Articles
Analyses techniques, retours d'expérience et réflexions de nos 850+ experts.
L'Anatomie d'une Loop : les 5 Blocs Fondamentaux
Une boucle d'agent n'est pas un while true : c'est un assemblage de cinq blocs - declencheur, action, preuve, memoire, condition d'arret. Anatomie d'une boucle qui transforme la repetition en amelioration, et grille de diagnostic quand elle deraille.
Les outils natifs du Loop Engineering : /loop, /goal et la boucle Ralph Wiggum dans Claude Code
Le guide des boucles natives de Claude Code : /loop et /goal, intervalles, loop vs schedule, skills SKILL.md, worktrees et la technique Ralph Wiggum de Geoffrey Huntley — avec leurs garde-fous.
Le Guide Complet du Loop Engineering
Cessez de prompter vos agents : concevez les boucles qui les pilotent. Le guide complet du Loop Engineering — définition, généalogie prompt→context→harness→loop, anatomie en 5 blocs, écosystème et limites.
Les Limites, Coûts et Défis du Loop Engineering
Le contrepoids honnête du Loop Engineering : coûts en tokens, boucles infinies, autonomie prématurée, vérification humaine et paradoxe de Jevons, avec leurs garde-fous concrets.
Loop Engineering pour les Product Managers : la compétence de demain n'est pas le prompt
La prochaine compétence des Product Managers n'est pas le prompt engineering mais la conception de boucles : signal produit hebdomadaire, evals comme tests unitaires, et un dépôt versionné comme mémoire du produit.
Loopcraft : l'art de combiner les boucles IA
swyx l'appelle loopcraft : l'art d'empiler les boucles plutôt que de s'appuyer sur un agent unique. Les quatre boucles de LangChain, la distinction harnais/loop, la règle monter/descendre et les pièges de l'empilement multi-boucles.
Pourquoi le Prompt Engineering est mort (Vive le Loop Engineering)
Le prompt engineering optimise une exécution unique ; le Loop Engineering optimise un système qui s'améliore à chaque tour. Pourquoi le paradigme bascule, et ce qui survit de l'art du prompt.
Le Compound externalisé : quand la capitalisation devient un bien commun vérifié
À cette seconde, des milliers d'agents résolvent le même bug, chacun de son côté, puis l'oublient : l'« Ephemeral Intelligence Gap ». Quand la capitalisation du SDLC sort des murs, la rareté se déplace — générer est bon marché, vérifier en production ne l'est pas.
GLM-5.2 : le modèle open-weights de Z.ai qui défie les modèles fermés pour agentique coding !
Annoncé mi-juin 2026, GLM-5.2 de Z.ai (ex-Zhipu AI) est un modèle open-weights — MoE, 744 milliards de paramètres, contexte 1M, licence MIT — optimisé pour le codage agentique long-horizon. Specs, benchmarks constructeur, prix, et les réactions d'experts comme Jeremy Howard ou Mat Velloso.
Un SDLC piloté par l'IA : le cycle SFEIR à 11 phases (et pourquoi l'industrie y converge)
Greffer l'IA sur un cycle pensé pour des humains ne donne pas un facteur 10, juste un goulot qui produit ses erreurs dix fois plus vite. Le SDLC augmenté : 11 phases, 3 gates humains, 2 capitalisations, et la convergence des cadres qui le valident.
Le code est devenu gratuit. Décider quoi construire, jamais.
Quand écrire du code devient gratuit, le risque migre vers l'amont : une idée mal cadrée se propage à la vitesse de l'IA. Define et Plan — les deux gates humains où une idée devient un contrat, et où trois explorations deviennent une décision d'architecture.
Compound-1 & Compound-2 : les deux phases où le SDLC piloté par l'IA apprend
Un bug vu deux fois n'est pas un bug, c'est un trou dans le système. Comment le SDLC SFEIR transforme chaque cycle en capital : deux phases de capitalisation — leçons statiques avant livraison, leçons runtime en prod — rechargées au plan suivant. − 30 % d'itérations après 10 cycles.
Recevez nos analyses techniques
Une sélection hebdomadaire des meilleures ressources d'ingénierie.
S'abonner