Mon workflow de review IA : des agents spécialisés en boucle

Mon workflow de review IA (du moment).

Le workflow

1. Vous créez quelques agents spécialisés (sécurité, conventions, overengineering, architecture… etc).
2. Vous créez un skill review-wrap-up, dans lequel vous demandez à un orchestrateur de review de :
   • faire jusqu’à X rounds de review (5 en général pour moi)
   • lancer à chaque round une session fraîche, non biaisée, pour chaque agent, de review sur son angle
   • trier les retours, vérifier les faux positifs, et fixer au fur et à mesure
3. En bonus, vous demandez qu’à la fin des reviews, un joli artifact soit généré pour présenter le travail fait, comme vous l’aimez :
   • le problème / la feature
   • le contexte
   • la solution choisie
   • comment ça a été fait
   • avec des schémas, des blocs interactifs… etc

Ça mange un peu de tokens. Mais une fois le travail « fini », c’est une seule commande à lancer (souvent un peu longue) => plein de petits soucis oubliés attrapés + une présentation finale clean du travail effectué.

Là où sont les gains

Combiné ensuite à la technique que je présentais hier (skill + extension Chrome pour trier le diff GitHub par ordre et par blocs logiques, avec descriptions)… ça aide énormément.

Car on le sait tous : la review est devenue le goulot d’étranglement… et donc c’est là que se trouvent tous les gains, si on arrive à améliorer la situation.

PS : attention, cette boucle de review ne remplace en rien un scoping propre en amont, une architecture clean, de vrais fondamentaux, une dette technique archi limitée, un harness poussé… etc. C’est juste un outil de plus en fin de pipeline. Tout ce qui vient avant, c’est le travail de fond que je mène en amont avec une équipe.