đ€ DĂ©veloppement Agentique â Part 2
Guide opérationnel IDEO-Lab : choix des outils, Cursor, Claude Code, Copilot Agent, Codex, Context Engineering, prompts, orchestration multi-agents, vérification, Git, sécurité, rollout équipe et playbook Django/Python production.
Cartographie des outils
IDE agentique, agent terminal, agent cloud, agent PR : quoi utiliser, quand, et avec quels garde-fous.
CursorClaude CodeCodexCursor en profondeur
Plan Mode, Agent Mode, rules, contexte, MCP, boucle patch/test/review.
Plan ModeRulesMCPClaude Code terminal
Agent CLI : lire le repo, modifier, lancer les commandes, apprendre les outils, corriger.
TerminalCLIHooksGitHub Copilot Agent
Workflow issue â session â branche â commit â PR â review humaine.
IssuesBranchesPRCodex & worktrees
Agents cloud, worktrees, tĂąches parallĂšles, revue, orchestration multi-agents.
WorktreesCloudParallelContext Engineering
Rules, AGENTS.md, doctrine projet, contraintes locales et sources de vérité.
RulesDocsContextPatterns de prompts
Prompts de diagnostic, plan, patch, review, migration, sécurité et rollback.
PromptsScopePatchesOrchestration multi-agents
Découper le travail entre plusieurs agents sans conflit, dérive ni chaos Git.
ParallelRolesMergePipeline de vérification
Tests, linters, migrations, CI, rollback, logs, métriques et preuve de correction.
TestsCIRollbackGit, PR & gouvernance
Branches, commits, PR policy, lecture de diff, accountability humaine.
GitReviewPolicySécurité & conformité
Secrets, données sensibles, dépendances, prompt injection, audit trail, sandbox.
SecuritySecretsAuditDéploiement en équipe
Roadmap dâadoption, maturitĂ©, mĂ©triques, formation et rituels dâĂ©quipe.
RolloutMetricsTeamDjango/Python Playbook
Standards production pour commandes, migrations, admin, tests, rollback et observabilité.
DjangoPythonOpsSources & veille
Docs officielles et politique de mise Ă jour sur un sujet qui bouge trĂšs vite.
SourcesDocsWatchLe dĂ©veloppement agentique devient une chaĂźne dâoutils
La Part 2 part dâun constat terrain : le dĂ©veloppement agentique nâest plus seulement un chat dans un IDE. On voit apparaĂźtre une pile complĂšte : agent local dans lâIDE, agent terminal capable de lancer des commandes, agent cloud qui travaille sur une branche, agent de review sur les pull requests, et couche de gouvernance pour encadrer le tout.
Le vrai sujet nâest pas âquel outil est le meilleur ?â, mais âquel degrĂ© dâautonomie est acceptable pour ce type de tĂąche ?â. Une correction CSS nâa pas le mĂȘme risque quâune migration SQL, quâun patch dâauthentification ou quâun refactoring multi-fichiers.
Les grandes familles
| Famille | Exemples | Usage naturel |
|---|---|---|
| Agent IDE | Cursor, agent mode VS Code | Patch local, navigation codebase, refactoring contrÎlé. |
| Agent terminal | Claude Code, Codex CLI | Diagnostic, commandes, tests, analyse de tracebacks. |
| Agent cloud | Codex, Copilot coding agent | Tùches parallÚles, branches isolées, PR générées. |
| Agent review | Copilot PR review, LLM reviewer | Explication de diff, risques, commentaires de review. |
| Gouvernance | Rules, CI, politiques, audit | EmpĂȘcher les dĂ©rives et industrialiser. |
Choisir lâagent selon la tĂąche
| Tùche | Agent conseillé | Pourquoi | Validation humaine |
|---|---|---|---|
| Comprendre un vieux module | IDE ou terminal | Besoin de lire plusieurs fichiers et dâexpliquer le flux. | Valider le rĂ©sumĂ© dâarchitecture. |
| Patch Django admin | IDE agent | Diff local court, vĂ©rification visuelle rapide. | Lire le diff + tester lâĂ©cran. |
| Cron ou management command | Terminal agent | Besoin dâarguments, logs, dry-run, commandes de test. | Exiger compteurs + sortie finale. |
| Mise Ă jour documentaire | Cloud agent | Peut travailler sur branche et ouvrir une PR. | Relire exactitude et ton. |
| Migration ou modÚle SQL | Plan first + humain | Risque données, verrous, rollback. | Review stricte + test DB. |
| SĂ©curitĂ©/auth | Humain pilotant lâagent | Le modĂšle peut manquer le threat model. | Review sĂ©curitĂ© obligatoire. |
Workflow global
Les anti-patterns à éviter
Accept all
Le dĂ©veloppeur accepte tout sans lire le diff. Ce nâest pas du dĂ©veloppement agentique, câest une abdication de review.
