DeepAgent : une équipe d'agents IA, de l'idée au logiciel testé
Une application où une douzaine d'agents IA emmènent une idée de logiciel jusqu'au code, avec des validations humaines et des tests comme le ferait un vrai utilisateur.

L'idée : donner à quelqu'un qui travaille seul l'équivalent d'une petite équipe produit. On arrive avec une idée, et des agents IA l'emmènent à travers tout le cycle : recherche d'idées, cadrage, cahier des charges, architecture, maquettes, puis développement, tests et aperçu en direct.
Ne pas réinventer les méthodes
Plutôt que d'inventer mes propres agents « architecte » ou « chef de produit », j'ai repris trois méthodes reconnues de travail avec des agents IA, en gardant leurs consignes d'origine, et je les ai fait s'enchaîner. Ça donne plus d'une douzaine d'agents spécialisés coordonnés par un chef d'orchestre, et on voit en direct ce que fait chacun.

Le code ne tourne jamais sans garde-fou
Quand il faut écrire du code, la tâche est confiée à un agent de développement (Claude Code ou un autre), mais toujours dans un espace isolé, séparé du reste. Avant chaque lancement, il faut une validation humaine, et elle est enregistrée. Chaque projet garde l'historique complet de ses versions.

Quatre contrôles qualité, chacun né d'un vrai problème
- Tests et sécurité : le code passe ses tests et ne dépend de rien de dangereux.
- Démarrage : l'appli se lance et répond.
- Recette : un robot rejoue le parcours principal comme un vrai utilisateur, dans un vrai navigateur.
- Style : une capture d'écran est relue par un agent « designer ».
Chacun de ces contrôles existe parce qu'un jour un agent m'a dit « c'est terminé » alors que ça ne l'était pas. Le système vérifie aussi que le travail annoncé a vraiment été produit.
Ce qui fait que ça tient dans la durée
- Une gestion de la « mémoire de travail » des agents, pour qu'ils restent efficaces sur de longues sessions sans se perdre ni tourner en rond.
- Un suivi des coûts par agent, par conversation et par jour, avec des plafonds.
- Un système de surveillance, ajouté après une vraie panne, qui détecte les blocages et arrête proprement.
- Un « dossier de preuves » exportable pour chaque projet : historique, verdicts, validations, coûts, avec un sceau qui garantit qu'il n'a pas été modifié.
- Une documentation d'architecture générée automatiquement, selon une norme internationale.
144 versions en un mois. L'interface part d'un projet open source, que j'ai beaucoup retravaillé et entièrement traduit en français.
Et une méthode pour améliorer les agents
En parallèle, j'ai construit une méthode d'audit pour les systèmes d'agents IA : six grilles d'analyse, des relecteurs indépendants et un corpus de bonnes pratiques classé en neuf familles. Chaque constat indique son niveau de certitude : observé, démontré, déduit, hypothèse ou inconnu. C'est cette méthode qui m'a servi à fiabiliser DeepAgent, puis la chaîne de find.bzh.


