Tech • IA • Crypto
Comment nous Claude Code
7/10INTRO
Les ingénieurs d’Anthropic s’orientent vers des spécifications basées sur HTML et une vérification pilotée par des agents afin de rendre les workflows de programmation avec IA plus fiables, évolutifs et efficaces.
POINTS CLÉS
Passage du Markdown aux spécifications HTML
Les ingénieurs remplacent de plus en plus les longs documents de spécifications en Markdown par des fichiers HTML plus denses et interactifs. Le HTML permet des mises en page plus riches, des visuels intégrés et une structure plus claire, facilitant l’interprétation des spécifications complexes par les humains comme par les agents IA.
Montée en puissance des agents IA
Les progrès des modèles permettent aux agents de gérer des tâches de programmation plus longues et complexes. À mesure que leur durée d’exécution augmente, le risque de gaspillage de calcul et de tokens croît, incitant les équipes à améliorer la spécification et la validation en amont.
Extraction interactive des exigences
Plutôt que des prompts rigides, les développeurs sont encouragés à laisser les modèles interviewer activement les utilisateurs pour extraire les besoins. Cette approche repose sur l’idée que l’intention utilisateur est souvent implicite et que les modèles modernes peuvent mieux la révéler que des instructions statiques.
La “leçon amère” appliquée au prompting
Inspirée de la “bitter lesson” de Richard Sutton, cette approche privilégie les capacités du modèle plutôt que des contraintes artisanales. Permettre aux modèles de généraliser et d’inférer les exigences surpasse souvent des prompts trop prescriptifs.
Prototypes HTML pour un retour rapide
Les équipes génèrent plusieurs variantes de design HTML pour des applications (par exemple une app de partage d’addition), permettant des comparaisons visuelles rapides. Cela facilite le feedback, surtout avec des captures d’écran et des modèles capables de vision.
Systèmes de vérification natifs pour agents
La vérification est intégrée directement dans l’application via l’état exposé du DOM et des contrats de données. Au-delà des tests classiques, les agents peuvent lire des données structurées depuis l’interface et valider le comportement de façon autonome.
Workflow de vérification en trois couches
Le système prend en charge trois modes: tableaux de bord lisibles par humains, vérifications navigateur pilotées par agents, et exécution CI headless. Cette approche unifiée assure la cohérence tout en réduisant l’intervention manuelle.
Enregistrement et partage des preuves de vérification
Les exécutions peuvent être enregistrées sous forme de clips vidéo ou artefacts, stockées sur des plateformes comme S3, puis partagées entre équipes. Cela fournit des preuves auditables et soutient des déploiements fréquents.
Utilisation d’outils modernes
Le workflow intègre des outils comme Playwright MCP, Storybook fixtures et des schémas structurés pour définir états attendus et invariants. Ces éléments permettent aux agents d’aller au-delà des “happy paths” et de détecter des défaillances subtiles.
Efficacité des tokens grâce à de meilleures spécifications
Bien que les spécifications HTML puissent consommer plus de tokens au départ, elles réduisent les cycles d’itération. À terme, des spécifications plus riches entraînent moins de corrections et un processus global plus efficace.
CONCLUSION
Le passage à des spécifications HTML et à une vérification intégrée pilotée par des agents illustre une évolution vers un développement assisté par IA plus collaboratif, réduisant l’ambiguïté et la supervision manuelle.