Prompt énorme
Une demande trop large produit un diff ingérable. La dérive devient invisible.
Aucune rĂšgle projet
Lâagent devine lâarchitecture, les conventions, les tests et les interdits.
Secrets exposés
Lâagent lit des fichiers .env, logs, dumps ou credentials quâil ne devrait jamais voir.
Pas de preuve
Lâagent affirme que ça marche, mais aucun test ni commande nâa Ă©tĂ© lancĂ©.
Shopping dâoutils
LâĂ©quipe change dâoutil sans construire une mĂ©thode stable et vĂ©rifiable.
Planifier avant de modifier
Cursor est intĂ©ressant parce quâil formalise une pratique saine : demander Ă lâagent de lire le codebase, identifier les fichiers pertinents, poser des questions si nĂ©cessaire, produire un plan, puis attendre validation avant dâĂ©crire. Pour un projet Django consĂ©quent, ce mode doit devenir le rĂ©flexe dĂšs quâon touche aux modĂšles, migrations, crons, permissions, services ou refactorings multi-fichiers.
Le Plan Mode sépare deux moments : comprendre puis modifier. Cette séparation réduit les patchs inutiles, les changements hors périmÚtre et les réécritures sauvages.
Prompt de planification
You are in planning mode. Do not modify files yet. Analyze the repository and return: 1. files to inspect 2. current architecture summary 3. smallest safe implementation plan 4. risk list 5. tests or commands to run 6. rollback strategy Wait for approval before editing.
Les rules : la constitution du projet
Les rules disent Ă lâagent comment travailler : conventions, architecture, commandes de test, contraintes SQL, interdits, style, sĂ©curitĂ©, format de sortie. Sans rules, lâagent improvise. Avec rules, il travaille dans un cadre.
Catégories de rules
- Architecture : services, views, forms, commands, templates.
- Base de données : migrations, index, déduplication, transactions.
- Tests : commandes obligatoires avant de conclure.
- Sécurité : secrets, logs, données sensibles, shell.
- Patch policy : pas de rewrite complet sans accord.
- Style : nommage, commentaires, admin, UI.
Exemple de rules
Project rules: - Use small surgical patches. - Do not rewrite full files unless explicitly approved. - Do not add indexes on large text fields. - Keep code comments in English. - Prefer Django management commands for diagnostics. - Add dry-run, verbose mode and counters for long operations. - Run checks or explain why they cannot be run. - Always summarize changed files and risks.
La boucle Cursor sérieuse
| Taille patch | Autonomie agent | Review |
|---|---|---|
| 1 fichier UI | Moyenne | Diff + rendu visuel. |
| 2-5 fichiers métier | Plan + patch | Diff + tests. |
| Models/migrations | Faible | Review DB + plan rollback. |
| Sécurité/auth | TrÚs faible | Threat model + tests. |
| Refactoring large | Plan uniquement au départ | Découpage en sous-patchs. |
Connecter des outils : puissance et danger
MCP et les outils externes peuvent rendre lâagent plus utile : documentation, ticketing, recherche, tests, outils internes. Mais chaque capacitĂ© ajoutĂ©e augmente aussi le risque. On connecte uniquement ce qui est nĂ©cessaire, et jamais des secrets ou un accĂšs production sans sandbox strict.
| AccĂšs | Risque | Politique |
|---|---|---|
| Repo local | Moyen | Autorisé pour tùches de code. |
| Documentation projet | Faible | Recommandé. |
| Issue tracker | Moyen | Lecture seule par défaut. |
| Tests locaux | Moyen | Autorisé en dev. |
| Base de donnĂ©es | ĂlevĂ© | Sandbox uniquement. |
| Secrets/production | Critique | Interdit. |
Lâagent terminal comme ingĂ©nieur opĂ©rationnel
Un agent terminal est puissant car il peut lire le repo, modifier des fichiers, lancer des commandes, lire les erreurs, puis corriger. Il excelle dans les diagnostics, les tests, les scripts, les commandes Django, les analyses de tracebacks et les workflows reproductibles.
