Le créateur de Claude Code révèle son flux de travail révolutionnaire, stupéfiant les développeurs

États-Unis - Agence de presse Ekhbary

Le créateur de Claude Code révèle son flux de travail révolutionnaire, stupéfiant les développeurs

Lorsque l'architecte de l'agent de codage le plus sophistiqué au monde prend la parole, la Silicon Valley n'écoute pas seulement, elle prend des notes méticuleuses. Depuis une semaine, la communauté de l'ingénierie est captivée par une série de publications sur X (anciennement Twitter) de Boris Cherny, le créateur visionnaire et responsable de Claude Code chez Anthropic. Ce qui a commencé par un partage modeste de sa configuration de terminal personnelle s'est rapidement transformé en un manifeste viral qui remodèle fondamentalement les perceptions du développement logiciel, les initiés de l'industrie le saluant comme un moment charnière pour la startup d'IA.

Des personnalités estimées de la sphère des développeurs ont salué les idées de Cherny. Jeff Tang, une voix prédominante dans la communauté, a fait remarquer : "Si vous n'assimilez pas les meilleures pratiques de Claude Code directement de son créateur, vous prenez du retard en tant que programmeur." Kyle McNease, un autre observateur attentif de l'industrie, a amplifié les éloges, déclarant qu'avec les "mises à jour qui changent la donne" de Cherny, Anthropic est "en plein essor" et potentiellement à l'aube de son propre "moment ChatGPT".

L'enthousiasme généralisé est ancré dans un paradoxe convaincant : la méthodologie de Cherny est remarquablement simple, mais elle permet à un seul individu d'atteindre la capacité de productivité d'une petite équipe d'ingénierie dédiée. Un utilisateur, après avoir mis en œuvre la configuration de Cherny, a partagé sur X que l'expérience ressemblait "plus à StarCraft" qu'au codage conventionnel, signifiant un changement de paradigme, passant de la saisie manuelle de la syntaxe à l'orchestration stratégique d'entités numériques autonomes.

Cet article explore le flux de travail qui redéfinit la création de logiciels, directement de son créateur. Il examine comment l'opération simultanée de plusieurs agents IA transforme le processus de codage en un jeu de stratégie en temps réel engageant.

Au-delà de la linéarité : Orchestrer comme un commandant de flotte

Peut-être la révélation la plus frappante de la divulgation de Cherny est son abandon des pratiques de codage linéaires. Le développement traditionnel, souvent appelé la "boucle interne", implique qu'un programmeur écrive une fonction, la teste, puis passe à la tâche suivante. Cherny, cependant, adopte la posture d'un commandant de flotte, orchestrant plusieurs agents IA simultanément.

"Je lance 5 Claude en parallèle dans mon terminal", a expliqué Cherny dans ses publications. "Je numérote mes onglets de 1 à 5, et j'utilise les notifications système pour savoir quand un Claude a besoin d'une entrée."

En exploitant les capacités de notification système d'iTerm2, Cherny gère efficacement cinq flux de travail distincts simultanément. Par exemple, un agent IA pourrait exécuter une suite de tests, un autre pourrait refactoriser un module existant, tandis qu'un troisième rédigerait avec diligence la documentation. De plus, il étend ce traitement parallèle à l'interface Web, exécutant "5-10 Claude sur claude.ai" dans son navigateur et utilisant une commande "teleport" pour transférer de manière transparente les sessions entre le Web et sa machine locale.

Cette approche sophistiquée valide fortement la stratégie "faire plus avec moins" récemment articulée par la présidente d'Anthropic, Daniela Amodei. Alors que les principaux concurrents comme OpenAI investissent massivement dans d'énormes infrastructures, Anthropic démontre qu'une orchestration supérieure et une utilisation intelligente des modèles d'IA existants peuvent débloquer des gains exponentiels de productivité.

Le choix contre-intuitif : Embrasser le modèle le plus lent et le plus intelligent

Dans un mouvement qui défie l'obsession commune de l'industrie pour la faible latence, Cherny a révélé sa dépendance exclusive au modèle le plus puissant, bien que le plus lent, d'Anthropic : Opus 4.5.

"J'utilise Opus 4.5 avec la réflexion pour tout", a expliqué Cherny. "C'est le meilleur modèle de codage que j'ai jamais utilisé, et même s'il est plus gros et plus lent que Sonnet, comme il faut moins le diriger et qu'il est meilleur dans l'utilisation des outils, il est presque toujours plus rapide que d'utiliser un modèle plus petit à la fin."

Cette idée est particulièrement critique pour les chefs de file de la technologie d'entreprise. Le principal goulot d'étranglement dans le développement contemporain de l'IA n'est pas la vitesse de génération des jetons ; c'est le temps humain considérable investi dans la correction des erreurs générées par l'IA. Le flux de travail de Cherny suggère que supporter la "taxe de calcul" pour un modèle plus intelligent dès le départ peut considérablement atténuer la "taxe de correction" en aval.

