Comment nous travaillons

L'IA écrit le code. Un senior décide ce qui part en production. Ce partage, c'est toute la méthode.

Alex, Henry et des agents spécialistes acheminent le travail par le studio

Le workflow

Six étapes. Chaque fonctionnalité, chaque correctif, chaque changement passe par les six.

Comment nous construisons avec l'IA : planifier d'abord, relire chaque diff, écrire les erreurs. Le jugement senior par-dessus la vitesse de l'IA.

Suivi des tickets

Chaque tâche vit dans Linear ou GitHub Issues, avec spécification, critères d'acceptation et contexte. Pas de ticket, pas de travail.

Nous travaillons comme une grande équipe parce que nous en sommes une. La structure est ce qui rend la vitesse sûre.

Planification

L'IA propose une approche. Un humain la relit, pose des questions et l'affine. Nous itérons jusqu'à l'accord.

Personne n'écrit de code avant que le plan tienne. Les mauvais plans deviennent des bugs coûteux.

Implémentation

L'IA écrit le code, les tests et la documentation. Un humain lit chaque diff dès qu'il arrive.

Donnez-lui un fichier et un problème à la fois. Toute la base de code dans le contexte dégrade le résultat.

Tests

Tests unitaires, d'intégration et de bout en bout à chaque build et chaque déploiement.

Pas de vert, pas de livraison. Les tests sont notre façon de vérifier ce que l'IA prétend avoir fait.

Revue et merge

L'IA ouvre la pull request. Un humain la relit et la fusionne. La CI doit passer avant.

Pousser directement sur main est interdit ici. Chaque changement gagne sa place.

Documentation

Les changements de code déclenchent des mises à jour de doc. Les décisions d'architecture sont consignées.

Les erreurs aussi sont écrites, pour que la même ne nous coûte qu'une fois. Les conversations disparaissent, les documents restent.

Stack technique

Modèles IA

Claude Fable · Claude Opus · GPT · GLM · Qwen Coder (local) · Qwen Max (local) · Gemma (local)

Langages

TypeScript · Python · Rust · Go · Swift · Kotlin · SQL

Frontend

React · Next.js · SvelteKit · Astro · Tailwind CSS · Framer Motion

Mobile

SwiftUI · React Native · Flutter · Expo

Backend

Node.js · FastAPI · NestJS · Hono · Express · Encore · Prisma · Drizzle

Henry et des agents spécialistes assemblent la pile technique

Image et film

Les scènes de ce site sont générées, pas achetées. Même règle que pour le code : le bon modèle pour la tâche et un humain qui décide de ce qui sort.

L’essentiel tourne sur notre propre matériel. Des modèles ouverts, un GPU local et une ligne de commande que les agents savent piloter. Rien ne quitte la maison, sauf si un modèle hébergé fait mieux le travail.

Générer est la partie bon marché. Le travail, c’est le brief, les références et la relecture. Un agent extrait des images et vérifie les visages, les mains et le texte avant qu’une personne ne regarde.

Le local d’abord

Images fixes, clips et son sont rendus sur notre propre machine. Une image ne coûte rien, donc nous pouvons nous permettre d’en jeter la plupart.

Un modèle par tâche

Un modèle pour les images photographiques, un autre pour les personnes en mouvement, un troisième pour l’édition à partir de références. Nous en changeons dès que quelque chose de mieux sort, et c’est fréquent.

Vrais appareils, vraie interface

Les écrans d’application ne sont jamais générés. Les maquettes posent l’interface réelle sur des modèles d’appareils exacts : ce que vous voyez est ce qui a été construit.

Surveillance proactive

Nos agents surveillent vos systèmes en continu et corrigent les problèmes avant que vos utilisateurs ne les voient.

La plupart des équipes trouvent les bugs quand les utilisateurs les signalent. Nous les trouvons à trois heures du matin.

Les agents lisent vos logs, vos traqueurs d'erreurs et vos métriques. Quand quelque chose cloche, vous recevez un rapport avec la cause racine et un correctif proposé, pas une simple alerte.

Nous faisons tourner ça sur nos propres ventures chaque nuit. C'est de là que vient Vigil, aujourd'hui un service géré sur vigil.kerber.ai.

Analyse continue des logs

Les agents surveillent Sentry, Datadog, CloudWatch et vos propres logs. La reconnaissance de motifs attrape ce que les alertes statiques ratent, comme une fuite mémoire lente ou un taux d'erreur qui grimpe.

Correctifs pendant la nuit

Un bug critique trouvé à deux heures a une pull request à six. Les cas mineurs sont notés et priorisés.

Détection de tendances

Schémas d'usage, coûts d'infrastructure, API qui disparaissent. Vous en entendez parler avant que ça devienne un incident.

Mais qui prend le relais quand les seniors partent ?

La bonne question. Voici notre réponse.

Que se passe-t-il quand le senior qui sait à quoi ressemble le bon code franchit la porte ?

Les entreprises n'ont pas besoin de cette personne à plein temps. Elles ont besoin du jugement : une à deux heures par semaine, pas quarante heures de baby-sitting.

Les revues laissent aussi quelque chose derrière elles. Des motifs documentés, des décisions d'architecture et des suites de tests qui épellent à quoi ressemble le bon code sur cette base précise. Le savoir senior doit survivre au senior.

Expertise à la demande

Une supervision senior sans salaire senior. Un expert peut accompagner plusieurs projets en parallèle.

Un savoir qui reste

Chaque revue devient de la documentation. Chaque décision est consignée. Quand nous partons, les systèmes qualité restent.

Boucles d'apprentissage plus courtes

Les juniors qui travaillent avec l'IA reçoivent un retour en quelques secondes. Le junior de 2027 aura vu plus de motifs que le senior de 2017.

Vous voulez ça pour votre équipe

Nous aidons les entreprises à mettre en place des workflows augmentés par l'IA qui tiennent en production. L'essentiel du travail, c'est le système autour des outils.

Planifier un appel