Mais cette puissance impose une politique de commandes. Un agent qui peut lancer des commandes ne doit pas avoir carte blanche sur la base, les secrets ou lâinfrastructure.
Boucle agentique CLI
Classer les commandes avant exécution
| Classe | Exemples | Politique |
|---|---|---|
| Inspection | ls, grep, cat, git diff | Autorisé. |
| Tests locaux | pytest, manage.py check | Autorisé aprÚs cadrage. |
| Prévisualisation migration | migrate --plan | Autorisé avec prudence. |
| Installation package | pip install, npm install | Demander accord. |
| Mutation DB | migrate, SQL update/delete | Sandbox + accord explicite. |
| Destructeur | rm -rf, drop database | Interdit hors environnement jetable. |
Before running commands, classify them as: - read_only - local_test - environment_change - data_mutation - destructive Do not run data_mutation or destructive commands without explicit approval.
Cas dâusage Django/Python
Management commands
Créer des commandes robustes avec arguments, dry-run, counters, logs et résumé final.
Diagnostic migrations
Lire models, migrations, SQL généré, contraintes moteur et erreurs partielles.
Réparation tests
Lancer un test, lire le traceback, corriger la cause minimale, relancer.
Performance
Identifier N+1, requĂȘtes lentes, boucles coĂ»teuses, select_related manquants.
Analyse statique
Imports morts, fonctions dupliquées, variables non définies, patterns risqués.
Packaging
pyproject, wheels, README, scripts de build et checks de release.
Pack prompts terminal
Analyze first. Do not edit files. Find the minimal set of files involved. Explain the execution path and likely defect. Propose one small patch. List commands that would prove the fix.
Apply only the approved patch. Do not reformat unrelated code. Do not rename public APIs. After editing, run the smallest relevant check. If a check fails, report the exact error and patch only the cause.
Create a Django management command with: - argparse options - dry-run mode - verbose mode - progress counters - structured final summary - no interactive shell dependency - safe error handling - production-oriented logging
Le modÚle agent cloud orienté PR
Le Copilot coding agent cĂŽtĂ© GitHub transforme une issue ou un prompt en session de travail : recherche dans le repo, plan, branche, commits, logs de session, puis PR Ă relire. Ce modĂšle est trĂšs diffĂ©rent de lâagent local dans lâIDE : ici, le travail est naturellement isolĂ© par branche et intĂ©grĂ© dans le workflow GitHub.
Template dâissue exploitable par agent
Title: Add validation report to migration safety command Goal: Create a validation report for the migration safety workflow. Scope: - management command only - no model changes - no UI changes - no production database mutation Acceptance criteria: - command supports --dry-run - command prints counters - command exits non-zero on validation failure - unit tests cover success and failure cases Relevant files: - app/management/commands/migrate_safe.py - app/services/migration_validation.py - tests/test_migration_validation.py Do not: - rewrite unrelated files - change existing public behavior - add dependencies Proof: Run the relevant tests and include output summary.
Relire une PR produite par agent
| Zone | Question | Rejet si |
|---|---|---|
| PĂ©rimĂštre | Le diff correspond-il Ă lâissue ? | Fichiers non demandĂ©s modifiĂ©s. |
| Architecture | Respecte-t-il les patterns projet ? | Nouvelle abstraction sans raison. |
| Tests | Le comportement est-il prouvé ? | Pas de test ou preuve faible. |
| Sécurité | Y a-t-il fuite de secret/donnée ? | Logs sensibles, permissions cassées. |
| Database | Les migrations sont-elles sûres ? | Index dangereux, lock long, data loss. |
| Ops | Peut-on rollback ? | Aucun plan rollback. |
RĂšgles de gouvernance
- Lâagent travaille sur branche dĂ©diĂ©e.
- Lâagent ne merge jamais sa propre PR.
- La CI doit passer avant review.
- Les changements sécurité exigent un reviewer humain compétent.
- Les instructions repo doivent ĂȘtre maintenues comme de la vraie documentation.
- Une PR agent doit contenir résumé, tests, risques et limites.
- Rejeter une PR agent nâest pas un Ă©chec : câest un mĂ©canisme de qualitĂ©.