Un fichier partagé : Transformer les erreurs de l'IA en leçons permanentes

Cherny a également mis en lumière la manière dont son équipe aborde le problème persistant de "l'amnésie" de l'IA. Les modèles linguistiques de grande taille standards ne parviennent souvent pas à conserver les conventions de codage spécifiques d'une entreprise ou les décisions architecturales entre différentes sessions.

Pour contourner cela, l'équipe de Cherny maintient un fichier unique, désigné CLAUDE.md, dans leur dépôt Git. "Chaque fois que nous voyons Claude faire quelque chose d'incorrect, nous l'ajoutons à CLAUDE.md, afin que Claude sache ne pas le refaire la prochaine fois", a-t-il déclaré.

Cette pratique transforme efficacement la base de code en un organisme auto-correcteur. Lorsqu'un développeur humain examine une demande d'extraction et identifie une erreur, son action va au-delà de la simple correction du code ; il demande à l'IA de mettre à jour ses directives internes. "Chaque erreur devient une règle", a observé Aakash Gupta, un chef de produit qui a analysé la discussion. Par conséquent, plus l'équipe collabore, plus l'agent IA devient compétent et intelligent.

Commandes Slash et Sous-Agents : Automatisation des tâches de développement fastidieuses

Le flux de travail apparemment "vanille" qui a suscité des éloges repose sur une automatisation rigoureuse des tâches répétitives. Cherny utilise des commandes slash (slash commands)—des raccourcis personnalisés intégrés au dépôt du projet—pour exécuter des opérations complexes d'une seule pression de touche.

Il a mis en évidence une commande spécifique, /commit-push-pr, qu'il utilise des dizaines de fois par jour. Cette automatisation élimine le besoin de commandes Git manuelles, de rédaction de messages de validation et d'initiation de demandes d'extraction, permettant à l'IA de gérer de manière autonome les aspects bureaucratiques du contrôle de version.

Cherny utilise en outre des sous-agents, des personas IA spécialisés, pour gérer des phases distinctes du cycle de vie du développement. Il emploie un agent de simplification de code pour affiner l'architecture après le développement et un agent de vérification d'application pour effectuer des tests de bout en bout avant tout déploiement.

Boucles de vérification : Le véritable moteur du code généré par l'IA

S'il existe une raison unique pour laquelle Claude Code aurait atteint 1 milliard de dollars de revenus annuels récurrents aussi rapidement, c'est probablement la mise en œuvre de boucles de vérification robustes. L'IA ne fonctionne pas simplement comme un générateur de code, mais comme un système de test intégré.

"Claude teste chaque changement que j'intègre à claude.ai/code en utilisant l'extension Claude Chrome", a révélé Cherny. "Il ouvre un navigateur, teste l'interface utilisateur, et itère jusqu'à ce que le code fonctionne et que l'expérience utilisateur soit satisfaisante."

Il soutient que doter l'IA de la capacité de vérifier son propre travail—que ce soit par l'automatisation du navigateur, l'exécution de commandes bash, ou l'exécution de suites de tests—améliore la qualité du produit final d'un facteur "2-3x". Le rôle de l'agent transcende l'écriture de code ; il valide activement la fonctionnalité et l'expérience utilisateur du code.

Le flux de travail de Cherny signale une nouvelle ère dans l'ingénierie logicielle

La réaction fervente à la série de Cherny suggère un changement paradigmatique fondamental dans la manière dont les développeurs perçoivent et pratiquent leur métier. Pendant des années, le "codage IA" était largement synonyme d'une fonction d'autocomplétion améliorée dans un éditeur de texte—un moyen pratique d'accélérer la frappe. Cherny a prouvé de manière démontrable que l'IA peut désormais servir de système d'exploitation complet pour le travail lui-même.

"Lisez ceci si vous êtes déjà ingénieur... et que vous voulez plus de puissance", a résumé succinctement Jeff Tang sur X, saisissant le sentiment d'autonomisation.

Les outils capables de multiplier la production humaine par cinq ne sont plus théoriques ; ils sont disponibles dès maintenant. Leur mise en œuvre efficace nécessite un saut mental simple mais profond : passer de la vision de l'IA comme d'un simple assistant à son adoption en tant que main-d'œuvre évolutive. Les programmeurs qui effectuent cette transition cognitive en premier non seulement atteindront une productivité sans précédent, mais se retrouveront également engagés dans un jeu de développement logiciel entièrement différent, plus stratégique et, finalement, plus gratifiant. Les autres continueront avec l'approche traditionnelle.

Agence de presse Ekhbary