
En bref
|
Il est 16 h et une PR arrive dans ta file d’attente. Quatorze fichiers ont été modifiés. La description indique : « Implémente la limitation de débit pour l’API publique, conformément au ticket n° 812. » Les tests sont réussis. Le code est propre, formaté de manière cohérente et semble correct.
Tu ne l’as pas écrit. Personne de ton équipe non plus. C’est un agent qui s’en est chargé, à partir d’un ticket de deux lignes que quelqu’un a créé la semaine dernière.
Tu te mets donc à lire. Pourquoi une fenêtre glissante et pas un « token bucket » ? Pourquoi la limite se trouve-t-elle dans le middleware plutôt qu’au niveau de la passerelle ? La dépendance Redis était-elle un choix délibéré, ou simplement la première solution qui a fonctionné ? L’agent était-il au courant de l’existence de ce client interne qui bombarde ce point de terminaison toutes les nuits ?
Le diff ne te le dira pas. Le message de commit non plus. Et l’auteur n’est pas disponible pour répondre à une petite question, car c’était un modèle qui a terminé son travail et est passé à autre chose.
Point clé : une PR d’agent arrive sans auteur à qui tu peux poser des questions, donc son raisonnement est perdu à moins que quelque chose ne l’ait capturé pendant l’exécution.
La revue de code s’est toujours appuyée sur des éléments extérieurs au diff. Quand un collègue ouvre une PR, tu sais à peu près comment il raisonne. Tu étais à la réunion de planification. Tu peux lui demander sur Slack pourquoi il a choisi une approche plutôt qu’une autre, et il peut te répondre.
Une PR générée par un agent supprime tout ça. Le raisonnement s’est déroulé à l’intérieur d’une exécution du modèle : la consigne qu’il a reçue, les fichiers qu’il a lus, les options qu’il a pesées, le plan qu’il a retenu. À moins que quelque chose n’ait enregistré cette exécution, tout ça a disparu au moment où la PR t’arrive. Il ne reste que le résultat, et le résultat seul est un piètre indicateur de l’intention.
Le code généré par un agent a aussi tendance à échouer en silence, car il a généralement l’air correct. Dans l’enquête 2025 Developer Survey de Stack Overflow, 66 % des développeurs ont cité les solutions d’IA qui sont presque correctes, mais pas tout à fait comme leur plus grande frustration vis-à-vis des outils d’IA, et 45 % ont déclaré que le débogage du code généré par l’IA prenait plus de temps. Un code qui est presque correct est difficile à réviser, car rien dedans ne se signale comme étant faux.
La même enquête a révélé que les développeurs expérimentés sont les plus prudents, avec le taux le plus élevé de méfiance vis-à-vis des résultats de l’IA. Ce sont souvent eux qui reçoivent les demandes de révision.
Point clé : sans justification, la révision devient un choix entre une démarche lente, risquée ou inutile. La solution, c’est de redonner le contexte aux réviseurs.
Face à un diff sans justification, les relecteurs ont tendance à se rabattre sur l’une de ces trois habitudes. Chacune semble logique sur le moment, mais chacune a un coût qui se fait sentir plus tard.
L’option prudente consiste à redériver le raisonnement. Tu lis le ticket, tu lis le code, et tu reconstitues ce que l’agent a dû penser. Ça marche, mais une révision rapide se transforme en une longue révision, et tu as refait le travail de planification que l’agent était censé t’épargner.
L’option rapide, c’est d’approuver en faisant confiance. Les tests passent, le code a l’air correct, et la file d’attente est longue, alors tu survoles le code et tu approuves. Ça tient le coup jusqu’à ce qu’une hypothèse de l’agent s’avère fausse et que personne ne puisse expliquer pourquoi le code a été écrit comme ça.
L’option la plus sûre, c’est de renvoyer le code ou de le réécrire toi-même. Tu ne fusionnes pas ce que tu ne comprends pas, et tu perds aussi la majeure partie du temps que l’agent t’a fait gagner.
Ces trois réactions sont toutes raisonnables face à la même situation : on te demande de valider un travail sans le contexte dont tu disposerais normalement. À mesure que les agents prennent en charge davantage de code, la file d’attente des révisions s’allonge, et le coût de chaque mauvaise habitude augmente en conséquence.
Point clé : la planification, les vérifications et la documentation transforment une PR d’agent, qui n’est au départ qu’un diff inexpliqué, en un travail qu’un réviseur peut réellement évaluer.
Tu ne peux pas demander à un agent ce qu’il avait en tête une fois l’exécution terminée, mais tu peux faire en sorte que le contexte accompagne son travail. Une PR d’agent révisable contient trois éléments en plus du diff.