Codex comme centre de commande
Les workflows modernes de type Codex traitent les tùches comme des sessions isolées : un agent reçoit un objectif, travaille dans un environnement ou worktree séparé, produit un diff, puis laisse le développeur relire. Ce modÚle est trÚs utile quand un senior veut lancer plusieurs investigations ou prototypes sans polluer son workspace local.
Le dĂ©veloppeur devient chef dâorchestre : il dĂ©coupe, lance, compare, garde les meilleurs rĂ©sultats et rejette le bruit.
ModĂšle worktree
Découper pour le parallÚle
| Bon découpage | Mauvais découpage | Raison |
|---|---|---|
| Un agent audite les tests | Cinq agents Ă©ditent le mĂȘme fichier | Conflits. |
| Un agent Ă©crit la doc | Un agent refactorise toute lâapp | PĂ©rimĂštre trop large. |
| Un agent investigue les index | Un agent change models+migrations Ă lâaveugle | Risque donnĂ©es. |
| Un agent prototype | Un agent déploie en production | Risque opérationnel. |
| Un agent propose des options | Un agent dĂ©cide lâarchitecture seul | ResponsabilitĂ© humaine. |
Good task format: - objective - repository area - files allowed - files forbidden - output expected - commands allowed - acceptance criteria - risk level
Review de résultats parallÚles
TrĂšs bons cas dâusage
Investigation parallĂšle
Trois agents explorent trois causes possibles dâun bug, puis on compare les preuves.
Comparaison prototypes
Deux implémentations alternatives, puis choix de la meilleure architecture.
Documentation
Mettre Ă jour runbooks, README, exemples, sans toucher au cĆur mĂ©tier.
Tests manquants
Ajouter des tests sur comportement clair, puis relire les assertions.
Nettoyage statique
Imports morts, warnings simples, petits renommages isolés.
Plan migration
Générer un plan, commandes et rollback sans appliquer de modification DB.
Le contexte comme systĂšme dâexploitation de lâagent
Le Context Engineering consiste Ă fournir Ă lâagent la bonne mĂ©moire, les bonnes contraintes et les bonnes sources de vĂ©ritĂ© avant lâaction. Ce nâest pas un supplĂ©ment. Câest ce qui empĂȘche lâagent dâimproviser.
| Couche | Contenu | Pourquoi |
|---|---|---|
| Vue projet | But, modules, frontiĂšres | Ăvite les hypothĂšses fausses. |
| Rules | Do/donât, style, sĂ©curitĂ© | Cadre le comportement. |
| Runbook | Commandes, tests, setup | Permet la preuve. |
| Patterns | Exemples de bon code | Renforce la cohérence. |
| Risques connus | Legacy traps, limites DB | Ăvite les erreurs rĂ©pĂ©tĂ©es. |
| Tùche courante | Objectif, scope, critÚres | Définit le succÚs. |
Structure recommandée
# Agent Instructions ## Project mission Explain what the project does in five lines. ## Architecture map List important apps, services, commands and templates. ## Coding rules Define naming, style, patch scope and forbidden patterns. ## Database rules Define migration policy, index policy and data safety rules. ## Test commands List exact commands for unit tests, checks and migrations. ## Security boundaries List files, data and commands that agents must not access or modify. ## Review output Every answer must include changed files, risks, tests and next steps.
Ni trop peu, ni trop de contexte
Un agent nâa pas besoin de toute lâhistoire de lâentreprise. Il a besoin du plus petit contexte fiable pour la zone ciblĂ©e. Trop peu : hallucination. Trop : dilution et contradictions.
Doctrine Django Ă donner aux agents
Django project doctrine: - Prefer management commands for repeatable diagnostics. - Avoid ad-hoc shell troubleshooting as the final solution. - Include dry-run mode for commands that inspect or mutate data. - Never create indexes on very large text fields without explicit approval. - Keep deduplication rules in application code when required by design. - Add admin list displays, filters and actions only when operationally useful. - Make migrations reviewable and reversible when possible. - Add logs, counters and final summaries for long-running operations. - Do not hide exceptions silently. - Keep patches surgical and testable.
