalisées pour un langage ou un framework spécifique, permettant à l’IA de se souvenir des bonnes pratiques de l’utilisateur.
- Token Reduction (Réduction de tokens) : Technique visant à réduire le nombre de tokens envoyés à l’IA (par exemple, en résumant des logs) pour économiser de l’argent, mais qui peut dégrader la qualité des résultats.
- Dependabot / Code QL : Outils de sécurité intégrés à GitHub. Dependabot alerte sur les dépendances obsolètes, Code QL effectue une analyse statique du code pour détecter les vulnérabilités.
- Code Review (Revue de code) : Processus d’examen du code par un agent (humain ou IA) externe à l’auteur, visant à détecter les bugs, les problèmes de style et les oublis.
CONCLUSION
Le message principal est que la puissance de l’IA pour le développement ne réside pas dans sa capacité à générer du code rapidement, mais dans sa capacité à être intégrée dans un workflow rigoureux et humain. L’intervenant insiste sur le fait que la méthode prime sur le modèle : « It’s not going to fix your bad development workflows. » En ralentissant le processus, en ajoutant des portes manuelles et en multipliant les revues, on transforme l’IA d’un générateur de code bâclé en un partenaire de confiance qui produit un code bien meilleur que ce qu’un humain seul pourrait écrire. C’est une leçon de pragmatisme dans un domaine souvent aveuglé par la promesse de la vitesse.