Lorsque le créateur de l’agent de codage le plus avancé au monde s’exprime, la Silicon Valley n’écoute pas seulement – elle prend des notes. Depuis une semaine, la communauté de l’ingénierie dissèque un fil sur X de Boris Cherny, le créateur et responsable de Claude Code chez Anthropic. Ce qui a commencé comme un partage occasionnel de sa configuration personnelle de terminal s’est transformé en un manifeste viral sur l’avenir du développement logiciel, avec des initiés de l’industrie le qualifiant d’événement historique pour la start-up.
L’excitation provient d’un paradoxe : le flux de travail de Cherny est étonnamment simple, mais il permet à un seul individu d’opérer avec la capacité de production d’un petit service d’ingénierie. Comme l’a noté un utilisateur sur X après avoir mis en œuvre la configuration de Cherny, l’expérience « ressemble plus à Starcraft » qu’à du codage traditionnel – un passage de la saisie de syntaxe au commandement d’unités autonomes.
Voici une analyse du flux de travail qui transforme la façon dont les logiciels sont construits, directement de l’architecte lui-même. Comment le fait de faire fonctionner cinq agents d’IA en même temps transforme le codage en un jeu de stratégie en temps réel.
La révélation la plus frappante de la divulgation de Cherny est qu’il ne code pas de manière linéaire. Dans la « boucle interne » traditionnelle du développement, un programmeur écrit une fonction, la teste, puis passe à la suivante. Cherny, cependant, agit comme un commandant de flotte.
« Je lance 5 Claudes en parallèle dans mon terminal », a écrit 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 utilisant les notifications système iTerm2, Cherny gère efficacement cinq flux de travail simultanés. Pendant qu’un agent exécute une suite de tests, un autre refactore un module hérité, et un troisième rédige de la documentation. Il exécute également « 5-10 Claudes sur claude.ai » dans son navigateur, utilisant une commande de « téléportation » pour passer des sessions entre le web et sa machine locale.
Cela valide la stratégie du « faire plus avec moins » formulée par la présidente d’Anthropic, Daniela Amodei, plus tôt cette semaine. Alors que des concurrents comme OpenAI poursuivent des investissements massifs dans l’infrastructure, Anthropic démontre qu’une orchestration supérieure des modèles existants peut entraîner des gains de productivité exponentiels.
Dans un mouvement surprenant pour une industrie obsédée par la latence, Cherny a révélé qu’il utilise exclusivement le modèle le plus lourd et le plus lent d’Anthropic : Opus 4.5.
« J’utilise Opus 4.5 avec réflexion pour tout, » a expliqué 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, puisque vous devez moins le diriger et qu’il est meilleur pour 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, c’est un aperçu crucial. Le goulot d’étranglement dans le développement moderne de l’IA n’est pas la vitesse de génération du jeton ; c’est le temps humain passé à corriger les erreurs de l’IA. Le flux de travail de Cherny suggère que payer le « taxe de calcul » pour un modèle plus intelligent upfront élimine la « taxe de correction » plus tard.
Cherny a également détaillé comment son équipe résout le problème de l’amnésie de l’IA. Les modèles de langage standard ne « se souviennent pas » du style de codage spécifique d’une entreprise ou des décisions architecturales d’une session à l’autre.
Pour résoudre ce problème, l’équipe de Cherny maintient un seul fichier nommé CLAUDE.md dans leur dépôt git. « Chaque fois que nous voyons Claude faire quelque chose de incorrect, nous l’ajoutons au CLAUDE.md, afin que Claude sache de ne pas le faire la prochaine fois, » a-t-il écrit.
Cette pratique transforme la base de code en un organisme auto-correcteur. Lorsqu’un développeur humain examine une demande de tirage et repère une erreur, il ne se contente pas de corriger le code ; il marque l’IA pour mettre à jour ses propres instructions. « Chaque erreur devient une règle, » a noté Aakash Gupta, un leader de produit analysant le fil. Plus l’équipe travaille ensemble longtemps, plus l’agent devient intelligent.
Les commandes slash et les sous-agents automatisent les parties les plus fastidieuses du développement. Le flux de travail « vanilla » qu’un observateur a salué est alimenté par une automatisation rigoureuse des tâches répétitives. Cherny utilise des commandes slash – des raccourcis personnalisés intégrés dans le dépôt du projet – pour gérer des opérations complexes en une seule frappe.
Il a mis en avant une commande appelée /commit-push-pr, qu’il invoque des dizaines de fois par jour. Au lieu de taper manuellement des commandes git, d’écrire un message de validation et d’ouvrir une demande de tirage, l’agent gère la bureaucratie du contrôle de version de manière autonome.
Cherny déploie également des sous-agents – des personnalités d’IA spécialisées – pour gérer des phases spécifiques du cycle de vie du développement. Il utilise un simplificateur de code pour nettoyer l’architecture après la fin du travail principal et un agent de vérification d’application pour exécuter des tests de bout en bout avant l’expédition.
Si Claude Code a atteint rapidement un milliard de dollars de revenus récurrents annuels, c’est probablement en raison de la boucle de vérification. L’IA n’est pas seulement un générateur de texte ; c’est un testeur.
« Chaque changement que je dépose sur claude.ai/code est testé par Claude en utilisant l’extension Claude Chrome, » a écrit Cherny. « Il ouvre un navigateur, teste l’interface utilisateur et itère jusqu’à ce que le code fonctionne et que l’expérience utilisateur soit bonne. »
Il soutient que donner à l’IA un moyen de vérifier son propre travail – que ce soit par l’automatisation du navigateur, l’exécution de commandes bash ou l’exécution de suites de tests – améliore la qualité du résultat final de « 2-3x ». L’agent n’écrit pas seulement du code ; il prouve que le code fonctionne.
La réaction au fil de Cherny suggère un changement majeur dans la façon dont les développeurs pensent à leur métier. Pendant des années, le « codage IA » signifiait une fonction d’auto-complétion dans un éditeur de texte – un moyen plus rapide de taper. Cherny a démontré qu’il peut maintenant fonctionner comme un système d’exploitation pour le travail lui-même.
» Lisez ceci si vous êtes déjà ingénieur… et que vous voulez plus de puissance, » a résumé Jeff Tang. Les outils pour multiplier la production humaine par un facteur de cinq sont déjà là. Il suffit d’être prêt à arrêter de considérer l’IA comme une assistante et de commencer à la traiter comme une main-d’œuvre. Les programmeurs qui font ce saut mental en premier ne seront pas seulement plus productifs. Ils joueront à un jeu complètement différent – pendant que les autres taperont encore.