La grammaire dâun bon prompt de code
Un prompt professionnel ressemble Ă un ticket dâingĂ©nierie : objectif, pĂ©rimĂštre, contraintes, fichiers, tests, format de sortie. Plus la tĂąche est risquĂ©e, plus le prompt doit ĂȘtre contractuel.
| Bloc | RĂŽle | Exemple |
|---|---|---|
| Role | Comportement attendu | Act as a senior Django engineer. |
| Goal | Résultat attendu | Add a dry-run report. |
| Scope | Limites | Only command and service layer. |
| Constraints | Interdits | No model changes, no dependencies. |
| Proof | Validation | Run check and unit tests. |
| Output | Review facile | List files, risks and tests. |
Prompts de diagnostic
Analyze the bug without editing files. Return: 1. likely root cause 2. files involved 3. execution path 4. evidence from code 5. smallest safe fix 6. tests needed Do not modify anything yet.
Inspect this Django management command. Find: - missing error handling - missing counters - unsafe data mutation - missing dry-run behavior - missing final summary - unclear logging Return a prioritized patch plan.
Prompts de patch
Apply Patch 1 only. Scope: - create the service function - do not modify admin or templates - do not change models - keep the public API stable After patch: - show changed files - explain risks - list tests to run
Add observability to this command. Requirements: - verbose mode - debug mode - progress counters - final JSON-like summary - clear non-zero exit on failure - no interactive input
Prompts de review
Review this diff as a strict senior engineer. Focus on: - hidden behavior changes - missing tests - security risk - performance regression - database risk - maintainability Return blockers, warnings and optional improvements.
Compare the patch against the original plan. List: 1. requirements satisfied 2. requirements missing 3. unrequested changes 4. risky assumptions 5. whether this can be merged
Des rĂŽles, pas seulement des prompts
Le multi-agent devient dangereux quand plusieurs agents Ă©ditent la mĂȘme zone sans coordination. Le modĂšle sĂ»r sĂ©pare les rĂŽles : investigation, plan, implĂ©mentation, tests, review. Tous ne doivent pas modifier le mĂȘme code.
| RÎle agent | Sortie autorisée | Interdit |
|---|---|---|
| Investigator | Constats, root cause, carte fichiers | Ădition de code. |
| Planner | Plan dâimplĂ©mentation | Changements non approuvĂ©s. |
| Implementer | Petit patch | Extension de scope. |
| Tester | Plan de test, patch tests | Rewrite production. |
| Reviewer | Blockers, risques | Merge automatique. |
Protocole de coordination
Ăviter les conflits
- Une branche ou worktree par agent.
- Ownership clair des fichiers.
- Pas dâĂ©dition concurrente du mĂȘme fichier sans plan.
- Commits petits et cherry-pickables.
- Branche dâintĂ©gration humaine.
- Tests aprÚs chaque patch accepté.
- Expériences jetables plutÎt que rewrite spéculatif.
Safe parallel split: agent-a: investigate failing migration agent-b: write test cases agent-c: document current behavior agent-d: propose rollback plan human: select one patch path
Le pattern âconseil dâagentsâ
Pour une dĂ©cision dâarchitecture difficile, utiliser plusieurs agents comme conseillers, pas comme implĂ©menteurs. Chaque agent propose une option avec hypothĂšses, risques, Ă©tapes et rollback. Ensuite seulement, un humain choisit.
Ask three agents independently: - propose an architecture - list assumptions - list risks - estimate implementation steps - identify rollback strategy Then ask a reviewer agent: - compare proposals - find common ground - find hidden risks - recommend the smallest safe first patch
Passer de âça semble bonâ Ă âcâest prouvĂ©â
Un workflow agentique sĂ©rieux doit exiger une preuve proportionnĂ©e au risque. Le minimum acceptable nâest pas le mĂȘme pour un texte, une fonction mĂ©tier, une migration ou un patch dâauthentification.
| Risque | Preuve minimale | Exemples |
|---|---|---|
| Faible | Diff + vérification manuelle | Docs, texte, CSS. |
| Moyen | Unit test ou commande locale | Service, admin action, parser. |
| ĂlevĂ© | Unit + intĂ©gration + rollback | Migration, job async, API externe. |
| Critique | CI complÚte + staging + sécurité | Auth, paiement, données prod. |
Commandes de vérification Django
python manage.py check python manage.py makemigrations --check --dry-run python manage.py showmigrations python manage.py test python manage.py test app_name.tests.test_specific_case python manage.py migrate --plan
Checks complémentaires
python -m compileall . python -m pytest python -m ruff check . python -m mypy . python manage.py collectstatic --dry-run --noinput
Discipline rollback
| Type changement | Rollback attendu | Attention |
|---|---|---|
| Patch code pur | Revert commit | Compatibilité API. |
| Template/CSS | Revert fichier | Régression visuelle. |
| Migration schéma | Reverse migration ou restore | Risque données. |
| Data migration | Stratégie reverse explicite | Souvent non réversible. |
| Dependency update | Pin version précédente | Transitif possible. |
| Sécurité | Revert + audit | Rotation secrets parfois nécessaire. |
Un patch opérationnel doit parler
Pour les crons, analyzers, repair tools ou pipelines de réplication, un patch doit produire des faits : compteurs, durée, erreurs, warnings, skip, dry-run, statut final.
