Le Workflow Révolutionnaire de Boris Cherny : Comment le Créateur de Claude Code Redéfinit le Développement Logiciel

Global - Agence de presse Ekhbary

Le Workflow Révolutionnaire de Boris Cherny : Comment le Créateur de Claude Code Redéfinit le Développement Logiciel

Lorsque l'architecte de l'agent de codage le plus avancé au monde prend la parole, la Silicon Valley ne se contente pas d'écouter, elle prend des notes méticuleusement. Au cours de la semaine dernière, la communauté mondiale de l'ingénierie a été en effervescence, disséquant un fil de discussion détaillé sur X de Boris Cherny, le créateur visionnaire et responsable de Claude Code chez Anthropic. Ce qui a commencé comme un partage apparemment anodin de sa configuration de terminal personnelle a rapidement évolué en un manifeste viral sur l'avenir du développement logiciel, les initiés de l'industrie le qualifiant unanimement de moment décisif pour la jeune startup.

Les idées de Cherny ne sont pas seulement nouvelles ; elles remodèlent activement la façon dont les développeurs conçoivent l'efficacité et la productivité à l'ère de l'intelligence artificielle. Jeff Tang, une voix prééminente dans la communauté des développeurs, a souligné ce sentiment en déclarant : « Si vous ne lisez pas les meilleures pratiques de Claude Code directement de son créateur, vous êtes en retard en tant que programmeur. » Kyle McNease, un autre observateur influent de l'industrie, est allé plus loin, déclarant audacieusement qu'avec les « mises à jour révolutionnaires » de Cherny, Anthropic est « en feu », potentiellement en train de vivre « son moment ChatGPT ». L'enthousiasme palpable entourant les révélations de Cherny découle d'un paradoxe fascinant : son workflow est étonnamment élégant et simple, mais il permet à un seul humain d'opérer avec la capacité de production généralement associée à un petit département d'ingénierie dédié. Comme un utilisateur l'a si bien noté sur X après avoir mis en œuvre la configuration de Cherny, l'expérience « ressemble plus à Starcraft » qu'au codage traditionnel — un profond changement de paradigme, passant de la saisie laborieuse de la syntaxe à la commande stratégique d'unités autonomes.

Du Codage Linéaire au Commandant de Flotte : Un Nouveau Paradigme de Développement

La révélation la plus frappante de la divulgation candide de Cherny est son éloignement de l'approche linéaire conventionnelle de la programmation. Dans la « boucle interne » traditionnelle du développement, un programmeur écrit généralement une fonction, la teste rigoureusement, puis passe séquentiellement à la tâche suivante. Cherny, cependant, opère comme un commandant de flotte sophistiqué. « J'exécute 5 Claudes en parallèle dans mon terminal », a expliqué Cherny, détaillant sa configuration. « 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 utilisant ingénieusement les notifications système d'iTerm2, Cherny gère magistralement cinq flux de travail simultanés. Tandis qu'un agent d'IA exécute diligemment une suite de tests complète, un autre est chargé de refactoriser un module hérité complexe, et un troisième rédige activement une documentation complexe. Son champ d'action opérationnel s'étend au-delà du terminal local ; il exécute également « 5-10 Claudes sur claude.ai » dans son navigateur, employant une commande astucieuse de « téléportation » pour transférer de manière transparente les sessions entre l'interface web et sa machine locale. Ce n'est pas seulement un coup de pouce à la productivité ; cela représente un changement fondamental dans la façon dont les développeurs de logiciels perçoivent leurs rôles à l'ère de l'IA. Le développeur n'est plus seulement un codeur, mais un orchestrateur stratégique, gérant une flotte d'agents d'IA vers des objectifs complexes.

