Le Workflow Révolutionnaire du Créateur de Claude Code Fait Sensation Chez les Développeurs

États-Unis - Agence de presse Ekhbary

Le Workflow Révolutionnaire du Créateur de Claude Code Fait Sensation Chez les Développeurs

Lorsque le créateur 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 méticuleuses. Depuis une semaine, la communauté des ingénieurs dissèque avec ferveur un fil de discussion sur X (anciennement Twitter) initié par Boris Cherny, le créateur et responsable de Claude Code chez Anthropic. Ce qui a débuté comme un partage informel de sa configuration de terminal personnelle s'est rapidement transformé en un manifeste viral sur l'avenir du développement logiciel, qualifié par des initiés de l'industrie comme un moment charnière pour la startup.

L'importance des révélations de Cherny a été soulignée par des personnalités influentes du monde des développeurs. Jeff Tang, une voix respectée, a déclaré : "Si vous ne lisez pas les meilleures pratiques de Claude Code directement de la bouche de son créateur, vous prenez du retard en tant que programmeur." Kyle McNease, un autre observateur avisé de l'industrie, a amplifié ce sentiment, affirmant qu'avec les "mises à jour qui changent la donne" de Cherny, Anthropic "est en pleine ascension" et pourrait connaître "son moment ChatGPT".

Au cœur de cet engouement réside un paradoxe fascinant : le flux de travail de Cherny est d'une simplicité surprenante, et pourtant, il permet à un seul individu d'atteindre une capacité de production équivalente à celle d'un petit département d'ingénierie. Un utilisateur, après avoir adopté la méthode de Cherny, a décrit l'expérience sur X comme étant "plus proche de Starcraft" que du codage traditionnel. Cette métaphore illustre un changement fondamental, passant de la tâche laborieuse de taper la syntaxe à l'acte plus stratégique de commander des agents autonomes.

Analyse du Workflow qui Redéfinit la Construction Logicielle

La divulgation de Cherny offre une analyse détaillée d'un flux de travail qui modifie en profondeur la manière dont les logiciels sont construits. La révélation la plus frappante est sans doute son abandon des pratiques de codage linéaires. La "boucle interne" conventionnelle du développement logiciel implique qu'un programmeur écrive une fonction, la teste, puis passe à la tâche suivante. Cherny, en revanche, adopte la posture d'un commandant de flotte.

"Je fais tourner 5 Claude en parallèle dans mon terminal," a expliqué Cherny. "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 notifications système d'iTerm2, Cherny orchestre efficacement cinq flux de travail simultanés. Pendant qu'un agent exécute une suite de tests, un autre peut être occupé à refactoriser un module existant (legacy), et un troisième pourrait être en train de rédiger la documentation essentielle. Son champ d'action s'étend davantage ; il utilise également "5 à 10 Claude sur claude.ai" dans son navigateur, employant une commande "teleport" pour transférer de manière fluide des sessions entre l'interface web et sa machine locale.

Cette méthodologie valide fortement la stratégie "faire plus avec moins" récemment articulée par la présidente d'Anthropic, Daniela Amodei. Contrairement aux concurrents comme OpenAI, qui investissent massivement dans des infrastructures colossales, Anthropic démontre qu'une orchestration supérieure et une utilisation intelligente des modèles d'IA existants peuvent débloquer des gains de productivité exponentiels.

Le Cas Contre-Intuitif du Modèle le Plus Lent, le Plus Intelligent

Dans une démarche qui va à l'encontre de l'obsession généralisée 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 fonction 'thinking' pour tout," a précisé Cherny. "C'est le meilleur modèle de codage que j'aie jamais utilisé, et même s'il est plus gros et plus lent que Sonnet, comme il nécessite moins de guidage et qu'il est meilleur dans l'utilisation des outils, il est presque toujours plus rapide que d'utiliser un modèle plus petit au final."

Cette perspective est cruciale pour les responsables technologiques des entreprises. Le principal goulot d'étranglement dans le développement contemporain de l'IA n'est pas la vitesse brute de génération des tokens ; c'est plutôt 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 performant et intelligent dès le départ peut effectivement éliminer la "taxe de correction" beaucoup plus coûteuse par la suite.

Un Fichier Partagé Transforme Chaque Erreur de l'IA en Leçon Durable

Cherny a également détaillé la solution innovante de son équipe au problème persistant de l'amnésie de l'IA – l'incapacité des modèles linguistiques standards à conserver les styles de codage spécifiques à une entreprise ou les décisions architecturales entre différentes sessions.

Pour contrer cela, l'équipe de Cherny maintient un fichier unique et essentiel nommé CLAUDE.md au sein de 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 requête de tirage (pull request) et identifie une erreur, il ne se contente pas de corriger le code ; il instruit l'IA de mettre à jour ses propres directives. Aakash Gupta, un leader produit analysant le fil, a noté : "Chaque erreur devient une règle." Par conséquent, plus l'équipe collabore, plus l'agent IA devient affiné et intelligent.

Les Commandes Slash et les Sous-Agents Automatisent les Tâches Répétitives de Développement

L'efficacité de ce que l'on a qualifié de flux de travail "vanilla" est alimentée par une automatisation rigoureuse des tâches répétitives. Cherny utilise des commandes slash – des raccourcis personnalisés intégrés au dépôt du projet – permettant d'exécuter des opérations complexes d'une simple pression de touche. Il a mis en évidence une commande appelée /commit-push-pr, qu'il invoque des dizaines de fois par jour. Cela élimine la nécessité de taper manuellement des commandes Git, de rédiger un message de commit et de créer une demande de tirage, car l'IA gère de manière autonome la bureaucratie du contrôle de version.

De plus, Cherny déploie des sous-agents – des personas IA spécialisés – pour gérer des phases distinctes du cycle de vie du développement. Il utilise un simplificateur de code (code-simplifier) pour affiner l'architecture après le développement et un agent de vérification d'application (verify-app) pour effectuer des tests de bout en bout avant tout déploiement.

Les Boucles de Vérification : Le Véritable Déclencheur du Code Généré par 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. L'IA n'est pas simplement un générateur de texte ; elle fonctionne comme un testeur 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 qu'en donnant à l'IA un mécanisme pour vérifier son propre travail – que ce soit par automatisation du navigateur, exécution de commandes bash, ou lancement de suites de tests – la qualité du résultat final est améliorée d'un facteur "2 à 3 fois". L'agent, par conséquent, n'écrit pas seulement du code ; il prouve activement son efficacité.

Le Workflow de Cherny Signale un Changement Profond dans l'Ingénierie Logicielle

La réaction écrasante au fil de discussion de Cherny indique une évolution capitale dans la manière dont les développeurs perçoivent leur métier. Pendant des années, l'IA a été considérée principalement comme un outil d'assistance. Cependant, le flux de travail de Cherny présente une vision convaincante où l'IA agit comme un partenaire égal, voire un directeur, dans le processus de développement. Cette intégration stratégique de l'efficacité opérationnelle et des capacités profondes des modèles d'IA avancés pourrait bien représenter la prochaine frontière de l'ingénierie logicielle, inaugurant une nouvelle ère de productivité et d'innovation sans précédent.

Agence de presse Ekhbary