Final report format: status: success | warning | failed changed_files: N records_scanned: N records_changed: N records_skipped: N errors: N warnings: N duration_seconds: N dry_run: true | false next_action: text
Politique branches
| Travail | Branche | Merge |
|---|---|---|
| Petit patch local | feature/small-topic | Commit humain aprĂšs diff. |
| TĂąche agent cloud | agent/issue-topic | PR obligatoire. |
| Expérience | experiment/agent-topic | Cherry-pick seulement. |
| Sécurité | security/private-topic | Review restreinte. |
| Migration | migration/topic | Checklist DBA. |
Messages de commit
good: feat(migrations): add dry-run validation report fix(admin): preserve filter state after action refactor(search): split parser service from command bad: agent changes update files fix stuff big refactor
Le fait que lâagent ait aidĂ© est secondaire. Ce qui compte : ce qui change, pourquoi, avec quelle preuve.
Checklist de PR
PR checklist: - scope matches issue - no unrequested files changed - no secrets or sensitive data added - migrations reviewed - tests or checks included - rollback documented - performance impact considered - logs and counters added when operational - documentation updated if behavior changed - human reviewer accepts accountability
Lire un diff agentique
- Commencer par la liste des fichiers.
- Identifier les changements non demandés.
- Vérifier les signatures publiques.
- Chercher les changements silencieux de comportement.
- Repérer les except trop larges.
- ContrÎler la qualité des tests générés.
- Relire les migrations ligne par ligne.
- Vérifier que les logs ne sortent aucune donnée sensible.
Le nouveau threat model
Le dĂ©veloppement agentique Ă©largit la surface de risque : lâagent peut lire des fichiers, exĂ©cuter des commandes, modifier du code, ajouter des dĂ©pendances, parfois interagir avec des services externes. Les risques les plus frĂ©quents ne sont pas spectaculaires : fuite accidentelle de secrets, logs trop bavards, dĂ©pendance non auditĂ©e, permission cassĂ©e, ou prompt injection dans le repo.
| Risque | Exemple | ContrĂŽle |
|---|---|---|
| Secret exposure | Lecture .env, token en log | Deny-list, secret scanning. |
| Data leakage | Données client dans prompt | Données synthétiques. |
| Dependency risk | Package ajouté sans review | Validation humaine. |
| Auth regression | Permission supprimée | Tests + review sécurité. |
| Command abuse | Commande destructive | Politique commandes. |
| Prompt injection | Instruction malveillante dans README | Rules projet prioritaires. |
Zones interdites
Agents must not access or modify: - production credentials - private keys - payment secrets - customer personal data - production database dumps - deployment tokens - infrastructure state files - legal documents unless explicitly approved - license keys - authentication bypass logic
Checklist secure coding
- Authentification préservée.
- Autorisation explicite et testée.
- Pas de SQL brut depuis entrée utilisateur.
- Pas de désérialisation dangereuse.
- Pas de CORS large sans justification.
- Pas de debug ou stack trace exposé.
- Pas de secret dans logs, erreurs, commentaires ou tests.
- Pas de dépendance non relue.
- Pas dâexport de donnĂ©es sans contrĂŽle dâaccĂšs.
- Pas dâexception silencieuse masquant une faille.
Traçabilité
Une tĂąche agentique doit laisser une trace normale dâingĂ©nierie : issue, plan, branche, commits, PR, CI, reviewer, dĂ©cision. En environnement client ou rĂ©glementĂ©, noter lâoutil utilisĂ© et lâhumain qui a validĂ©.