Cette stratégie innovante valide directement la philosophie du « faire plus avec moins » articulée par la présidente d'Anthropic, Daniela Amodei, plus tôt cette semaine. Alors que des concurrents redoutables comme OpenAI poursuivent des constructions d'infrastructures de plusieurs milliers de milliards de dollars, Anthropic démontre avec force qu'une orchestration supérieure et une utilisation intelligente des modèles existants peuvent générer des gains de productivité exponentiels. Cela positionne Anthropic de manière unique dans la course féroce à l'IA, soulignant que la véritable innovation ne réside pas uniquement dans la taille du modèle ou la puissance de calcul brute, mais dans l'application astucieuse et la gestion des systèmes intelligents.

L'Avantage Contre-Intuitif : Pourquoi le Modèle le Plus Lent et le Plus Intelligent Gagne

Dans une démarche qui semble initialement contre-intuitive pour une industrie perpétuellement obsédée par la minimisation de la latence, Cherny a révélé une préférence surprenante : il utilise exclusivement le modèle le plus lourd et, selon les métriques conventionnelles, le plus lent d'Anthropic, Opus 4.5. « J'utilise Opus 4.5 avec la pensée pour tout », a élucidé Cherny. « C'est le meilleur modèle de codage que j'aie jamais utilisé, et même s'il est plus grand et plus lent que Sonnet, étant donné que vous avez moins besoin de le guider et qu'il est meilleur dans l'utilisation d'outils, il est presque toujours plus rapide que d'utiliser un modèle plus petit au final. »

Pour les leaders technologiques d'entreprise et les CTO, cela offre une perspicacité critique, qui change le paradigme. Le véritable goulot d'étranglement dans le développement moderne piloté par l'IA n'est pas la vitesse de génération brute d'un jeton ; c'est le temps humain inestimable passé à corriger méticuleusement les inévitables erreurs de l'IA. Le workflow de Cherny suggère avec force que le fait de payer de manière proactive la « taxe de calcul » pour un modèle plus intelligent et plus capable en amont élimine considérablement la « taxe de correction » bien plus coûteuse et chronophage plus tard dans le cycle de développement. Cela représente un profond changement philosophique, qui privilégie la qualité de la production et la minimisation de l'intervention humaine par rapport à la vitesse de génération pure. Investir dans un modèle qui exige moins de guidage et moins de corrections conduit finalement à un cycle de développement plus rapide, plus efficace et plus robuste à long terme.

Un Fichier Partagé pour l'Apprentissage Collectif de l'IA : La Révélation CLAUDE.md

Cherny a en outre expliqué comment son équipe aborde ingénieusement le problème omniprésent de l'« amnésie de l'IA ». Les grands modèles linguistiques standard, par leur nature même, ne « se souviennent » pas intrinsèquement du style de codage spécifique d'une entreprise, des décisions architecturales ou des conventions préférées d'une session à l'autre. Pour contourner ingénieusement cette limitation significative, l'équipe de Cherny maintient un fichier unique et crucial nommé CLAUDE.md dans son référentiel git. « Chaque fois que nous voyons Claude faire quelque chose d'incorrect, nous l'ajoutons à CLAUDE.md », a expliqué Cherny, « afin que Claude sache ne pas le refaire la prochaine fois. »

Cette approche innovante transforme les erreurs de l'IA d'obstacles transitoires en leçons d'apprentissage permanentes et exploitables, créant ainsi une base de connaissances en constante évolution. En intégrant efficacement cette sagesse accumulée dans la formation du modèle ou ses invites contextuelles, les équipes de développement peuvent systématiquement construire des agents d'IA non seulement plus intelligents, mais aussi plus adaptables et finement adaptés à leurs exigences uniques. Le workflow de Cherny, pris dans son ensemble, ne présente pas seulement la méthodologie opérationnelle d'un individu, mais une vision convaincante de l'avenir du développement logiciel — un avenir où les humains et l'IA collaborent de manière transparente dans un environnement dynamique et stratégique, redéfinissant fondamentalement les limites de la productivité et de l'innovation.

Agence de presse Ekhbary