Ces trois éléments ont un coût. Un plan ajoute une étape avant même que le code n’existe, et son approbation implique une personne plus tôt dans le processus. Les vérifications ont aussi leurs limites : une révision par rapport au plan ne permettra pas de détecter si le plan lui-même était erroné. C’est toujours une personne qui prend la décision pour chaque PR d’agent, et le plan, les vérifications et le compte-rendu permettent de prendre cette décision en étant mieux informé.
Point clé : Upsun Dispatch conserve le plan, les remarques du réviseur et le compte-rendu d’exécution associés au travail de l’agent, ce qui permet aux réviseurs de partir du contexte plutôt que d’un simple diff.
Upsun Dispatch est la plateforme dédiée à la collaboration pilotée entre les agents IA et les équipes humaines interfonctionnelles. Elle s’intègre aux outils que ton équipe utilise déjà : GitHub, GitLab, Jira et Linear. Son processus De la demande au code est conçu pour que le plan, les vérifications et le compte-rendu accompagnent le travail.
Le plan est d’abord associé à la ticket. Un agent de planification lit la ticket et rédige un plan de mise en œuvre, puis Upsun Dispatch le publie sur la ticket avant même que le code ne soit écrit. Pour les exécutions lancées depuis Jira, tu peux activer une étape d’approbation du plan (désactivée par défaut) afin que l’exécution attende qu’une personne approuve, rejette ou révise le plan.
Un réviseur examine la modification avant l’ouverture de la PR. Une fois que le développeur a terminé, un autre réviseur examine la modification par rapport au plan. Les problèmes graves, comme un code qui ne compile pas ou qui contredit le plan, empêchent purement et simplement l’ouverture de la PR. Les remarques mineures sont ajoutées à la description de la PR, pour que le relecteur les voie d’emblée. L’agent de vérification ne s’exécute qu’une seule fois, et Upsun Dispatch ne réécrit pas le code en fonction de ses conclusions ; tu es donc libre d’évaluer tout ce qui n’est pas un blocage.
Chaque exécution laisse une trace. Chaque invite, différence, validation et événement d ’utilisation est enregistré au fur et à mesure. Dans la console d’Upsun Dispatch, chaque exécution affiche son statut, ses étapes, une chronologie des événements et ses journaux. Si des questions surgissent plus tard, tu peux te référer à ces traces.
Le processus de révision de code ajoute une couche supplémentaire : il examine les pull requests et les merge requests, puis publie ses conclusions sous forme de commentaires intégrés et, selon tes paramètres, un résumé, parallèlement à la révision effectuée par ton équipe.
Plusieurs mois après une fusion, l’historique d’exécution peut être le seul endroit où le raisonnement de l’agent est encore disponible. Notre guide technique explique en détail ce qu’Upsun Dispatch enregistre pour chaque exécution, et comment un ingénieur s’en sert pour reconstituer l’intention et déboguer une modification plus tard.
Lis le guide : Reconstituer n’importe quelle exécution d’un agent ultérieurement : ce qui est enregistré, et pourquoi
Pourquoi les pull requests d’agents IA sont-elles difficiles à réviser ?
Le diff montre ce qui a changé, mais rarement pourquoi. La consigne, le plan et les options que l’agent a évaluées ne sont généralement pas enregistrés là où le réviseur peut les voir ; celui-ci doit donc reconstituer le raisonnement ou approuver sans le connaître.
Est-ce que réussir les tests suffit pour approuver une pull request d’agent ?
Les tests confirment que le code fait ce qu’ils vérifient. Ils ne confirment pas que la modification correspond à ce qui a été demandé, ni que les hypothèses de l’agent étaient fondées. Le code d’un agent est souvent « presque correct », ce qui est exactement le genre de problème que les tests peuvent passer à côté.
Que doit contenir une PR d’agent pour être révisable ?
Le plan sur lequel l’agent s’est basé, les résultats des vérifications qu’il a déjà passées, et un compte-rendu de l’exécution : ce qu’on lui a demandé, ce qu’il a modifié, et qui a approuvé quoi.
Comment Upsun Dispatch aide-t-il les réviseurs ?
Dans le processus « De ticket à code », Upsun Dispatch publie le plan de l’agent sur le ticket, lance un agent critique capable de bloquer la PR s’il détecte des problèmes graves, et enregistre chaque invite, diff, validation et événement d’utilisation au fur et à mesure.
Est-ce qu’Upsun Dispatch remplace la révision humaine du code ?
Non. Ce sont toujours des personnes qui révisent et approuvent le travail de l’agent. Upsun Dispatch leur fournit le contexte nécessaire pour bien faire ce travail.