Audit fields: - issue_id - agent_tool - agent_session_id - branch_name - human_reviewer - risk_class - tests_run - CI_status - merge_decision - rollback_note
Déployer en quatre étapes
Mesurer la réalité, pas le buzz
| Métrique | Bon signal | Mauvais signal |
|---|---|---|
| Lead time | Cycle plus court sur petites tĂąches | Plus rapide mais plus de rework. |
| Review load | Review tenable | PR spam. |
| Defect rate | Pas de hausse bugs | Régressions IA en hausse. |
| Tests | Couverture utile | Tests superficiels. |
| Rollback | Stable ou plus bas | Reverts urgence. |
| Satisfaction dev | Moins de tùches répétitives | Fatigue de review. |
ModÚle de maturité
Former lâĂ©quipe
- Apprendre la structure de prompt : scope, contraintes, critĂšres.
- Apprendre la lecture de diff IA.
- Apprendre les limites sécurité.
- Apprendre la validation par tests.
- Apprendre quand ne pas utiliser dâagent.
- Construire une bibliothÚque de prompts approuvés.
- Analyser les Ă©checs dâagents et amĂ©liorer les rules.
Weekly team ritual: - one useful prompt added - one bad agent output analyzed - one rule improved - one metric reviewed - one workflow simplified
Découpage Django par patch
Un workflow Django propre sĂ©pare modĂšles, services, commandes, admin, templates et docs. Lâagent ne doit pas mĂ©langer tout dans un seul patch sauf micro-changement.
| Patch | Contenu | Validation |
|---|---|---|
| Patch A | Model ou structure données | Migration plan + review DB. |
| Patch B | Service layer | Unit tests. |
| Patch C | Management command | Dry-run + command tests. |
| Patch D | Admin UI | Check visuel + permissions. |
| Patch E | Template/UI | Check visuel. |
| Patch F | Docs/runbook | Relecture humaine. |
Standard management command
Every production management command should include: - --dry-run - --limit - --verbose - --debug - --export-json or --export-excel when useful - clear start banner - progress counters - final summary - non-zero exit on failure - exception boundaries - no hidden interactive dependency
Prompts migration safety
Analyze this Django migration for MariaDB and PostgreSQL safety. Check: - long index risk - table lock risk - data migration reversibility - field type compatibility - transaction behavior - expected runtime on large tables Return a risk table and safer alternatives.
Create a migration resolver plan. Do not edit files yet. The plan must include: - original migration backup - corrected migration output - remaining diff to apply - model-level resolver proposal - verification command - rollback strategy
Admin généré par agent
Un agent peut produire un admin Django vite, mais il oublie souvent les filtres utiles, les catĂ©gories lisibles, les compteurs, les permissions et lâoptimisation queryset. Il faut expliciter le standard attendu.
Build a Django admin dashboard with: - readable list_display - useful list_filter - search_fields - date_hierarchy when relevant - readonly_fields for audit data - safe admin actions only - no heavy query in list display - optimized queryset with select_related where useful
Sources principales utilisées
| Source | Utilité | URL |
|---|---|---|
| Cursor Docs | Agent mode, rules, MCP, skills, CLI. | https://cursor.com/docs |
| Cursor Plan Mode | Recherche codebase, plan reviewable, attente validation. | https://cursor.com/docs/agent/plan-mode |
| Cursor Agent Best Practices | Bonnes pratiques de planification et agents. | https://cursor.com/blog/agent-best-practices |
| Claude Code Overview | Outil agentique qui lit le codebase, édite et lance des commandes. | https://code.claude.com/docs/en/overview |
| Claude Code How it works | Boucle tool-use, skills, MCP, hooks, subagents. | https://code.claude.com/docs/en/how-claude-code-works |
| GitHub Copilot Coding Agent | Agent cloud : recherche repo, plan, branche, PR. | https://docs.github.com/copilot/concepts/agents/coding-agent/about-coding-agent |
| OpenAI Codex | Command center pour agentic coding, worktrees et environnements cloud. | https://openai.com/codex/ |
Politique de maintenance
Les outils Ă©voluent vite : capacitĂ©s, prix, modĂšles, intĂ©grations IDE, sĂ©curitĂ© entreprise, limits et fonctionnalitĂ©s cloud. Un guide public doit ĂȘtre revu rĂ©guliĂšrement.
Quarterly update checklist: - verify official docs URLs - update tool capability table - update enterprise/security options - refresh prompt examples - add new agent workflows - remove deprecated commands - test modal UI after edits
